論文の概要: Reinforcement Learning for Power-Flow Network Analysis

• arxiv url: http://arxiv.org/abs/2603.05673v1
• Date: Thu, 05 Mar 2026 21:02:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-09 13:17:44.492829
• Title: Reinforcement Learning for Power-Flow Network Analysis
• Title（参考訳）: 電力流網解析のための強化学習
• Authors: Alperen Ergur, Julia Lindberg, Vinny Miller,
• Abstract要約: 電力流方程式は電力注入と電力ネットワークのバス電圧の関係を記述している。 計算代数学における最先端技術アルゴリズムは、少数の変数を含むネットワークに対してこの問題に答えることができない。 この根数に対してよい近似を与える確率的報酬関数と、電力フロー方程式の空間を模倣する状態空間を用いる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The power flow equations are non-linear multivariate equations that describe the relationship between power injections and bus voltages of electric power networks. Given a network topology, we are interested in finding network parameters with many equilibrium points. This corresponds to finding instances of the power flow equations with many real solutions. Current state-of-the art algorithms in computational algebra are not capable of answering this question for networks involving more than a small number of variables. To remedy this, we design a probabilistic reward function that gives a good approximation to this root count, and a state-space that mimics the space of power flow equations. We derive the average root count for a Gaussian model, and use this as a baseline for our RL agents. The agents discover instances of the power flow equations with many more solutions than the average baseline. This demonstrates the potential of RL for power-flow network design and analysis as well as the potential for RL to contribute meaningfully to problems that involve complex non-linear algebra or geometry. \footnote{Author order alphabetic, all authors contributed equally.
• Abstract（参考訳）: 電力フロー方程式は、電力注入と電力ネットワークのバス電圧の関係を記述する非線形多変量方程式である。 ネットワークトポロジを考えると、多くの平衡点を持つネットワークパラメータを見つけることに興味がある。 これは、多くの実解を持つパワーフロー方程式の例を見つけることに対応する。 計算代数学における最先端技術アルゴリズムは、少数の変数を含むネットワークに対してこの問題に答えることができない。 これを改善するために、このルート数に近似を与える確率的報酬関数と、パワーフロー方程式の空間を模倣する状態空間を設計する。 ガウスモデルの平均根数を導出し、これをRLエージェントのベースラインとして利用する。 エージェントは平均ベースラインよりも多くの解を持つパワーフロー方程式の例を発見する。 これは、電力フローネットワークの設計と解析のためのRLの可能性と、複雑な非線形代数や幾何学を含む問題にRLが有意義に寄与する可能性を示す。 \footnote{Author order alphabetic, all authors also also equal.

