Skrywers:  (1) Mengshuo Jia, Departement Inligtingstegnologie en Elektriese Ingenieurswese, ETH Zürich, Physikstrasse 3, 8092, Zürich, Switserland;  (2) Gabriela Hug, Departement Inligtingstegnologie en Elektriese Ingenieurswese, ETH Zürich, Physikstrasse 3, 8092, Zürich, Switserland;  (3) Ning Zhang, Departement Elektriese Ingenieurswese, Tsinghua Universiteit, Shuangqing Rd 30, 100084, Beijing, China;  (4) Zhaojian Wang, Departement van Outomatisering, Sjanghai Jiao Tong Universiteit, Dongchuan Rd 800, 200240, Sjanghai, China;  (5) Yi Wang, Departement Elektriese en Elektroniese Ingenieurswese, Die Universiteit van Hong Kong, Pok Fu Lam, Hong Kong, China;  (6) Chongqing Kang, Departement Elektriese Ingenieurswese, Tsinghua Universiteit, Shuangqing Rd 30, 100084, Beijing, China.  Tabel van skakels   Abstrak en 1. Inleiding  2. Geëvalueerde Metodes   3. Hersiening van bestaande eksperimente   4. Veralgemeenbaarheid en toepaslikheidsevaluasies en 4.1. Voorspeller en reaksie veralgemeenbaarheid   4.2. Toepaslikheid op gevalle met multikollineariteit en 4.3. Zero Predictor Toepaslikheid   4.4. Konstante voorspeller Toepaslikheid en 4.5. Normalisering Toepaslikheid   5. Numeriese Evaluasies en 5.1. Eksperimentinstellings   5.2. Evaluering Oorsig   5.3. Mislukkings-evaluering   5.4. Akkuraatheid Evaluering   5.5. Doeltreffendheid Evaluering   6. Oop vrae   7. Gevolgtrekking   Bylaag A en Verwysings  OPSOMMING  Voortbou op die teoretiese insigte van Deel I, duik hierdie vraestel, as die tweede deel van die tutoriaal, dieper na data-gedrewe kragvloei-linearisering (DPFL), met die fokus op omvattende numeriese toetsing. Die noodsaaklikheid van hierdie simulasies spruit uit die teoretiese analise se inherente beperkings, veral die uitdaging om die verskille in werklike prestasie tussen DPFL-metodes met oorvleuelende teoretiese vermoëns en/of beperkings te identifiseer. Die afwesigheid van 'n omvattende numeriese vergelyking van DPFL-benaderings in die literatuur motiveer ook hierdie artikel, veral gegewe die feit dat meer as 95% van bestaande DPFL-studies geen oopbronkodes verskaf het nie. Om die gaping te oorbrug, hersien hierdie artikel eers bestaande DPFL-eksperimente, ondersoek die aanvaarde toetsscenario's, lasskommelingsinstellings, databronne, oorwegings vir datageraas/uitskieters en die vergelyking wat tot dusver gemaak is. Vervolgens evalueer hierdie vraestel 'n totaal van 44 metodes, wat meer as 30 bestaande DPFL-benaderings bevat, 'n paar innoverende DPFL-tegnieke en verskeie klassieke fisika-gedrewe kragvloei-linearisasiemetodes vir benchmarking. Die evaluering strek oor verskeie dimensies, insluitend veralgemeenbaarheid, toepaslikheid, akkuraatheid en berekeningsdoeltreffendheid, met behulp van talle verskillende toetsgevalle wat van 9-bus- tot 1354-busstelsels skaal. Die numeriese analise in hierdie vraestel identifiseer en ondersoek beduidende neigings en konsekwente bevindings oor alle metodes onder verskeie toetsgevalle. Intussen bied dit teoretiese insigte oor verskynsels soos onderprestasie, mislukking, oormatige berekeningstye, ens. Oor die algemeen identifiseer hierdie vraestel die verskille in die prestasies van die wye reeks DPFL-metodes, onthul gapings wat nie uit teoretiese besprekings duidelik is nie, help met metodeseleksie vir werklike toepassings, en verskaf oop vrae in toekomstige DP-navorsingsrigtings. (Woordetelling: 9668).  