論文の概要: Machine Learning Guided Optimal Transmission Switching to Mitigate Wildfire Ignition Risk

• arxiv url: http://arxiv.org/abs/2510.25147v1
• Date: Wed, 29 Oct 2025 03:56:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-30 15:50:45.006136
• Title: Machine Learning Guided Optimal Transmission Switching to Mitigate Wildfire Ignition Risk
• Title（参考訳）: ワイルドファイア点火リスク軽減のための機械学習誘導型最適変速器
• Authors: Weimin Huang, Ryan Piansky, Bistra Dilkina, Daniel K. Molzahn,
• Abstract要約: 山火事の発火リスクを軽減するため、電力会社は高リスク地域で電力線を脱エネルギーする。 我々は,高品質なデエネルギゼーション決定を迅速に生成するML誘導フレームワークを開発した。 カリフォルニアをベースとした大規模リアルな合成試験システムにおいて,提案手法は従来の最適化手法よりも高速に高品質な解を生成できることを示した。
• 参考スコア（独自算出の注目度）: 9.031597361729363
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: To mitigate acute wildfire ignition risks, utilities de-energize power lines in high-risk areas. The Optimal Power Shutoff (OPS) problem optimizes line energization statuses to manage wildfire ignition risks through de-energizations while reducing load shedding. OPS problems are computationally challenging Mixed-Integer Linear Programs (MILPs) that must be solved rapidly and frequently in operational settings. For a particular power system, OPS instances share a common structure with varying parameters related to wildfire risks, loads, and renewable generation. This motivates the use of Machine Learning (ML) for solving OPS problems by exploiting shared patterns across instances. In this paper, we develop an ML-guided framework that quickly produces high-quality de-energization decisions by extending existing ML-guided MILP solution methods while integrating domain knowledge on the number of energized and de-energized lines. Results on a large-scale realistic California-based synthetic test system show that the proposed ML-guided method produces high-quality solutions faster than traditional optimization methods.
• Abstract（参考訳）: 急激な山火事の発火リスクを軽減するため、高リスク領域の電力線を減圧する。 最適パワーシャットオフ(OPS)問題(英語版)は、負荷シェディングを減らしながら脱エネルギーを行い、山火事の発火リスクを管理するためにライン・エネルギズ・ステータスを最適化する。 OPS問題は、MILP(Mixed-Integer Linear Programs)を計算的に困難にしている。 特定の電力システムにおいて、OPSインスタンスは、山火事のリスク、負荷、再生可能発生に関連する様々なパラメータを持つ共通の構造を共有する。 これにより、インスタンス間の共有パターンを活用することで、OPS問題を解決するための機械学習(ML)の利用が動機になる。 本稿では、既存のML誘導MILPソリューションを拡張しつつ、エネルギ化線数とデエネルギ化線数にドメイン知識を統合することで、高品質なデエネルギ化決定を迅速に生成するML誘導フレームワークを開発する。 カリフォルニアをベースとした大規模リアルな合成試験システムにおいて,提案手法は従来の最適化手法よりも高速に高品質な解が得られることを示した。

関連論文リスト

• HyP-ASO: A Hybrid Policy-based Adaptive Search Optimization Framework for Large-Scale Integer Linear Programs [29.446016007712114]
  HyP-ASOは、カスタマイズされた公式と深層強化学習(RL)を組み合わせたハイブリッドポリシーベースの適応検索最適化フレームワークである。 実験により、HyP-ASOは大規模IPPに対する既存のLSSベースのアプローチよりも大幅に優れていることが示された。 追加の実験では、軽量で高度にスケーラブルであることを示し、大規模IPPの解決に適していることが示されている。
  論文  参考訳（メタデータ） (2025-09-19T09:59:52Z)
• Design Optimization of NOMA Aided Multi-STAR-RIS for Indoor Environments: A Convex Approximation Imitated Reinforcement Learning Approach [51.63921041249406]
  非直交多重アクセス(Noma)により、複数のユーザが同じ周波数帯域を共有でき、同時に再構成可能なインテリジェントサーフェス(STAR-RIS)を送信および反射することができる。 STAR-RISを屋内に展開することは、干渉緩和、電力消費、リアルタイム設定における課題を提示する。 複数のアクセスポイント(AP)、STAR-RIS、NOMAを利用した新しいネットワークアーキテクチャが屋内通信のために提案されている。
  論文  参考訳（メタデータ） (2024-06-19T07:17:04Z)
• Safety Constrained Multi-Agent Reinforcement Learning for Active Voltage Control [34.95810473913879]
  能動電圧制御問題を制約付きマルコフゲームとして定式化し,安全性に制約のあるMARLアルゴリズムを提案する。 実世界規模シナリオを用いた配電ネットワークシミュレーション環境における本手法の評価を行った。
  論文  参考訳（メタデータ） (2024-05-14T09:03:00Z)
• GP CC-OPF: Gaussian Process based optimization tool for Chance-Constrained Optimal Power Flow [54.94701604030199]
  Gaussian Process (GP) ベースのChance-Constrained Optimal Flow (CC-OPF) は、電力グリッドにおけるエコノミックディスパッチ(ED)問題のためのオープンソースのPythonコードである。 CC-OPモデルに基づく新しいデータ駆動手法を提案し,複雑性と精度のトレードオフにより大規模な回帰問題を解く。
  論文  参考訳（メタデータ） (2023-02-16T17:59:06Z)
• Phase Shift Design in RIS Empowered Wireless Networks: From Optimization to AI-Based Methods [83.98961686408171]
  再構成可能なインテリジェントサーフェス(RIS)は、無線ネットワークのための無線伝搬環境をカスタマイズする革命的な機能を持つ。 無線システムにおけるRISの利点を完全に活用するには、反射素子の位相を従来の通信資源と共同で設計する必要がある。 本稿では、RISが課す制約を扱うための現在の最適化手法と人工知能に基づく手法についてレビューする。
  論文  参考訳（メタデータ） (2022-04-28T09:26:14Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Adversarially Robust Learning for Security-Constrained Optimal Power Flow [55.816266355623085]
  我々は、N-kセキュリティ制約付き最適電力流(SCOPF)の課題に取り組む。 N-k SCOPFは電力網の運用における中核的な問題である。 N-k SCOPF を極小最適化問題とみなす。
  論文  参考訳（メタデータ） (2021-11-12T22:08:10Z)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)

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。