Conformalized Prediction of Post-Fault Voltage Trajectories Using Pre-trained and Finetuned Attention-Driven Neural Operators

要約

この論文では、電力システムにおける故障後の電圧軌跡の間隔を予測するための新しいデータ駆動型の方法論を提案します。
まず、分位点アテンション フーリエ ディープ オペレーター ネットワーク (QAF-DeepONet) を紹介します。これは、電圧軌跡の複雑なダイナミクスを捕捉し、分布の仮定なしにターゲット軌跡の分位点を確実に推定するように設計されています。
提案された演算子回帰モデルは、電圧軌跡の観測された部分を、観測されていない故障後の軌跡にマッピングします。
私たちの方法論では、利用可能なデータが限られているという課題に対処するために、事前トレーニングと微調整のプロセスを採用しています。
事前トレーニングされたモデルを学習する際のデータプライバシーを確​​保するために、隣接するバスからのデータとフェデレーテッドラーニングを介したマージを使用し、モデルがデータを直接共有せずにそのようなバスから基礎となる電圧ダイナミクスを学習できるようにします。
事前トレーニング後、ターゲット バスからのデータを使用してモデルを微調整し、固有のダイナミクスと動作条件に適応できるようにします。
最後に、等角予測を微調整モデルに統合して、予測された間隔のカバレッジ保証を保証します。
電圧および周波数コントローラーの詳細なモデルを考慮して、New England 39 バス テスト システムを使用して、提案された方法論のパフォーマンスを評価しました。
予測間隔カバレッジ確率 (PICP) と予測間隔正規化平均幅 (PINAW) の 2 つのメトリックは、間隔の予測におけるモデルのパフォーマンスを数値的に評価するために使用されます。
結果は、提案されたアプローチが、故障後の電圧軌跡の間隔を予測する際に実用的で信頼できる不確実性の定量化を提供することを示しています。

要約(オリジナル)

This paper proposes a new data-driven methodology for predicting intervals of post-fault voltage trajectories in power systems. We begin by introducing the Quantile Attention-Fourier Deep Operator Network (QAF-DeepONet), designed to capture the complex dynamics of voltage trajectories and reliably estimate quantiles of the target trajectory without any distributional assumptions. The proposed operator regression model maps the observed portion of the voltage trajectory to its unobserved post-fault trajectory. Our methodology employs a pre-training and fine-tuning process to address the challenge of limited data availability. To ensure data privacy in learning the pre-trained model, we use merging via federated learning with data from neighboring buses, enabling the model to learn the underlying voltage dynamics from such buses without directly sharing their data. After pre-training, we fine-tune the model with data from the target bus, allowing it to adapt to unique dynamics and operating conditions. Finally, we integrate conformal prediction into the fine-tuned model to ensure coverage guarantees for the predicted intervals. We evaluated the performance of the proposed methodology using the New England 39-bus test system considering detailed models of voltage and frequency controllers. Two metrics, Prediction Interval Coverage Probability (PICP) and Prediction Interval Normalized Average Width (PINAW), are used to numerically assess the model’s performance in predicting intervals. The results show that the proposed approach offers practical and reliable uncertainty quantification in predicting the interval of post-fault voltage trajectories.

arxiv情報

著者 Amirhossein Mollaali,Gabriel Zufferey,Gonzalo Constante-Flores,Christian Moya,Can Li,Guang Lin,Meng Yue
発行日 2024-10-31 17:20:13+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG パーマリンク