論文の概要: UniWind: Toward Unified Day-Ahead Wind Power Forecasting via Physics-Informed State Routing

• arxiv url: http://arxiv.org/abs/2607.01670v1
• Date: Thu, 02 Jul 2026 03:51:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.65571
• Title: UniWind: Toward Unified Day-Ahead Wind Power Forecasting via Physics-Informed State Routing
• Title（参考訳）: UniWind:物理インフォームドステートルーティングによる日頭風力予測
• Authors: Ronghui Xu, Tongxin Wu, Guozhen Zhang, Yihan Li, Chenjuan Guo, Bin Yang, Yong Li,
• Abstract要約: 日頭風力予測はコスト効率の良い電力系統運用に不可欠である。 既存の物理モデルは有用な制約を提供するが、風力発電所ではあまり適応しない。 物理インフォームド状態ルーティングに基づく風力予測モデルUniWindを提案する。
• 参考スコア（独自算出の注目度）: 20.472759167802554
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Day-ahead wind power forecasting is essential for cost-effective power-system operation. It is primarily driven by future meteorological conditions while retaining temporal dependencies in power generation. In practice, observed wind-farm power often entangles physically available power with local environmental effects and latent operational states, such as shutdowns and curtailment. Existing physical models provide useful constraints but adapt poorly across wind farms, whereas data-driven models can capture rich correlations but often conflate meteorological effects with state-induced deviations. In this study, we propose UniWind, a wind power forecasting model based on physics-informed state routing. UniWind first employs a Physical Prior Estimator to construct a site-calibrated physical prior by combining site-conditioned monotonic warping with a shared physical power curve. It further applies a physical upper-bound constraint to shape this prior as a soft envelope of available wind power generation. UniWind then proposes a Latent State Encoder to model operating-state embeddings and transforms the physical prior into final power forecasts through a State-aware Power Corrector, which uses knowledge-guided supervised state routing and bounded, state-specific expert correction. Full-shot and cross-farm zero-shot experiments on more than 20 real-world datasets demonstrate the accuracy and robustness of UniWind.
• Abstract（参考訳）: 日頭風力予測はコスト効率の良い電力系統運用に不可欠である。 主に将来の気象条件によって駆動されるが、発電における時間的依存は維持される。 実際には、観測された風力は、しばしば物理的に利用可能な電力を、局所的な環境効果やシャットダウンやカレーションのような潜伏した運転状態と絡み合う。 既存の物理モデルは有用な制約を提供するが、ウィンドファームに不適応であるが、データ駆動モデルはリッチな相関を捉えることができるが、しばしば状態が引き起こす偏差と気象効果を説明できる。 本研究では,物理インフォームド状態ルーティングに基づく風力予測モデルUniWindを提案する。 UniWindは、サイト条件付きモノトニックワープと共有物理パワーカーブを組み合わせることで、サイトの校正された物理的事前を構築するために、まず物理優先推定器を使用する。 さらに、物理的上界制約を適用して、この制約を利用可能な風力発電のソフトエンベロープとして形成する。 その後、UniWindはLatent State Encoderを提案し、動作状態の埋め込みをモデル化し、知識誘導制御された状態ルーティングと有界な状態固有の専門家補正を使用する状態認識のPower Correctorを通じて物理的な事前予測を最終的な電力予測に変換する。 20以上の実世界のデータセットに対するフルショットおよびクロスファームゼロショット実験は、UniWindの正確性と堅牢性を示している。

関連論文リスト

• DiffWind: Physics-Informed Differentiable Modeling of Wind-Driven Object Dynamics [97.57382055179725]
  DiffWindは、風と物体の相互作用、ビデオベースモデリング、フォワードシミュレーションを統一する物理インフォーム可能なフレームワークである。 提案手法は,再現精度とシミュレーション忠実度の両方において,従来の動的シーンモデリング手法よりも優れていた。
  論文  参考訳（メタデータ） (2026-03-10T13:41:24Z)
• 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)
• Powerformer: A Transformer with Weighted Causal Attention for Time-series Forecasting [50.298817606660826]
  我々は,非因果重みをスムーズな重み付き崩壊に応じて再加重する因果重みに置き換える新しいトランスフォーマーであるPowerformerを紹介する。 我々の実証実験の結果,Powerformer は公開時系列ベンチマークで最先端の精度を達成できた。 分析の結果、トレーニング中にモデルの局所性バイアスが増幅され、時系列データとパワールールに基づく注意の相互作用が示されることがわかった。
  論文  参考訳（メタデータ） (2025-02-10T04:42:11Z)
• Harvesting energy from turbulent winds with Reinforcement Learning [0.0]
  エアボーン・ウィンド・エナジー(Airborne Wind Energy, AWE)は、高高度風力を利用した新技術である。 AWEは地上ステーションに繋ぎ、風によって駆動される飛行装置に基づいており、機械エネルギーを発電機で電気エネルギーに変換する。 我々の目標は、これらのテクニックを強化学習(RL)に基づくアプローチに置き換える可能性を探ることである。
  論文  参考訳（メタデータ） (2024-12-18T15:40:40Z)
• Automated Spatio-Temporal Weather Modeling for Load Forecasting [0.0]
  電力は伝統的に、需要と断続的な生産(風、太陽)と整合性のある生産(水素、核、石炭、ガス)を予想して管理される。 どちらも気象変数(温度、風、日光)に大きく依存している。 気象観測所からの観測や気象モデルからのシミュレーションデータへのアクセスにより、どちらの現象もモデル化できると信じている。
  論文  参考訳（メタデータ） (2024-09-23T06:55:57Z)
• Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
  地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。 我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。 本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
  論文  参考訳（メタデータ） (2024-09-11T19:31:56Z)
• Ocean Wave Forecasting with Deep Learning as Alternative to Conventional Models [4.049773508936124]
  OceanCastNet(OCN)は、風と波の場を組み込んで、波高、平均波周期、平均波方向を予測する機械学習手法である。 我々は、NDBCブイとJason-3衛星観測の2つの独立したデータセットを用いて、OCNの運用ECWAMモデルに対する性能を評価する。
  論文  参考訳（メタデータ） (2024-06-06T08:29:29Z)
• Prediction of wind turbines power with physics-informed neural networks and evidential uncertainty quantification [2.126171264016785]
  物理インフォームドニューラルネットワークを用いて、風力発電所の4基のタービンから得られた履歴データを再現する。 パワー, トルク, パワー係数の回帰モデルでは, 実データ, 物理式ともに精度が高いことがわかった。
  論文  参考訳（メタデータ） (2023-07-27T07:58:38Z)
• Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
  エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。 本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。 評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-07-14T06:50:02Z)
• Long-term Wind Power Forecasting with Hierarchical Spatial-Temporal Transformer [112.12271800369741]
  風力発電は、再生可能、汚染のないその他の利点により、世界中の注目を集めている。 正確な風力発電予測(WPF)は、電力系統の運用における電力変動を効果的に低減することができる。 既存の手法は主に短期的な予測のために設計されており、効果的な時空間的特徴増強が欠如している。
  論文  参考訳（メタデータ） (2023-05-30T04:03:15Z)

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。