論文の概要: A Hybrid Artificial Intelligence Method for Estimating Flicker in Power Systems

• arxiv url: http://arxiv.org/abs/2506.13611v1
• Date: Mon, 16 Jun 2025 15:38:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:48.806482
• Title: A Hybrid Artificial Intelligence Method for Estimating Flicker in Power Systems
• Title（参考訳）: 電力系統におけるフリッカ推定のためのハイブリッド人工知能手法
• Authors: Javad Enayati, Pedram Asef, Alexandre Benoit,
• Abstract要約: 本稿では,Hフィルタと適応線形ニューロンネットワークを組み合わせたハイブリッドAI手法を提案する。 提案手法はHフィルタのロバスト性を利用して不確実でノイズの多い条件下で電圧エンベロープを抽出し,次にADALINEを用いてエンベロープに埋め込まれたフリック周波数を正確に同定する。
• 参考スコア（独自算出の注目度）: 44.99833362998488
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces a novel hybrid AI method combining H filtering and an adaptive linear neuron network for flicker component estimation in power distribution systems.The proposed method leverages the robustness of the H filter to extract the voltage envelope under uncertain and noisy conditions followed by the use of ADALINE to accurately identify flicker frequencies embedded in the envelope.This synergy enables efficient time domain estimation with rapid convergence and noise resilience addressing key limitations of existing frequency domain approaches.Unlike conventional techniques this hybrid AI model handles complex power disturbances without prior knowledge of noise characteristics or extensive training.To validate the method performance we conduct simulation studies based on IEC Standard 61000 4 15 supported by statistical analysis Monte Carlo simulations and real world data.Results demonstrate superior accuracy robustness and reduced computational load compared to Fast Fourier Transform and Discrete Wavelet Transform based estimators.
• Abstract（参考訳）: 本稿では,Hフィルタと適応線形ニューロンネットワークを組み合わせたハイブリッドAI手法を提案する。提案手法は,Hフィルタの強靭性を利用して,不確実でノイズの多い条件下での電圧エンベロープを抽出し,ADALINEを用いて包絡に埋め込まれたフリック周波数を正確に同定する。このシナジーにより,既存の周波数領域アプローチの重要な制約に対処する高速収束と雑音応答性を備えた効率的な時間領域推定が可能となる。従来の手法とは異なり,このハイブリッドAIモデルは,従来のノイズ特性や広範囲なトレーニングの知識を持たない複雑な電力障害を処理し,統計的解析によって支援されたIEC標準61000415に基づくシミュレーション研究と実世界データにより,より優れた精度と計算負荷の低減を実証する。

関連論文リスト

• Fusing Global and Local: Transformer-CNN Synergy for Next-Gen Current Estimation [4.945568106952893]
  本稿ではトランスフォーマーとCNNを組み合わせたハイブリッドモデルを提案する。 従来のSPICEシミュレーションで使用される複雑なNewtonイテレーションプロセスを置き換えるもので、Transformerフレームワークの強力なシーケンスモデリング機能を活用する。 実験の結果,従来のSPICEシミュレーションと比較して0.0098の誤差しか得られなかった。
  論文  参考訳（メタデータ） (2025-04-08T19:42:10Z)
• Neuromorphic Split Computing with Wake-Up Radios: Architecture and Design via Digital Twinning [97.99077847606624]
  本研究は,遠隔・無線接続型NPUからなる分割計算機システムに,覚醒無線機構を組み込んだ新しいアーキテクチャを提案する。 覚醒無線に基づくニューロモルフィックスプリットコンピューティングシステムの設計における重要な課題は、検知、覚醒信号検出、意思決定のためのしきい値の選択である。
  論文  参考訳（メタデータ） (2024-04-02T10:19:04Z)
• Label-free timing analysis of SiPM-based modularized detectors with physics-constrained deep learning [9.234802409391111]
  モジュール化検出器のタイミング解析のためのディープラーニングに基づく新しい手法を提案する。 本稿では,提案手法が求める最適関数の存在を数学的に証明し,モデルのトレーニングと校正のための体系的アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-24T09:16:31Z)
• Identification of Power System Oscillation Modes using Blind Source Separation based on Copula Statistic [1.8741805956888702]
  再生可能エネルギー資源が大量に浸透する電力システムのダイナミクスは、より非線形になってきている。 適切な予防的または矯正的制御行動を開始するために障害を受けるとき、振動の動的モードを正確に識別することが重要である。 モーダル解析においてこれらの非線形力学に対処するために,コプラ統計に基づく高次ブラインドソース同定(HOBI)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-02-07T17:38:05Z)
• Digital noise spectroscopy with a quantum sensor [57.53000001488777]
  本稿では,ノイズプロセスの自己相関をサンプリングし,再構成するための量子センシングプロトコルを実験的に導入し,実証する。 ウォルシュノイズ分光法はスピンフリップパルスの単純な配列を利用してディジタルフィルタの完全基底を生成する。 ダイヤモンド中の単一窒素空孔中心の電子スピン上での核スピン浴により生じる有効磁場の自己相関関数を実験的に再構成した。
  論文  参考訳（メタデータ） (2022-12-19T02:19:35Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• Encoding Frequency Constraints in Preventive Unit Commitment Using Deep Learning with Region-of-Interest Active Sampling [8.776029771500689]
  本稿では,周波数制約単位コミットメント(FCUC)のための汎用データ駆動型フレームワークを提案する。 深層ニューラルネットワーク(dnn)を訓練し、実データや高忠実度シミュレーションデータを用いて周波数応答を予測する。 データ生成フェーズでは、すべての可能な電力注入を考慮し、uflcしきい値に近い周波数nadirの電力注入サンプルを含む領域間アクティブサンプリングを提案する。
  論文  参考訳（メタデータ） (2021-02-18T19:04:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。