論文の概要: PF$Δ$: A Benchmark Dataset for Power Flow under Load, Generation, and Topology Variations

• arxiv url: http://arxiv.org/abs/2510.22048v1
• Date: Fri, 24 Oct 2025 22:09:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 19:54:32.488192
• Title: PF$Δ$: A Benchmark Dataset for Power Flow under Load, Generation, and Topology Variations
• Title（参考訳）: PF$Δ$: 負荷, 発生, 位相変動を考慮した電力流れのベンチマークデータセット
• Authors: Ana K. Rivera, Anvita Bhagavathula, Alvaro Carbonero, Priya Donti,
• Abstract要約: 電力フロー計算はリアルタイムグリッド操作のバックボーンである。 PF$Delta$は、負荷、生成、トポロジのさまざまなバリエーションをキャプチャする、電力フローのベンチマークデータセットである。
• 参考スコア（独自算出の注目度）: 0.055997926295092294
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Power flow (PF) calculations are the backbone of real-time grid operations, across workflows such as contingency analysis (where repeated PF evaluations assess grid security under outages) and topology optimization (which involves PF-based searches over combinatorially large action spaces). Running these calculations at operational timescales or across large evaluation spaces remains a major computational bottleneck. Additionally, growing uncertainty in power system operations from the integration of renewables and climate-induced extreme weather also calls for tools that can accurately and efficiently simulate a wide range of scenarios and operating conditions. Machine learning methods offer a potential speedup over traditional solvers, but their performance has not been systematically assessed on benchmarks that capture real-world variability. This paper introduces PF$\Delta$, a benchmark dataset for power flow that captures diverse variations in load, generation, and topology. PF$\Delta$ contains 859,800 solved power flow instances spanning six different bus system sizes, capturing three types of contingency scenarios (N , N -1, and N -2), and including close-to-infeasible cases near steady-state voltage stability limits. We evaluate traditional solvers and GNN-based methods, highlighting key areas where existing approaches struggle, and identifying open problems for future research. Our dataset is available at https://huggingface.co/datasets/pfdelta/pfdelta/tree/main and our code with data generation scripts and model implementations is at https://github.com/MOSSLab-MIT/pfdelta.
• Abstract（参考訳）: 電力フロー(PF)計算はリアルタイムグリッド処理のバックボーンであり、コンテンジェンシー解析(繰り返しPF評価が停止中のグリッドセキュリティを評価する)やトポロジ最適化(PFに基づく複合的な大きなアクション空間上の探索を含む)といったワークフローにまたがる。 これらの計算を運用の時間スケールや大規模な評価空間で実行することは、依然として大きな計算ボトルネックである。 さらに、再生可能エネルギーの統合による電力系統の運用の不確実性の増加や、気候が引き起こされる極端気象は、幅広いシナリオや運用条件を正確にかつ効率的にシミュレートできるツールも求めている。 機械学習手法は、従来の解法よりも潜在的なスピードアップを提供するが、実世界の変動を捉えるベンチマークでは、その性能は体系的に評価されていない。 本稿では、負荷、生成、トポロジーの様々なバリエーションをキャプチャする電力フローのベンチマークデータセットであるPF$\Delta$を紹介する。 PF$\Delta$は、6つのバスシステムサイズにまたがる859,800の解決された電力フローインスタンスを含み、3種類の緊急シナリオ(N , N -1, N -2)をキャプチャし、定常電圧安定性の限界付近で実現不可能なケースを含む。 我々は従来の解法とGNNに基づく手法を評価し、既存のアプローチが苦労する重要な領域を強調し、将来の研究のためのオープンな問題を特定する。 私たちのデータセットはhttps://huggingface.co/datasets/pfdelta/pfdelta/tree/mainで、データ生成スクリプトとモデル実装を備えたコードはhttps://github.com/MOSSLab-MIT/pfdeltaで利用可能です。

関連論文リスト

• PowerGrow: Feasible Co-Growth of Structures and Dynamics for Power Grid Synthesis [75.14189839277928]
  本稿では,運用効率を維持しながら計算オーバーヘッドを大幅に削減する,共同生成フレームワークPowerGrowを提案する。 ベンチマーク設定による実験では、PowerGrowはフィデリティと多様性において、事前の拡散モデルよりも優れていた。 これは、運用上有効で現実的な電力グリッドシナリオを生成する能力を示している。
  論文  参考訳（メタデータ） (2025-08-29T01:47:27Z)
• VICON: Vision In-Context Operator Networks for Multi-Physics Fluid Dynamics Prediction [30.201826592090885]
  In-Context Operator Networks (ICONs) は、少数ショットのインコンテキスト学習を用いて様々な偏微分方程式の演算子を学習する。 既存のICONは各空間点を個々のトークンとして処理し、高次元の高密度データを処理する際に計算効率を著しく制限する。 本稿では,ビジョントランスフォーマーアーキテクチャを統合し,パッチワイズ操作による2次元データの効率的な処理を行うビジョン・イン・コンテキスト・オペレーター・ネットワーク(VICON)を提案する。
  論文  参考訳（メタデータ） (2024-11-25T03:25:17Z)
• FlowTS: Time Series Generation via Rectified Flow [67.41208519939626]
  FlowTSは、確率空間における直線輸送を伴う整流フローを利用するODEベースのモデルである。 非条件設定では、FlowTSは最先端のパフォーマンスを達成し、コンテキストFIDスコアはStockとETThデータセットで0.019と0.011である。 条件設定では、太陽予測において優れた性能を達成している。
  論文  参考訳（メタデータ） (2024-11-12T03:03:23Z)
• Locally Adaptive One-Class Classifier Fusion with Dynamic $\ell$p-Norm Constraints for Robust Anomaly Detection [17.93058599783703]
  局所的なデータ特性に基づいて,融合重みを動的に調整するフレームワークを提案する。 本手法は,計算効率を大幅に向上させる内部点最適化手法を取り入れたものである。 計算効率を維持しながらローカルなデータパターンに適応できるフレームワークの能力は、リアルタイムアプリケーションに特に有用である。
  論文  参考訳（メタデータ） (2024-11-10T09:57:13Z)
• NAVSIM: Data-Driven Non-Reactive Autonomous Vehicle Simulation and Benchmarking [65.24988062003096]
  我々は,視覚に基づく運転ポリシーをベンチマークするフレームワークであるNAVSIMを提案する。 我々のシミュレーションは非反応性であり、評価された政策と環境は互いに影響を与えない。 NAVSIMはCVPR 2024で開催され、143チームが433のエントリーを提出し、いくつかの新たな洞察を得た。
  論文  参考訳（メタデータ） (2024-06-21T17:59:02Z)
• Cumulative Hazard Function Based Efficient Multivariate Temporal Point Process Learning [0.0]
  本稿では、ニューラルネットワークを用いてフレキシブルだが適切に定義されたCHFをモデル化する。 提案手法は,データフィッティングおよびイベント予測タスクにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-04-21T13:51:31Z)
• Continuous-time convolutions model of event sequences [46.3471121117337]
  イベントシーケンスは不均一でスパースであり、従来のモデルは不適当である。 我々は、時間とともに一様でない事象の発生を処理するために設計された効率的な畳み込みニューラルネットワークに基づくCOTICを提案する。 COTICは、次のイベント時間とタイプを予測する際に既存のモデルよりも優れており、最も近いライバルの3.714と比較して平均1.5のランクに達している。
  論文  参考訳（メタデータ） (2023-02-13T10:34:51Z)

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。