1. Inleiding  Lineêre kragvloeimodelle is van kritieke belang in kragstelselberekeninge, onderhewig aan uitgebreide navorsing en wydverspreide toepassing oor die akademie en industrie, wat markte ter waarde van triljoene ontsluit en elke globale verbruiker beïnvloed [1, 2, 3, 4]. Die akkuraatheid en berekeningsdoeltreffendheid van hierdie lineariseringsmetodes is deurslaggewend vir die bedryf en beplanning van kragstelsels, veral die stelsels met hoë penetrasies van hernubare energie as gevolg van die vinnig wisselende aard van die gevolglike kragvloei. Die verbetering van die akkuraatheid en doeltreffendheid van lineêre kragvloeimodelle is dus nie net 'n goeie tegniese verbetering nie, maar 'n aansienlike vooruitgang in die rigting van 'n volhoubare energietoekoms.  Data-gedrewe kragvloei-linearisering (DPFL) het na vore gekom as 'n belowende metode vir die verkryging van hoë-presisie lineêre modelle onder moet ontspanne toestande, bv, nie nodig om die fisiese model van die kragstelsel te ken nie. Dit trek dus wye aandag [5]. Ten spyte daarvan dat dit in die ontwikkelende stadium is, het DPFL reeds 'n aansienlike kennisbasis gekweek. Hierdie tweedelige tutoriaal het ten doel om 'n omvattende ondersoek van DPFL-benaderings te verskaf.  Die eerste deel van hierdie tutoriaal [6] het 'n deeglike klassifikasie en teoretiese ontleding van alle bestaande DPFL-metodes aangebied, insluitend hul wiskundige grondslae, analitiese oplossings en kritiese assesserings van elke metode se vermoëns, beperkings en toepaslikheid. Hierdie werk dien as 'n grondslaggids, wat voorsiening maak vir beide beginners en kundiges ORCID(e): 0000-0002-2027-5314 (M. Jia) binne hierdie gebied, sowel as professionele persone van ander dissiplines wat bloot betroubare lineariseringstegnieke soek.  Ten spyte van die deeglikheid van die teoretiese analise in [6], het dit beperkings: wanneer baie lineariseringsmetodes soortgelyke sterk- en/of swakpunte het, is dit byna onmoontlik om hul verskille in terme van praktiese prestasie te voorspel. Dus, met slegs [6], bly dit steeds moeilik om die mees geskikte metode vir spesifieke behoeftes te identifiseer. Belangriker nog, bestaande numeriese vergelykings in die literatuur toon nie die geheelbeeld ten opsigte van die werklike prestasie van DPFL-benaderings ten volle nie. Die gebrek aan 'n duidelike begrip van die werklike prestasieverskille tussen bestaande DPFL-metodes kan die probleme wat nie uit die teoretiese ontleding van die vermoëns en beperkings blyk nie, verbloem, die oordeel van navorsers binne die DPFL-gemeenskap verbloem, en die keuse van toepaslike lineariseringsmetodes vir potensiële gebruikers uit ander navorsingsvelde bemoeilik.  Inderdaad, die implementering van 'n omvattende vergelyking verg aansienlike pogings, as gevolg van die gebrek aan oopbronkodes vir meer as 95% van die verwante literatuur. Nietemin, om onduidelikhede uit te klaar, toekomstige navorsingspaaie te skets en die gemeenskap te bevoordeel, beoog hierdie referaat, as die tweede deel van die tutoriaal, om hierdie leemte te vul. Spesifiek, hierdie artikel voer uitputtende simulasies uit vir alle DPFL-metodes, 'n paar nuut ingevoerde DPFL-metodes om DPFL se modulêre aard uit te beeld, en verskeie klassieke fisika-gedrewe kragvloei-linearisering (PPFL) benaderings as maatstawwe, altesaam 44 metodes. Die hooffokus van hierdie vraestel is 'n deeglike assessering van hierdie metodes in terme van veralgemeenbaarheid, toepaslikheid, akkuraatheid en berekeningsdoeltreffendheid. Die evalueringsuitkomste ondersteun ook die identifisering van potensiële toekomstige rigtings. Die bydraes van hierdie artikel is dus drieledig:  (i) 'n Omvattende oorsig van bestaande DPFL-eksperimente word aangebied, wat die aanvaarde toetsscenario's, lasfluktuasie-instellings, databronne en die oorwegings vir datageraas/uitskieters ondersoek. Die oorsig gee ook 'n oorsig oor die bestaande vergelykings wat tussen DPFL-benaderings gemaak is, skets die vermoëns en beperkings van vorige eksperimente, en demonstreer die kritieke behoefte aan 'n omvattende numeriese vergelyking van alle DPFL-benaderings.  (ii) 'n Uitputtende numeriese simulasie van 44 lineariseringsmetodes word uitgevoer, insluitend 36 bestaande DPFL-benaderings, vier nuut ontwikkelde DPFL-metodes en vier klassieke PPFL-algoritmes. 'n Gedetailleerde vergelykende analise van hierdie 44 metodes word aangebied, wat hul veralgemeenbaarheid, toepaslikheid, akkuraatheid en berekeningsdoeltreffendheid bespreek, en sodoende die werklike prestasie van al die geëvalueerde benaderings duideliker maak.  (iii) ’n In-diepte bespreking rakende die oop navorsingsvrae word verskaf, wat tien belowende maar uitdagende toekomstige rigtings vir DPFL-navorsing uiteensit, ingelig deur die numeriese bevindinge wat hier verkry is en die teoretiese gevolgtrekkings wat gemaak word uit die eerste deel van die tutoriaal [6].  Die res van hierdie vraestel is soos volg georganiseer: Afdeling II stel die 44 metodes bekend. Afdeling III hersien bestaande eksperimente in DPFL. Afdeling IV assesseer die metodes met betrekking tot hul veralgemeenbaarheid en toepaslikheid. Afdeling V beskryf die numeriese evaluasies in terme van akkuraatheid en berekeningsdoeltreffendheid. Afdeling VI bespreek oop vrae in die velde van DPFL, wat moontlike toekomstige rigtings opsom. Afdeling VII sluit die referaat af.    :  Opmerking Ons het elke poging aangewend om die metodes wat in die oorspronklike navorsingsartikels beskryf is, akkuraat te herhaal. As gevolg van faktore soos die afwesigheid van oopbronkode (met baie min uitsonderings) en dikwels onvolledige besonderhede in die literatuur, kan ons egter nie verseker dat ons implementerings die oorspronklike skrywers se bedoelings perfek weerspieël nie, alhoewel wanneer die besonderhede besonder vaag was, ons selfs verskeie weergawes van die metodes ontwikkel het, soos getoon in Tabel 1 in die volgende afdeling. Nietemin, ons erken dat dit onmoontlik is om presiese replikas van die metodes te skep soos deur hul skeppers in die vooruitsig gestel. Daarbenewens is dit belangrik om daarop te let dat geen metode sonder foute is nie. Die ontleding van beperkings in hierdie vraestel is nie bedoel as kritiek nie, maar as deel van 'n deeglike evaluering onder sekere gevalle met gegewe hiperparameters.  Hierdie vraestel is   onder CC BY-NC-ND 4.0 Deed (Erkenning-Niekommersieel-Noderivs 4.0 International) lisensie. beskikbaar op arxiv

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Linearization (dot tech)

We iluminate the path and make the intricate intuitive.

linearization's blog

Hierdie oudio word in die oorspronklike taal van die storie vervaardig!

Nuwe studie onthul die beste KI-modelle vir kragnetwerkoptimalisering

About Author

KOMMENTAAR

HANG TAGS

HIERDIE ARTIKEL IS AANGEBIED IN

Related Stories

The Opt Out Writing Contest: Final Round Results Announcement 🎉

Thinking for the 21st century

Uber Still Can't Turn a Profit

"Walk Down the Road of Life Without Fearing Anything" Max Azarov, CEO and Co-Founder, Novakid

The Opt Out Writing Contest: Final Round Results Announcement 🎉

Thinking for the 21st century

Uber Still Can't Turn a Profit

"Walk Down the Road of Life Without Fearing Anything" Max Azarov, CEO and Co-Founder, Novakid

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps