論文の概要: Event-Structured Physics-Informed Neural Networks for Differentiable Critical Clearing Boundaries
- arxiv url: http://arxiv.org/abs/2607.27681v1
- Date: Thu, 30 Jul 2026 04:56:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.398651
- Title: Event-Structured Physics-Informed Neural Networks for Differentiable Critical Clearing Boundaries
- Title（参考訳）: 事象構造を持つ物理インフォームニューラルネットワークによる臨界クリア境界の識別
- Abstract要約: 過渡安定度評価は、停電後に電力系統が回復できるかどうかを決定する。
重要な指標は臨界クリアング時間(CCT)であり、同期が失われる前に障害をクリアできる最大時間を指定する。
イベント構造化された物理インフォームドニューラルネットワーク(ES-PINN)を提案する。
- 参考スコア（独自算出の注目度）: 4.920314418301607
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Transient-stability assessment determines whether a power system can recover after a disturbance and is therefore essential to preventing generator trips and cascading outages. A key metric is the critical clearing time (CCT), which specifies the maximum time available to clear a fault before synchronism is lost. Reliable CCT estimation is challenging because complicated fault-clearing dynamics require repeated simulations over many fault severities and clearing times. We propose an event-structured physics-informed neural network (ES-PINN) that aligns its representation with the pre-fault, fault-on, and post-clearing swing dynamics and enforces exact state chaining across event interfaces. A smooth trajectory-induced stability margin defines a differentiable approximation of the CCT boundary, enabling accurate boundary extraction, local sensitivity analysis, and optional direct CCT prediction through a distilled readout. We further prove a local residual-to-trajectory-to-CCT error estimate, in which exact event chaining eliminates separate state-interface defect terms. Experiments on IEEE 9-, 14-, and 30-bus systems show that ES-PINN consistently improves held-out trajectory and stability-boundary accuracy over matched neural-surrogate baselines across mechanical and electrical contingencies with multiple clearing configurations. Additional full-network DAE validation, multi-fault experiments, and runtime analyses further demonstrate the effectiveness and computational efficiency of the proposed framework.
- Abstract（参考訳）: 過渡安定度評価(Transient-stability Assessment)は、停電後に電力系統が回復できるかどうかを判断するので、発電機の走行やカスケードの停止を防ぐために不可欠である。
重要な指標は臨界クリアング時間(CCT)であり、同期が失われる前に障害をクリアできる最大時間を指定する。
多くの故障重大度とクリアング時間に対して繰り返しシミュレーションを行う必要があるため、信頼性の高いCCT推定は困難である。
イベント構造化された物理インフォームドニューラルネットワーク(ES-PINN)を提案する。このニューラルネットワークは、プレフォールト、フォールトオン、ポストクラーリングのスウィングダイナミクスと表現を一致させ、イベントインターフェース間の正確な状態連鎖を強制する。
スムーズな軌道誘起安定性マージンは、CCT境界の微分可能な近似を定義し、正確な境界抽出、局所感度解析、蒸留された読み出しによる任意の直接CCT予測を可能にする。
さらに,局所的残差-トラジェクトリ---CCT誤差推定を証明し,正確なイベント連鎖によって状態-界面欠陥項が分離されることを示した。
IEEE 9-, 14-, 30-busシステムによる実験では、ES-PINNは、複数のクリアリング構成を持つ機械的および電気的コンテンシックにまたがって、一致したニュートラルサロゲートベースラインに対するホールドアウト軌道と安定性境界精度を一貫して改善している。
追加のフルネットワークDAE検証、マルチフォールト実験、実行時解析により、提案フレームワークの有効性と計算効率がさらに示された。
関連論文リスト
- Conformal Changepoint Localization and Root Cause Analysis with Corrupted Observations [55.76952683833966]
本稿では,データ破損時の信頼性設定サイズを低減するために,重み付きCONCH(W-CONCH)と重み付きCROC(W-CROC)を提案する。
画像ベースおよび実世界の変化点と根本原因ベンチマークの実験は、不確実性ベースの重み付けが信頼性セットのサイズを大幅に減少させることを示している。
論文 参考訳（メタデータ） (2026-07-29T05:16:59Z) - AnchorMoE: Interpretable Time Series Classification via Anchor-Routed MoE [51.994752158953084]
AnchorMoEは、解釈可能な構成別分類フレームワークである。
ローカルパッチのマルチビュー表現をエンコードし、専門の専門家にルーティングする。
実世界のベンチマークと合成ベンチマークの実験は、AnchorMoEが非常に競争力のある分類性能を達成することを示した。
論文 参考訳（メタデータ） (2026-06-02T13:30:54Z) - Improving Spatio-Temporal Residual Error Propagation by Mitigating Over-Squashing [4.62541204592513]
本稿では,エラー関連自己回帰予測の時間的制限を克服する構造的不確実性モジュールであるTegerを紹介する。
Tegerはバックボーンに依存しないため、自己回帰エンコーダによって生成される潜伏状態のみを必要とする。
論文 参考訳（メタデータ） (2026-05-18T08:51:33Z) - Causally-Constrained Probabilistic Forecasting for Time-Series Anomaly Detection [1.8995711908407733]
本研究では,異常検出のための因果制約付き確率予測フレームワークを提案する。
ディープ・シークエンス・モデリングに先立って、明示的な時間付き因果グラフを統合する。
実験により,提案手法が最先端検出性能を実現することを示す。
論文 参考訳（メタデータ） (2026-04-20T09:24:28Z) - Extended Hybrid Timed Petri Nets with Semi-Supervised Anomaly Detection for Switched Systems, Modelling and Fault Detection [0.0]
本稿では,ハイブリッド力学系のための統合障害検出フレームワークを提案する。
拡張時間連続ペトリネットモデルと半教師付き異常検出を統合している。
その結果,高い検出精度,高速収束,ロバスト性能が得られた。
論文 参考訳（メタデータ） (2026-04-05T10:54:15Z) - Cognitive Friction: A Decision-Theoretic Framework for Bounded Deliberation in Tool-Using Agents [0.0]
制約のないツール使用エージェントは、どの情報ソースをクエリして実行するかを決めなければなりません。
本稿では,これらの障害モードを認知的摩擦によって形式化する決定論的枠組みであるTCAを提案する。
我々は,TCAを2つの制御された環境において,停止品質,混雑時の行動選択,時間的緊急性の分離を図った。
論文 参考訳（メタデータ） (2026-03-31T17:30:25Z) - Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
CL-QASは連続的な量子アーキテクチャ検索フレームワークである。
振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。
制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
論文 参考訳（メタデータ） (2026-01-10T02:36:03Z) - Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
現実の時系列では欠落値が一般的である。
現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。
このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。
本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
論文 参考訳（メタデータ） (2025-09-27T20:57:48Z) - A Spatio-Temporal Graph Neural Networks Approach for Predicting Silent Data Corruption inducing Circuit-Level Faults [5.2974276480448195]
機能テスト SDE関連の障害をシミュレートするには費用がかかる。
長周期断層衝突確率の高速かつ高精度な予測のための統合時間グラフ畳み込みネットワーク(ST-GCN)を提案する。
論文 参考訳（メタデータ） (2025-09-08T02:23:51Z) - Error-quantified Conformal Inference for Time Series [55.11926160774831]
時系列予測の不確かさの定量化は、時系列データの時間的依存と分布シフトのために困難である。
量子化損失関数をスムースにすることで,iError-quantified Conformal Inference (ECI)を提案する。
ECIは有効な誤発見制御と、他のベースラインよりも厳密な予測セットを出力することができる。
論文 参考訳（メタデータ） (2025-02-02T15:02:36Z) - Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。
電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。
本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文 参考訳（メタデータ） (2022-08-31T18:19:25Z) - Multilayer Perceptron Based Stress Evolution Analysis under DC Current
Stressing for Multi-segment Wires [8.115870370527324]
エレクトロマイグレーション(EM)は、超大規模統合(VLSI)システムの信頼性解析における主要な関心事の一つである。
従来の手法はしばしば十分に正確ではないため、特に高度な技術ノードにおいて、望ましくない過設計につながる。
本稿では,多層パーセプトロン(MLP)を用いて,空核形成フェーズにおける相互接続木間の応力変化を計算する手法を提案する。
論文 参考訳（メタデータ） (2022-05-17T07:38:20Z)
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。