論文の概要: Certified Safety Radii in Forecast-Error Space for Wasserstein Distributionally Robust Small Signal Stability-Constrained AC Optimal Power Flow via Lifted Spectrahedral Containment
- arxiv url: http://arxiv.org/abs/2608.30201v1
- Date: Mon, 31 Aug 2026 03:32:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.211222
- Title: Certified Safety Radii in Forecast-Error Space for Wasserstein Distributionally Robust Small Signal Stability-Constrained AC Optimal Power Flow via Lifted Spectrahedral Containment
- Title（参考訳）: ウォッセルシュタイン分布ロバスト小信号安定度制約交流最適電力流のスペクトル包絡による予測誤差空間における認証安全放射
- Abstract要約: 我々は、交流最適潮流における小信号安定性を強固にするための代替的幾何を利用する。
我々は、元の不確実性空間および持ち上げ空間においてサンプルワイド安全な半径を認証し、対応する不確実性球のパワーフロー画像全体が凸安定領域に含まれることを確認した。
結果の変数は、経験的なサンプルから失敗までの距離の下位境界として認定され、したがってワッサーシュタイン分布制約の距離に基づく再構成に直接結合することができる。
- 参考スコア（独自算出の注目度）: 9.61501006779767
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Directly robustifying small-signal stability in AC optimal power flow is challenging since the stability boundary in the original uncertainty space is implicit, highly nonconvex, and changes with the operating decision. This paper exploits an alternative geometry. For a fixed model-specific stability certificate admitting suitable physical lifts, the small-signal stability requirement becomes an affine positive semidefinite constraint in the lifted variables, thereby defining a convex certified safe region. Instead of approximating the nonlinear instability boundary itself, we optimize a sample-wise safe radius in the original uncertainty space and certify, in the lifted space, that the entire power-flow image of the corresponding uncertainty ball is contained in the convex stability region. To this end, a componentwise Perron certificate guarantees existence, uniqueness, and Jacobian regularity of the target AC power-flow branch throughout each ball. An adjoint elimination then provides an exact affine-quadratic representation of the stability-relevant quantities, while rigorous matrix remainder bounds convert their nonlinear variation into finite robust PSD constraints. The resulting radii are certified lower bounds on the distances from empirical samples to failure and can therefore be coupled directly to the distance-based reformulation of a Wasserstein distributionally robust chance constraint, without directly approximating the instability boundary. Numerical studies demonstrate the effectiveness of the proposed framework.
- Abstract（参考訳）: 交流最適電力流における小信号安定性の直接的強固化は、元の不確実性空間における安定性境界が暗黙的であり、非凸であり、運転決定とともに変化するため、困難である。
本稿では代替幾何学を利用する。
適切な物理昇降を許容する固定モデル固有の安定性証明書に対して、小信号安定性要件は、昇降変数におけるアフィン正半定制約となり、凸認証安全領域を定義する。
非線形不安定性境界自体を近似する代わりに、元の不確実性空間における試料の安全半径を最適化し、昇降空間において、対応する不確実性球のパワーフロー画像全体が凸安定領域に含まれることを証明する。
この目的のために、コンポーネントワイドのペロン証明書は、各球を通してターゲットの交流パワーフロー分岐の存在、特異性、およびジャコビアン正則性を保証する。
随伴行列の除去は、安定関連量の正確なアフィン二乗表現を与えるが、厳密な行列剰余境界はそれらの非線形変動を有限ロバストPSD制約に変換する。
結果のラジイは経験的なサンプルから失敗までの距離の低い境界で証明されており、したがって不安定境界を直接近似することなく、ワッサーシュタイン分布の安定な確率制約の距離に基づく再構成に直接結合することができる。
提案手法の有効性を数値解析により検証した。
関連論文リスト
- The Road Taken: The Role of Optimizers at the Edge of Stability [53.81268610971847]
