Core Concepts
テンポラル畳み込みニューラルネットワークを使って、パルス負荷や定電力負荷を含む海洋マイクログリッドの動態を正確に学習できる。
Abstract
本研究では、海洋マイクログリッドの動態を学習するためにテンポラル畳み込みニューラルネットワーク(TCN)を提案した。TCNは因果的畳み込みを使うことで情報漏洩を防ぎ、残差接続と拡張畳み込みを使うことで長期の履歴を効率的に学習できる。
様々なケーススタディを通して、提案手法は以下のことを示した:
海洋マイクログリッドの状態変数(発電機出力電流、蓄電池出力電流、キャパシタ出力電流、バス電圧)を正確に予測できる(平均絶対誤差 0.00754、決定係数 0.9999)
訓練データとは異なる負荷パターンに対しても高い一般化性能を示す
訓練データの履歴長を変化させても、高い予測精度を維持できる
これらの結果は、提案手法が海洋マイクログリッドの高度なデータ駆動制御戦略の開発や安定性予測に大きな可能性を秘めていることを示している。
Stats
平均絶対誤差(MAE)は0.00754
決定係数(R2)は0.9999