論文の概要: Graph-based data-driven discovery of interpretable laws governing corona-induced noise and radio interference for high-voltage transmission lines
- arxiv url: http://arxiv.org/abs/2603.20600v1
- Date: Sat, 21 Mar 2026 02:14:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:38.989075
- Title: Graph-based data-driven discovery of interpretable laws governing corona-induced noise and radio interference for high-voltage transmission lines
- Title（参考訳）: グラフに基づく高電圧伝送線路におけるコロナ誘導ノイズと電波干渉を規定する解釈法則の探索
- Authors: Hao Xu, Yuntian Chen, Chongqing Kang, Dongxiao Zhang,
- Abstract要約: コロナ誘発可聴雑音(AN)とラジオ干渉(RI)のコンパクトで解釈可能な法則を明らかにするMono-GraphMDを提案する。
この枠組みは, 表面勾配, 束数, 直径間の非線形相互作用が高磁場放出をどのように支配するかを考察する。
ブラックボックスモデルとは異なり、発見された閉形式法則は可搬性が高く解釈可能であり、様々なシナリオに適用した場合の迅速な予測を可能にする。
- 参考スコア（独自算出の注目度）: 16.853971628282185
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The global shift towards renewable energy necessitates the development of ultrahigh-voltage (UHV) AC transmission to bridge the gap between remote energy sources and urban demand. While UHV grids offer superior capacity and efficiency, their implementation is often hindered by corona-induced audible noise (AN) and radio interference (RI). Since these emissions must meet strict environmental compliance standards, accurate prediction is vital for the large-scale deployment of UHV infrastructure. Existing engineering practices often rely on empirical laws, in which fixed log-linear structures limit accuracy and extrapolation. Herein, we present a monotonicity-constrained graph symbolic discovery framework, Mono-GraphMD, which uncovers compact, interpretable laws for corona-induced AN and RI. The framework provides mechanistic insight into how nonlinear interactions among the surface gradient, bundle number and diameter govern high-field emissions and enables accurate predictions for both corona-cage data and multicountry real UHV lines with up to 16-bundle conductors. Unlike black-box models, the discovered closed-form laws are highly portable and interpretable, allowing for rapid predictions when applied to various scenarios, thereby facilitating the engineering design process.
- Abstract（参考訳）: 再生可能エネルギーへの世界的なシフトは、遠隔エネルギー源と都市需要のギャップを埋めるために超高圧(UHV)交流伝送の開発を必要とする。
UHVグリッドは優れた能力と効率を提供するが、その実装はコロナによる可聴雑音(AN)と無線干渉(RI)によって妨げられることが多い。
これらの排出ガスは厳しい環境基準を満たす必要があるため、UHVインフラの大規模展開には正確な予測が不可欠である。
既存のエンジニアリングの慣習は、しばしば経験則に依存し、固定された対数線構造が精度と外挿を制限する。
本稿では、単調性制約付きグラフシンボル発見フレームワークMono-GraphMDについて、コロナ誘発ANおよびRIのコンパクトかつ解釈可能な法則を明らかにする。
このフレームワークは, 表面勾配, 束数, 直径間の非線形相互作用が高磁場放出を制御し, 最大16バンドの導体を持つコロナケージデータと多国間実UHV線の正確な予測を可能にする。
ブラックボックスモデルとは異なり、発見されたクローズドフォーム法則は可搬性が高く解釈可能であり、様々なシナリオに適用した場合の迅速な予測を可能にし、エンジニアリング設計プロセスを容易にする。
関連論文リスト
- Parallel Complex Diffusion for Scalable Time Series Generation [50.01609741902786]
PaCoDiは周波数領域における生成モデリングを分離するスペクトルネイティブアーキテクチャである。
