論文の概要: Capturing Multivariate Dependencies of EV Charging Events: From Parametric Copulas to Neural Density Estimation

• arxiv url: http://arxiv.org/abs/2603.29554v1
• Date: Tue, 31 Mar 2026 10:34:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:03.551591
• Title: Capturing Multivariate Dependencies of EV Charging Events: From Parametric Copulas to Neural Density Estimation
• Title（参考訳）: EV充電イベントの多変量依存性のキャプチャ:パラメトリックコプラからニューラル密度推定へ
• Authors: Martin Výboh, Gabriela Grmanová,
• Abstract要約: 本稿では,Vine copulas と Copula Density Neural Estimation framework (CODINE) のEV領域への応用について紹介する。 これらの高容量依存モデルを3つの実世界のデータセットで評価する。
• 参考スコア（独自算出の注目度）: 1.0312968200748118
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate event-based modeling of electric vehicle (EV) charging is essential for grid reliability and smart-charging design. While traditional statistical methods capture marginal distributions, they often fail to model the complex, non-linear dependencies between charging variables, specifically arrival times, durations, and energy demand. This paper addresses this gap by introducing the first application of Vine copulas and Copula Density Neural Estimation framework (CODINE) to the EV domain. We evaluate these high-capacity dependence models across three diverse real-world datasets. Our results demonstrate that by explicitly focusing on modeling the joint dependence structure, Vine copulas and CODINE outperform established parametric families and remain highly competitive against state-of-the-art benchmarks like conditional Gaussian Mixture Model Networks. We show that these methods offer superior preservation of tail behaviors and correlation structures, providing a robust framework for synthetic charging event generation in varied infrastructure contexts.
• Abstract（参考訳）: 電気自動車(EV)充電の正確なイベントベースモデリングは、グリッド信頼性とスマートチャージ設計に不可欠である。 従来の統計手法は限界分布を捉えるが、充電変数、特に到着時間、持続時間、エネルギー需要の間の複雑で非線形な依存関係をモデル化することができないことが多い。 本稿では,Vine copulasとCopula Density Neural Estimation framework(CODINE)をEVドメインに導入することで,このギャップを解消する。 これらの高容量依存モデルを3つの実世界のデータセットで評価する。 これらの結果から,VineコプラとCODINEは,共同依存構造をモデル化することに集中して,確立したパラメトリック・ファミリーの性能を向上し,条件付きガウス混合モデルネットワークのような最先端のベンチマークに対して高い競争力を保っていることが明らかとなった。 これらの手法は, 尾の挙動と相関構造の保存性に優れており, 様々なインフラ環境下での帯電イベント生成のための堅牢な枠組みを提供する。

関連論文リスト

• A Unified Variational Imputation Framework for Electric Vehicle Charging Data Using Retrieval-Augmented Language Model [3.720005287197028]
  電気自動車の充電データのための新しい確率的変動計算フレームワークを開発した。 PRAIMは、訓練済みの言語モデルを使用して、異種データをエンコードし、時系列要求、カレンダー機能、地理空間コンテキストにまたがる。 PRAIMは、計算精度と元のデータの統計分布を保存する能力の両方において、確立されたベースラインを著しく上回っている。
  論文  参考訳（メタデータ） (2026-01-20T00:17:54Z)
• FLOWR.root: A flow matching based foundation model for joint multi-purpose structure-aware 3D ligand generation and affinity prediction [5.216915896877018]
  FLOWR:rootは、ポケット対応の3Dリガンド生成のための均質なフローマッチングモデルである。 デ・ノボ生成、薬局補充条件サンプリング、フラグメント・エラボレーション、親和性予測をサポートする。
  論文  参考訳（メタデータ） (2025-10-02T21:38:26Z)
• Optimizing Sequential Recommendation Models with Scaling Laws and Approximate Entropy [104.48511402784763]
  SRモデルの性能法則は,モデルの性能とデータ品質の関係を理論的に調査し,モデル化することを目的としている。 データ品質を評価するために、従来のデータ量メトリクスと比較して、より曖昧なアプローチを示すために、近似エントロピー(ApEn)を提案する。
  論文  参考訳（メタデータ） (2024-11-30T10:56:30Z)
• Coherent Hierarchical Probabilistic Forecasting of Electric Vehicle Charging Demand [3.7690784039257292]
  本稿では,複数の電気自動車充電ステーション(EVCS)の階層的確率的予測問題について検討する。 各充電ステーションに対して、部分入力凸ニューラルネットワーク(PICNN)に基づくディープラーニングモデルを訓練し、日頭充電需要の条件分布を予測する。 微分凸最適化層(DCL)は、分布からサンプリングされたシナリオを再構成し、一貫性のあるシナリオを生成する。
  論文  参考訳（メタデータ） (2024-11-01T03:35:04Z)
• EPi-cKANs: Elasto-Plasticity Informed Kolmogorov-Arnold Networks Using Chebyshev Polynomials [0.0]
  チェビシェフ型ネットワーク(EPi-cKAN)のエラスト可塑性について述べる。 EPi-cKANは、応力成分の予測に優れた精度を提供し、ブラインド三軸軸対称のひずみ制御荷重経路下での砂弾塑性挙動の予測に使用する場合、より良い精度を示す。
  論文  参考訳（メタデータ） (2024-10-12T16:01:38Z)
• Towards Theoretical Understandings of Self-Consuming Generative Models [56.84592466204185]
  本稿では,自己消費ループ内で生成モデルを訓練する新たな課題に取り組む。 我々は,このトレーニングが将来のモデルで学習したデータ分布に与える影響を厳格に評価するための理論的枠組みを構築した。 カーネル密度推定の結果は,混合データトレーニングがエラー伝播に与える影響など,微妙な洞察を与える。
  論文  参考訳（メタデータ） (2024-02-19T02:08:09Z)
• Additive Covariance Matrix Models: Modelling Regional Electricity Net-Demand in Great Britain [0.0]
  我々は、イギリスの電力網を構成する14の地域において、ネット需要の同時分布を予測した。 統合モデリングは、地域ごとの需要変動と地域間の依存関係が、時間的、社会経済的、気象的要因によって異なるという事実によって複雑である。
  論文  参考訳（メタデータ） (2022-11-14T15:27:11Z)
• Accuracy on the Line: On the Strong Correlation Between Out-of-Distribution and In-Distribution Generalization [89.73665256847858]
  分布外性能は,広範囲なモデルと分布シフトに対する分布内性能と強く相関していることを示す。 具体的には,CIFAR-10 と ImageNet の変種に対する分布内分布と分布外分布性能の強い相関関係を示す。 また,CIFAR-10-Cと組織分類データセットCamelyon17-WILDSの合成分布の変化など,相関が弱いケースについても検討した。
  論文  参考訳（メタデータ） (2021-07-09T19:48:23Z)
• Autoregressive Dynamics Models for Offline Policy Evaluation and Optimization [60.73540999409032]
  表現的自己回帰ダイナミクスモデルが次の状態の異なる次元を生成し、以前の次元で順次条件付きで報酬を得ることを示す。 また,リプレイバッファを充実させる手段として,自己回帰的ダイナミクスモデルがオフラインポリシー最適化に有用であることを示す。
  論文  参考訳（メタデータ） (2021-04-28T16:48:44Z)

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。