文献

J-GLOBAL ID：202002220454847431   整理番号：20A0437584

エネルギー事象のエッジ特性化と制御のための深く効率的なインパクトモデル【JST・京大機械翻訳】

Deep and Efficient Impact Models for Edge Characterization and Control of Energy Events

著者 (4件)： Stamatescu Grigore (Graz University of Technology) ,  Entezari Rahim (Graz University of Technology) ,  Romer Kay (Graz University of Technology) ,  Saukh Olga (Graz University of Technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICPADS  ページ： 639-646  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： マイクログリッドにおけるネットワーク制御は,エネルギー需要の着実な増加,環境フットプリントを最小化する必要性により駆動される活発な研究領域であるが,社会経済的利益を達成し,持続可能性を確保する必要がある。実際のものから予測されたエネルギー消費の偏差を減少させると,特に電力がより手頃でクリーンな時に,需要における需要と充填における軟化ピークは,需要側の応答に対して現在の挑戦を提示する。本論文では,埋め込み制御による階層的エネルギーシステムアーキテクチャを提示した。このアーキテクチャは,予測モデルをエッジデバイスに押し込み,局所制御ループを実行し,局所的応答を局所的に管理することの挑戦に取り組む。著者らは,2段階アプローチを採用した:階層の上位レベルにおいて,著者らは,自動化ドメイン固有特徴抽出と選択を用いて負荷予測モデルを構築するために,従来の機械学習パイプラインを採用した。次に,これらのモデルを用いて,ネットワークを安定化するためにバックアップエネルギー源を使用するためにオペレータに力を与える予測故障事象をラベル付けした。階層のより低いレベルにおいて,計算ラベルを用いて,プレイヤーの電力消費が上位レベル予測故障イベントに寄与する確率を推論するために,エッジ装置上で実行するLSTMネットワークによって実現した衝撃モデルを訓練した。このシステムを,学術建築の公共データセットからクラスタ化および凝集エネルギートレースに関して評価した。結果は,55%の精度で衝撃予測の観点から提案した階層的エネルギーシステムアーキテクチャの利点を示した。これにより,目標とする局所制御を実行することにより,予測故障事象の数を11.69%最小化できる。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： マイクログリッド ,  特徴抽出 ,  衝撃 ,  電力 ,  クラスタ化 ,  バックアップ ,  電力消費 ,  自動化 ,  オペレータ ,  ネットワーク ,  予測モデル ,  負荷予測 ,  機械学習 ,  *計算機アーキテクチャ ,  故障

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： エネルギー ,  事象 ,  エッジ ,  特性化 ,  インパクト ,  モデル