本研究では,PaCoDiが生成品質と推論速度の両方において,既存のベースラインを上回っていることを示す。
論文 参考訳（メタデータ） (2026-02-10T14:31:53Z) - Physics-Guided Tiny-Mamba Transformer for Reliability-Aware Early Fault Warning [2.491980790083337]
オンラインコンディション監視に適したコンパクトな三分岐エンコーダであるPG-TMT(Physical-Guided Tiny-Mamba Transformer)を提案する。
奥行き分離可能な畳み込みステムは、マイクロトランジェント、Tiny-Mamba状態空間分岐モデル、および軽量ローカルトランスフォーマーがチャネル間共鳴を符号化する。
PG-TMTは、信頼性中心の予後と健康管理のための早期警告を提供する。
論文 参考訳（メタデータ） (2026-01-29T05:46:12Z) - Channel Knowledge Map Construction via Guided Flow Matching [22.16429053407676]
線形輸送誘導フローマッチング(LT-GFM)に基づく新しいフレームワークを提案する。
本稿では,従来のチャネルゲインマップ(CGM)構築だけでなく,より困難な相関マップ(SCM)構築にも適用可能な統一アーキテクチャを提案する。
シミュレーションの結果, LT-GFMはFréchet Inception Distance (FID) よりも有意に低い分布忠実度を実現し, DDPMに比べて25倍の速度で推論速度を加速することがわかった。
論文 参考訳（メタデータ） (2026-01-06T08:25:56Z) - iRadioDiff: Physics-Informed Diffusion Model for Indoor Radio Map Construction and Localization [28.221749064585484]
iRadioDiffは、屋内RM構築のためのサンプリングフリー拡散ベースのフレームワークである。
iRadioDiff は室内RM工法における最先端性能を実現し,信号強度に基づく室内局地化を実現した。
論文 参考訳（メタデータ） (2025-11-25T07:32:49Z) - Advancing Heatwave Forecasting via Distribution Informed-Graph Neural Networks (DI-GNNs): Integrating Extreme Value Theory with GNNs [3.1648929705158357]
極端な熱の長い期間である熱波は、気候変動による頻度と重大さを増している。
気象スケール(1～15日)での正確な熱波予測は、大気中のドライバ間の非線形相互作用と、これらの極端な事象の希少性により、依然として困難である。
本研究では、極値理論(EVT)の原理をグラフニューラルネットワークアーキテクチャに統合する新しいフレームワークであるDis Distribution-Informed Graph Neural Network (DI-GNN)を紹介する。
論文 参考訳（メタデータ） (2024-11-20T17:45:03Z) - EControl: Fast Distributed Optimization with Compression and Error
Control [8.624830915051021]
フィードバック信号の強度を制御できる新しいメカニズムであるEControlを提案する。
EControlは,本手法の素直な実装を緩和し,本研究の成果を裏付けるものである。
論文 参考訳（メタデータ） (2023-11-06T10:00:13Z) - Accelerating Scalable Graph Neural Network Inference with Node-Adaptive
Propagation [80.227864832092]
グラフニューラルネットワーク(GNN)は、様々なアプリケーションで例外的な効果を発揮している。
大規模グラフの重大化は,GNNによるリアルタイム推論において重要な課題となる。
本稿では,オンライン伝搬フレームワークと2つの新しいノード適応伝搬手法を提案する。
論文 参考訳（メタデータ） (2023-10-17T05:03:00Z) - Towards Long-Term Time-Series Forecasting: Feature, Pattern, and
Distribution [57.71199089609161]
長期的時系列予測(LTTF)は、風力発電計画など、多くのアプリケーションで需要が高まっている。
トランスフォーマーモデルは、高い計算自己認識機構のため、高い予測能力を提供するために採用されている。
LTTFの既存の手法を3つの面で区別する,Conformer という,効率的なTransformer ベースモデルを提案する。
論文 参考訳（メタデータ） (2023-01-05T13:59:29Z) - Principal Component Density Estimation for Scenario Generation Using
Normalizing Flows [62.997667081978825]
低次元空間における正規化フローを設定する線形主成分分析(PCA)に基づく次元還元フロー層を提案する。
当社は、2013年から2015年までのドイツにおけるPVおよび風力発電のデータと負荷需要に関する主成分フロー(PCF)を訓練しています。
論文 参考訳（メタデータ） (2021-04-21T08:42:54Z) - Hardware-Encoding Grid States in a Non-Reciprocal Superconducting
Circuit [62.997667081978825]
本稿では、非相互デバイスと、基底空間が2倍縮退し、基底状態がGottesman-Kitaev-Preskill(GKP)符号の近似符号であるジョセフソン接合からなる回路設計について述べる。
この回路は、電荷やフラックスノイズなどの超伝導回路の一般的なノイズチャネルに対して自然に保護されており、受動的量子誤差補正に使用できることを示唆している。
論文 参考訳（メタデータ） (2020-02-18T16:45:09Z)
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。