関連論文リスト

• Physics-Constrained Neural Dynamics: A Unified Manifold Framework for Large-Scale Power Flow Computation [0.5076419064097734]
  電力フロー分析は、電力系統の分析、計画、運用管理の基本的なツールである。 伝統的なニュートン・ラフソン法は、初期値の感度やバッチ計算の低効率といった制限に悩まされている。 本稿では,多様体幾何と勾配流に基づくニューラルネットワークによるパワーフローの解法を提案する。
  論文  参考訳（メタデータ） (2025-12-01T02:45:23Z)
• Energy-Weighted Flow Matching for Offline Reinforcement Learning [53.64306385597818]
  本稿では, 生成モデルにおけるエネルギー誘導について検討し, 対象分布をp(mathbf x)exp(-beta mathcal E(mathcal x))$, $p(mathbf x)$, $mathcal E(mathcal x)$と定義する。 補助モデルを必要としないエネルギー誘導流を直接学習するEFM(Energy-weighted Flow Match)を導入する。 我々はこの方法論をエネルギー重み付けに拡張する
  論文  参考訳（メタデータ） (2025-03-06T21:10:12Z)
• Explicit Solution Equation for Every Combinatorial Problem via Tensor Networks: MeLoCoToN [55.2480439325792]
  計算問題はすべて、解を返却する厳密な明示的な方程式を持つことを示す。 本稿では, インバージョン, 制約満足度, 最適化の両面から, 正確に任意の問題を解く方程式を得る方法を提案する。
  論文  参考訳（メタデータ） (2025-02-09T18:16:53Z)
• A universal approximation theorem for nonlinear resistive networks [13.587017708994763]
  レジストレータネットワークは、機械学習のためのアナログコンピューティングプラットフォームとして研究されている。 電圧源, 線形抵抗器, ダイオード, 電圧制御電圧源からなる回路網は, 連続関数を任意の精度で近似できることを示す。
  論文  参考訳（メタデータ） (2023-12-22T21:01:16Z)
• Solving Differential-Algebraic Equations in Power System Dynamic Analysis with Quantum Computing [0.0]
  本稿では、電力系統の動的解析において、DAEを解くために量子コンピューティングアルゴリズムを用いることを実証する。 本稿では,電力系統のDAEを指数還元法を用いて正規微分方程式(ODE)に等価に変換するために,記号型プログラミングフレームワークを利用する。 系の非線形性は、量子線型方程式解法によって状態変数を更新できるように、テイラー展開を切断したハミルトンシミュレーションによって捉えられる。
  論文  参考訳（メタデータ） (2023-06-02T23:58:31Z)
• Unsupervised Optimal Power Flow Using Graph Neural Networks [172.33624307594158]
  グラフニューラルネットワークを用いて、要求された電力と対応するアロケーションとの間の非線形パラメトリゼーションを学習する。 シミュレーションを通して、この教師なし学習コンテキストにおけるGNNの使用は、標準解法に匹敵するソリューションにつながることを示す。
  論文  参考訳（メタデータ） (2022-10-17T17:30:09Z)
• Arithmetic circuit tensor networks, multivariable function representation, and high-dimensional integration [0.0]
  本稿では,関数の演算回路からテンソルネットワークへの直接マッピングを提案する。 最大50次元の単位ハイパーキューブ上の多変数積分の例において、回路構成のパワーを実証する。
  論文  参考訳（メタデータ） (2022-08-16T23:02:14Z)
• The Separation Capacity of Random Neural Networks [78.25060223808936]
  標準ガウス重みと一様分布バイアスを持つ十分に大きな2層ReLUネットワークは、この問題を高い確率で解くことができることを示す。 我々は、相互複雑性という新しい概念の観点から、データの関連構造を定量化する。
  論文  参考訳（メタデータ） (2021-07-31T10:25:26Z)
• Recognizing and Verifying Mathematical Equations using Multiplicative Differential Neural Units [86.9207811656179]
  メモリ拡張ニューラルネットワーク(NN)は、高次、メモリ拡張外挿、安定した性能、より高速な収束を実現することができることを示す。 本モデルでは,現在の手法と比較して1.53%の精度向上を達成し,2.22%のtop-1平均精度と2.96%のtop-5平均精度を達成している。
  論文  参考訳（メタデータ） (2021-04-07T03:50:11Z)
• Learning to Solve AC Optimal Power Flow by Differentiating through Holomorphic Embeddings [17.338923885534193]
  交流の最適電力の流れ(AC-OPF)は電力系統操作の基本的な問題の1つです。 本稿では,電力フローソルバの動作を微分することにより,この問題を回避する効率的な戦略を示す。 従来の解法に比べて12倍の速度向上と40%の堅牢性向上を報告した。
  論文  参考訳（メタデータ） (2020-12-16T18:23:51Z)
• On Function Approximation in Reinforcement Learning: Optimism in the Face of Large State Spaces [208.67848059021915]
  強化学習のコアにおける探索・探索トレードオフについて検討する。 特に、関数クラス $mathcalF$ の複雑さが関数の複雑さを特徴づけていることを証明する。 私たちの後悔の限界はエピソードの数とは無関係です。
  論文  参考訳（メタデータ） (2020-11-09T18:32:22Z)

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。