論文の概要: Differentiable Power-Flow Optimization

• arxiv url: http://arxiv.org/abs/2603.28203v1
• Date: Mon, 30 Mar 2026 09:19:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:45.319164
• Title: Differentiable Power-Flow Optimization
• Title（参考訳）: 微分可能パワーフロー最適化
• Authors: Muhammed Öz, Jasmin Hörter, Kaleb Phipps, Charlotte Debus, Achim Streit, Markus Götz,
• Abstract要約: 微分可能電力フロー (DPF) は、交流電力フロー問題を微分可能シミュレーションとして再構成したものである。 DPFは物理パワーミスマッチから基礎となるシミュレーションパラメータへのエンドツーエンドの伝搬を可能にする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the rise of renewable energy sources and their high variability in generation, the management of power grids becomes increasingly complex and computationally demanding. Conventional AC-power-flow simulations, which use the Newton-Raphson (NR) method, suffer from poor scalability, making them impractical for emerging use cases such as joint transmission-distribution modeling and global grid analysis. At the same time, purely data-driven surrogate models lack physical guarantees and may violate fundamental constraints. In this work, we propose Differentiable Power-Flow (DPF), a reformulation of the AC power-flow problem as a differentiable simulation. DPF enables end-to-end gradient propagation from the physical power mismatches to the underlying simulation parameters, thereby allowing these parameters to be identified efficiently using gradient-based optimization. We demonstrate that DPF provides a scalable alternative to NR by leveraging GPU acceleration, sparse tensor representations, and batching capabilities available in modern machine-learning frameworks such as PyTorch. DPF is especially suited as a tool for time-series analyses due to its efficient reuse of previous solutions, for N-1 contingency-analyses due to its ability to process cases in batches, and as a screening tool by leveraging its speed and early stopping capability. The code is available in the authors' code repository.
• Abstract（参考訳）: 再生可能エネルギー源の台頭と、その世代における高い変動性により、電力グリッドの管理はますます複雑で計算的に要求されるようになっていく。 ニュートン・ラフソン法 (NR) を用いた従来の交流パワーフローシミュレーションはスケーラビリティの低下に悩まされ, 共同送電モデルやグローバルグリッド解析といった新たなユースケースでは実用的ではない。 同時に、純粋にデータ駆動サロゲートモデルには物理的な保証がなく、基本的な制約に反する可能性がある。 本研究では,交流電力フロー問題を微分可能シミュレーションとして再構成した微分可能電力フロー (DPF) を提案する。 DPFは、物理パワーミスマッチから基礎となるシミュレーションパラメータへのエンドツーエンドの勾配伝搬を可能にし、勾配に基づく最適化を用いてこれらのパラメータを効率的に同定することができる。 我々は、PyTorchのような現代の機械学習フレームワークで利用可能なGPUアクセラレーション、スパーステンソル表現、バッチ機能を活用することにより、DPFがNRに代わるスケーラブルな代替手段を提供することを示した。 DPFは, 従来ソリューションの効率的な再利用による時系列解析, バッチ処理能力によるN-1並行解析, 速度と早期停止能力を利用したスクリーニングツールとして特に適している。 コードは著者のコードリポジトリで入手できる。

関連論文リスト

• Efficient Real-Time Adaptation of ROMs for Unsteady Flows Using Data Assimilation [7.958594167693376]
  パラメータ化還元次数モデル(ROM)の効率的な再学習戦略を提案する。 この戦略は計算時間の一部を必要としながら、完全再訓練に匹敵する精度を得る。 力学系を考えると、アウト・オブ・サンプル予測における誤差の主な原因は、潜在多様体の歪みに起因することが示される。
  論文  参考訳（メタデータ） (2026-02-26T16:43:28Z)
• Parallel Diffusion Solver via Residual Dirichlet Policy Optimization [88.7827307535107]
  拡散モデル(DM)は、最先端の生成性能を達成したが、シーケンシャルなデノナイジング特性のため、高いサンプリング遅延に悩まされている。 既存のソルバベースの加速度法では、低次元の予算で画像品質が著しく低下することが多い。 本研究では,各ステップに複数の勾配並列評価を組み込んだ新しいODE解法であるEnsemble Parallel Directionsolvr(EPD-EPr)を提案する。
  論文  参考訳（メタデータ） (2025-12-28T05:48:55Z)
• PF$Δ$: A Benchmark Dataset for Power Flow under Load, Generation, and Topology Variations [0.055997926295092294]
  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。
  論文  参考訳（メタデータ） (2025-10-24T22:09:09Z)
• 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)
• Likelihood-Free Variational Autoencoders [21.092166159353702]
  変分オートエンコーダ (VAEs) は通常、確率的デコーダ(英語版)(確率的デコーダ(英語版)(probabilistic decoder)に依存する。 決定論的デコーダを持ち,エネルギースコア(適切なスコアリングルール)を用いる,新たな可能性のない生成フレームワークであるEnVAEを提案する。 我々のフレームワークは、生成モデルにおけるフレキシブルで非パラメトリックな分布学習のための汎用的でスケーラブルで統計的に原則化された代替手段を提供する。
  論文  参考訳（メタデータ） (2025-04-24T14:44:46Z)
• Reinforcement learning for anisotropic p-adaptation and error estimation in high-order solvers [0.37109226820205005]
  強化学習(RL)を用いた高次h/pにおける異方性p適応の自動化と最適化のための新しい手法を提案する。 我々は,シミュレーションを行う際の最小限のオーバーコストを示す,主解法から切り離されたオフライントレーニング手法を開発した。 我々は、局所的な離散化誤差の定量化を可能にする、安価なRLベースの誤差推定手法を導出する。
  論文  参考訳（メタデータ） (2024-07-26T17:55:23Z)
• Energy-efficient Task Adaptation for NLP Edge Inference Leveraging Heterogeneous Memory Architectures [68.91874045918112]
  Adapter-ALBERTは、様々なタスクにわたる最大データ再利用のための効率的なモデル最適化である。 検証されたNLPエッジアクセラレータ上でシミュレーションを行うことにより、モデルを不均一なオンチップメモリアーキテクチャにマッピングする利点を実証する。
  論文  参考訳（メタデータ） (2023-03-25T14:40:59Z)
• 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)

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。