安定性のエッジ(Edge of stability)とは、古典的な降下が不安定であると予測されるしきい値より上のヘッセンの固有値が安定である深層学習における現象を指す。
それまでの研究は、最大ヘッセン固有値と学習率に関して安定性の端を定式化していた。
我々は、勾配降下を含む多くの一階法が、これらの理論によって予測される安定性を21.1ドルという大きな因子で著しく破っていることを観察した。
論文 参考訳（メタデータ） (2026-08-19T01:03:34Z) - Reflected UAS: Corrected Deterministic Stability and Direct CTMC Drift Calculation [0.0]
サブクリティカル負荷下での不均一なマルチサーバキューに対するReflectred UASルーティングの解析を行う。
重み付き四重項関数を用いたCTMCではFoster-Lyapunovドリフト不等式が直接与えられる。
デフォルトのReflected UASポリシは、独立したシードブロック間での平均キュー長がUASやJSSQよりも低い。
論文 参考訳（メタデータ） (2026-07-30T06:50:29Z) - Adaptive MPPI with Online Disturbance Covariance Estimation: Provable Stability Tightening via Spatial Smoothing [0.0]
付加過程障害を有する非線形系のモデル予測経路積分(MPPI)制御について検討する。
不一致な外乱共分散は閉ループ安定性証明書に永続的なペナルティをもたらす。
論文 参考訳（メタデータ） (2026-07-09T21:12:40Z) - Stability Annealing Selects the Implicit Bias of Smoothed Sign Descent: A Rate-Indexed Barrier Path on Separable Data [3.7437735326653883]
本稿では,分離可能なデータに対する完全バッチ線形分類における速度制御中間事例について検討する。
指数損失を重み付けしたメモリレス安定アニール型スムーズドサイン降下に対して, 正規化繰り返しは, 凸バーグ型バリアの最小化に収束することが証明された。
論文 参考訳（メタデータ） (2026-07-07T08:55:35Z) - A Mean-Field Analysis of Multi-Head Self-Attention under Cross-Entropy Training [0.0]
本稿では,クロスエントロピー最小化により学習した単一層因果多頭部自己注意モデルの平均場理論について述べる。
無限の上限において、平均的な注意ログは確率測度上のリスク関数を定義し、その最初の変動は非線形ワッサーシュタイン勾配流方程式を生成する。
我々は,PDEの長期的挙動について検討する:エネルギー散逸,コンパクト性の下での定常集合への収束,トポロジカルあるいはクルディカ-オジャシエヴィチ仮定の下での1つの定常測度への収束,勾配支配条件下での明示的な収束率。
論文 参考訳（メタデータ） (2026-06-09T06:38:27Z) - Adaptive Smooth Tchebycheff Attention for Multi-Objective Policy Optimization [55.338784037660474]
ドメインにおける多曲率強化学習は、矛盾する目的間の複雑な非脆弱な干渉トレードオフのバランスを必要とする。
本稿では,生態系をモニタリングするプロキシであるロボットビジュアルを用いた,新しいリアルタイムなリアルタイム最適化を提案する。
論文 参考訳（メタデータ） (2026-05-12T21:32:57Z) - Zeroth-Order Optimization at the Edge of Stability [59.54782674222443]
ゼロ階数(ZO)系の(平均二乗の)線形安定性を捉える明示的なステップサイズ条件を提供する。
以上の結果から,ZO法に特有の暗黙的な正則化効果が示され,大きなステップサイズが主にヘッセントレースを正則化することがわかった。
論文 参考訳（メタデータ） (2026-04-16T06:23:18Z) - Stability of nonlinear dissipative systems with applications in fluid dynamics [0.7816377212023299]
2次非線形性を持つ散逸偏微分方程式の安定性について検討する。
この枠組みを非線形偏微分方程式によって支配される流体力学モデルに適用する。
論文 参考訳（メタデータ） (2026-03-27T17:27:13Z) - Efficient Inference after Directionally Stable Adaptive Experiments [47.32051320630248]
本稿では,帯域幅などの適応データ収集後の経路微分可能な対象の推測について検討する。
本稿では,従来の目標パラメトリック安定性条件よりも厳格に弱い,新たな目標固有条件である指向性安定性を導入する。
論文 参考訳（メタデータ） (2026-02-25T01:09:18Z) - Adaptive Dual Uncertainty Optimization: Boosting Monocular 3D Object Detection under Test-Time Shifts [80.32933059529135]
TTA(Test-Time Adaptation)メソッドが出現し、推論中にターゲット分布に適応する。
我々は、堅牢なM3ODの両不確実性を共同で最小化するために設計された、最初のTTAフレームワークであるDual Uncertainity Optimization (DUO)を提案する。
並列に,明瞭な意味的手がかりを持つ領域における幾何学的コヒーレンスを保存する意味認識型正規場制約を設計する。
論文 参考訳（メタデータ） (2025-08-28T07:09:21Z) - Fine-Grained Analysis of Stability and Generalization for Stochastic
Gradient Descent [55.85456985750134]
我々は,SGDの反復的リスクによって制御される新しい境界を開発する,平均モデル安定性と呼ばれる新しい安定性尺度を導入する。
これにより、最良のモデルの振舞いによって一般化境界が得られ、低雑音環境における最初の既知の高速境界が導かれる。
我々の知る限りでは、このことはSGDの微分不能な損失関数でさえも初めて知られている安定性と一般化を与える。
論文 参考訳（メタデータ） (2020-06-15T06:30:19Z)
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。