論文の概要: Long-Term Operational Planning Using Scenario-Based System Load Forecasting
- arxiv url: http://arxiv.org/abs/2609.34140v1
- Date: Mon, 28 Sep 2026 02:21:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-04 06:36:16.266064
- Title: Long-Term Operational Planning Using Scenario-Based System Load Forecasting
- Title（参考訳）: シナリオベースシステム負荷予測を用いた長期運用計画
- Abstract要約: ハイパースケールデータセンターは北バージニアの電力需要を増大させている。
ドミニオン・エナジーはこの成長を支えるために送電網を強化する必要がある。
長期の停止研究は、月毎または季節毎のピーク負荷の仮定を用いて、日毎の実施が一般的である。
本稿では,現実的なマルチグラニュラ負荷予測を長期的障害評価に組み込むことの運用価値を評価する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid expansion of hyperscale data centers is significantly increasing electricity demand in Northern Virginia. Dominion Energy, the region's primary electric utility, must reinforce its transmission network to support this growth. These projects require planned outages that must be evaluated months in advance to support construction planning and outage coordination while meeting NERC and PJM N-1 reliability requirements. Long-term outage studies are commonly performed day by day using monthly or seasonal peak-load assumptions. Although this approach simplifies analysis, it can be overly conservative because it does not capture granular load variability. Consequently, short-duration outages that may be feasible under realistic loading conditions are often postponed or denied, delaying critical transmission expansion and grid modernization projects. This paper evaluates the operational value of incorporating realistic multigranular load forecasts into long-term, contingency-based outage assessments and compares the results with conventional peak-based methods. Daily, weekly, and monthly forecasts are developed using statistical and machine-learning models, including SARIMA, Prophet, Gradient Boosting, and Random Forest, followed by bottom-up temporal reconciliation to maintain consistency across forecast horizons. Results show that granular load forecasts reduce unnecessary conservatism and improve outage accommodation, particularly for short-duration requests, without changing existing reliability criteria. The proposed approach can strengthen long-term outage coordination and support timely transmission reinforcement and grid modernization.
- Abstract（参考訳）: ハイパースケールデータセンターの急速な拡大は、北バージニアの電力需要を著しく増加させている。
地域の主要電力であるドミニオン・エナジーは、この成長を支えるために送電網を強化する必要がある。
これらのプロジェクトは、NERCとPJM N-1の信頼性要件を満たしながら、建設計画と停電調整を支援するために、数ヶ月前に評価される予定の停電を必要としている。
長期の停止研究は、月毎または季節毎のピーク負荷の仮定を用いて、日毎の実施が一般的である。
このアプローチは解析を単純化するが、粒度の変動を捉えないため、過度に保守的である。
その結果、現実的な負荷条件下で実現可能な短期間の停止は、しばしば延期または拒否され、重要な送信拡張とグリッドの近代化計画が遅れる。
本稿では,現実的なマルチグラニュラ負荷予測を長期的,並行性に基づく停止評価に組み込むことの運用価値を評価し,その結果を従来のピークベース手法と比較する。
SARIMA、Prophet、Gradient Boosting、Random Forestなどの統計モデルと機械学習モデルを使用して、毎日、週、月毎の予測が開発され、続いてボトムアップの時間的調整によって予測地平線を越えた一貫性が維持されている。
その結果, 既往の信頼性基準を変更することなく, 粒度の負荷予測が不要な保守性を低減し, 特に短期的な要求に対して, 機能停止を改善できることが示唆された。
提案手法は、長期停止調整を強化し、タイムリー伝送強化とグリッドの近代化を支援する。
関連論文リスト
