Fugu-MT 論文翻訳(概要): Power Flow Feasibility Assessment Using Variational Graph Autoencoders

論文の概要: Power Flow Feasibility Assessment Using Variational Graph Autoencoders

arxiv url: http://arxiv.org/abs/2607.09122v1
Date: Fri, 10 Jul 2026 06:22:23 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-13 14:47:12.79875
Title: Power Flow Feasibility Assessment Using Variational Graph Autoencoders
Title（参考訳）: 変分グラフオートエンコーダを用いた電力フロー実現可能性評価
Abstract要約: 本稿では,変分グラフオートエンコーダ(VGAE)をIEEE 118-bus ケースを用いて検出し,AI駆動型解法による解の有効性を評価する。
参考スコア（独自算出の注目度）: 1.834098271561585
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Data-driven methods, including graph neural networks, have been studied for accelerating power flow calculations in recent years, but very little attention has been paid to the solution feasibility, which can be obtained by traditional solvers. This paper presents a Variational Graph Autoencoder (VGAE) that detects the power flow solution feasibility, using the IEEE 118-bus case, to assess the validity of the solutions provided by AI-driven solvers.
Abstract（参考訳）: グラフニューラルネットワークを含むデータ駆動手法は近年,電力フロー計算の高速化のために研究されているが,従来の解法で得られる解実現可能性にはほとんど注目されていない。本稿では,変分グラフオートエンコーダ(VGAE)をIEEE 118-bus ケースを用いて検出し,AI駆動型解法による解の有効性を評価する。

関連論文リスト

Differentiable Power-Flow Optimization [0.0]
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。
論文参考訳（メタデータ） (2026-03-30T09:19:43Z)
A network-constrain Weibull AFT model for biomarkers discovery [0.0]
AFTNetはWeibullAccelerated failure time (AFT)モデルに基づくネットワーク制約サバイバル分析手法である。本稿では,近位勾配法に基づく効率的な反復計算アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-02-28T11:12:53Z)
Discrete Graph Auto-Encoder [52.50288418639075]
離散グラフオートエンコーダ(DGAE)という新しいフレームワークを導入する。まず、置換同変オートエンコーダを用いてグラフを離散潜在ノード表現の集合に変換する。 2番目のステップでは、離散潜在表現の集合をソートし、特別に設計された自己回帰モデルを用いてそれらの分布を学習する。
論文参考訳（メタデータ） (2023-06-13T12:40:39Z)
RGCVAE: Relational Graph Conditioned Variational Autoencoder for Molecule Design [70.59828655929194]
ディープグラフ変分自動エンコーダは、この問題に対処可能な、最も強力な機械学習ツールの1つである。 i)新しい強力なグラフ同型ネットワークを利用した符号化ネットワーク,(ii)新しい確率的復号化コンポーネントを提案する。
論文参考訳（メタデータ） (2023-05-19T14:23:48Z)
GP CC-OPF: Gaussian Process based optimization tool for Chance-Constrained Optimal Power Flow [54.94701604030199]
Gaussian Process (GP) ベースのChance-Constrained Optimal Flow (CC-OPF) は、電力グリッドにおけるエコノミックディスパッチ(ED)問題のためのオープンソースのPythonコードである。 CC-OPモデルに基づく新しいデータ駆動手法を提案し,複雑性と精度のトレードオフにより大規模な回帰問題を解く。
論文参考訳（メタデータ） (2023-02-16T17:59:06Z)
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)
Solving AC Power Flow with Graph Neural Networks under Realistic Constraints [3.114162328765758]
本稿では,現実的な制約下での交流電力流問題の解法として,グラフニューラルネットワークアーキテクチャを提案する。本稿では,グラフニューラルネットワークを用いて電力フローの物理的制約を学習するフレームワークの開発を実演する。
論文参考訳（メタデータ） (2022-04-14T14:49:34Z)
Stability Analysis of Unfolded WMMSE for Power Allocation [80.71751088398209]
電力割り当ては、無線ネットワークにおける基本的な問題の1つである。これらのアルゴリズムの出力電力配分は入力摂動に関して安定であることが不可欠である。本稿では,グラフニューラルネットワークを利用した最新のアルゴリズムであるUWMMSEに着目した。
論文参考訳（メタデータ） (2021-10-14T15:44:19Z)
Gradient-based Causal Structure Learning with Normalizing Flow [0.0]
そこで本研究では,DAG-NFと呼ばれるスコアベース正規化フロー手法を提案する。この方法は、特にフローベースの生成ニューラルネットワークにおいて、任意のニューラルネットワークに一般化することができる。
論文参考訳（メタデータ） (2020-10-07T00:55:47Z)
Learning Centric Power Allocation for Edge Intelligence [84.16832516799289]
分散データを収集し、エッジで機械学習を実行するエッジインテリジェンスが提案されている。本稿では,経験的分類誤差モデルに基づいて無線リソースを割り当てるLCPA法を提案する。実験の結果,提案したLCPAアルゴリズムは,他のパワーアロケーションアルゴリズムよりも有意に優れていた。
論文参考訳（メタデータ） (2020-07-21T07:02:07Z)
Differentiable Causal Discovery from Interventional Data [141.41931444927184]
本稿では、介入データを活用可能なニューラルネットワークに基づく理論的基盤化手法を提案する。提案手法は,様々な環境下での美術品の状態と良好に比較できることを示す。
論文参考訳（メタデータ） (2020-07-03T15:19:17Z)

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。