- Probabilistic Low-Voltage Peak Load Forecasting with Time Series Foundation Models Evaluated on Application-Oriented Metrics [0.6072959652607564]
低電圧負荷予測は、電気化と分散型化が進んだ現在および将来のエネルギーシステムにおいて重要な要素である。
現在の予測手法にはかなりの手作業が必要であり、しばしば不確実性推定と適切なピーク予測が欠如している。
新たなアプリケーション指向メトリックは、ピーク予測におけるモデルの予測能力をグリッド資産計画のトレードオフと結びつけ、コスト削減と失敗のリスクを最小限に抑える。
論文 参考訳（メタデータ） (2026-07-02T09:58:46Z) - LeapTS: Rethinking Time Series Forecasting as Adaptive Multi-Horizon Scheduling [74.94985663101906]
本稿では,予測地平線上での動的スケジューリングプロセスとして時系列予測を再構成する新しいフレームワーク LeapTSを提案する。
LeapTSは、Transformerベースのモデルよりも2.6$times$から5.3$times$推論スピードアップを実現しつつ、全体的な予測性能を少なくとも7.4%向上させる。
論文 参考訳（メタデータ） (2026-05-11T09:54:02Z) - Load Forecasting in the Era of Smart Grids: Opportunities and Advanced Machine Learning Models [0.0]
電力の貯蔵は困難であり、発電、送電、配電をより厳格に制御する必要がある。
本論文では,短期負荷予測のための4つの機械学習フレームワークについて検討・評価する。
さらに、Long Short Term Memory(LSTM)ネットワークとGated Recurrent Units(GRU)という2つのリカレントニューラルネットワークアーキテクチャを設計、実装している。
論文 参考訳（メタデータ） (2025-05-14T09:19:47Z) - OneForecast: A Universal Framework for Global and Regional Weather Forecasting [67.61381313555091]
本稿では,グラフニューラルネットワークに基づくグローバルなネスト型気象予報フレームワーク(OneForecast)を提案する。
動的システムパースペクティブとマルチグリッド理論を組み合わせることで,マルチスケールグラフ構造を構築し,対象領域を密度化する。
動的ゲーティングユニットを用いた適応型メッセージング機構を導入し,ノードとエッジ機能を深く統合し,より正確なイベント予測を行う。
論文 参考訳（メタデータ） (2025-02-01T06:49:16Z) - On autoregressive deep learning models for day-ahead wind power forecasting with irregular shutdowns due to redispatching [0.6001424997506751]
再パッチ計画のためには、風力発電(WP)の可利用性を伝えるために、日頭予測が必要である。
再パッチ停止によるWP生成能力の不規則な介入は、WP予測モデルの設計と運用に課題をもたらす。
本稿では,正規および不規則の両方のシャットダウンを伴うデータセットの最先端予測手法を解析する。
論文 参考訳（メタデータ） (2024-11-30T10:30:11Z) - AI-Powered Predictions for Electricity Load in Prosumer Communities [0.0]
本稿では,人工知能を用いた短期負荷予測手法を提案する。
その結果、(負荷予測タスクに適応した)持続的項と回帰的項の組み合わせは、最高の予測精度が得られることがわかった。
論文 参考訳（メタデータ） (2024-02-21T12:23:09Z) - Weather Prediction with Diffusion Guided by Realistic Forecast Processes [49.07556359513563]
気象予報に拡散モデル(DM)を適用した新しい手法を提案する。
提案手法は,同一のモデリングフレームワークを用いて,直接予測と反復予測の両方を実現できる。
我々のモデルの柔軟性と制御性は、一般の気象コミュニティにとってより信頼性の高いDLシステムに力を与えます。
論文 参考訳（メタデータ） (2024-02-06T21:28:42Z) - Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳（メタデータ） (2023-09-12T13:28:06Z) - SaDI: A Self-adaptive Decomposed Interpretable Framework for Electric
Load Forecasting under Extreme Events [25.325870546140788]
自己適応型分解解釈フレームワーク(SaDI)という新しい予測フレームワークを提案する。
中央中国の電力負荷と公共エネルギーの計器の実験により、提案されたSaDIフレームワークは平均22.14%の改善が達成された。
論文 参考訳（メタデータ） (2023-06-14T07:11:30Z) - Mitigating Data Redundancy to Revitalize Transformer-based Long-Term Time Series Forecasting System [46.39662315849883]
本稿では,カリキュラム学習とメモリ駆動デコーダによる冗長性を緩和する新しいフレームワークであるCLMFormerを紹介する。
CLMFormerはTransformerベースのモデルを最大30%改善し、長距離予測の有効性を示している。
論文 参考訳（メタデータ） (2022-07-16T04:05:15Z) - Learning Interpretable Deep State Space Model for Probabilistic Time
Series Forecasting [98.57851612518758]
確率的時系列予測は、その歴史に基づいて将来の分布を推定する。
本稿では,非線形エミッションモデルと遷移モデルとをネットワークによってパラメータ化した,確率的時系列予測のための深部状態空間モデルを提案する。
実験では,我々のモデルが正確かつ鋭い確率予測を生成することを示す。
論文 参考訳（メタデータ） (2021-01-31T06:49:33Z)
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。