Հեղինակներ:  (1) Mengshuo Jia, Տեղեկատվական տեխնոլոգիաների և էլեկտրատեխնիկայի բաժին, ETH Zürich, Physikstrasse 3, 8092, Ցյուրիխ, Շվեյցարիա;  (2) Գաբրիելա Հագ, Տեղեկատվական տեխնոլոգիաների և էլեկտրատեխնիկայի բաժին, ETH Zürich, Physikstrasse 3, 8092, Ցյուրիխ, Շվեյցարիա;  (3) Ning Zhang, Էլեկտրատեխնիկայի բաժին, Tsinghua համալսարան, Shuangqing Rd 30, 100084, Պեկին, Չինաստան;  (4) Zhaojian Wang, ավտոմատացման բաժին, Shanghai Jiao Tong University, Dongchuan Rd 800, 200240, Շանհայ, Չինաստան;  (5) Յի Վանգ, Էլեկտրական և էլեկտրոնային ճարտարագիտության բաժին, Հոնկոնգի համալսարան, Պոկ Ֆու Լամ, Հոնկոնգ, Չինաստան;  (6) Chongqing Kang, Էլեկտրատեխնիկայի բաժին, Tsinghua համալսարան, Shuangqing Rd 30, 100084, Պեկին, Չինաստան:  Հղումների աղյուսակ   Վերացական և 1. Ներածություն  2. Գնահատված մեթոդներ   3. Գոյություն ունեցող փորձերի վերանայում   4. Ընդհանրացման և կիրառելիության գնահատումներ և 4.1. Կանխատեսող և արձագանքման ընդհանրացում   4.2. Կիրառելիությունը բազմակողմանիություն ունեցող գործերի նկատմամբ և 4.3. Zero Predictor կիրառելիություն   4.4. Մշտական կանխատեսող կիրառելիություն և 4.5. Նորմալացման Կիրառելիություն   5. Թվային գնահատումներ և 5.1. Փորձի կարգավորումներ   5.2. Գնահատման ակնարկ   5.3. Անհաջողության գնահատում   5.4. Ճշգրտության գնահատում   5.5. Արդյունավետության գնահատում   6. Բաց հարցեր   7. Եզրակացություն   Հավելված Ա և հղումներ  Վերացական  Հիմնվելով Մաս I-ի տեսական պատկերացումների վրա՝ այս փաստաթուղթը, որպես ձեռնարկի երկրորդ մաս, ավելի խորն է խորանում տվյալների վրա հիմնված էներգիայի հոսքի գծայինացման (DPFL) մեջ՝ կենտրոնանալով համապարփակ թվային փորձարկման վրա: Այս սիմուլյացիաների անհրաժեշտությունը բխում է տեսական վերլուծության բնորոշ սահմանափակումներից, մասնավորապես՝ DPFL մեթոդների իրական աշխարհի կատարողականի տարբերությունները հայտնաբերելու մարտահրավերից՝ համընկնող տեսական հնարավորություններով և/կամ սահմանափակումներով: Գրականության մեջ DPFL մոտեցումների համապարփակ թվային համեմատության բացակայությունը նույնպես դրդում է այս աշխատությանը, հատկապես հաշվի առնելով այն փաստը, որ գոյություն ունեցող DPFL ուսումնասիրությունների ավելի քան 95%-ը բաց կոդով որևէ կոդ չի տրամադրել: Բացը կամրջելու համար այս փաստաթուղթը նախ վերանայում է գոյություն ունեցող DPFL փորձերը՝ ուսումնասիրելով ընդունված թեստային սցենարները, բեռնվածքի տատանման կարգավորումները, տվյալների աղբյուրները, տվյալների աղմուկի/հեռավորության նկատառումները և մինչ այժմ կատարված համեմատությունը: Հետագայում այս փաստաթուղթը գնահատում է ընդհանուր առմամբ 44 մեթոդ, որոնք պարունակում են ավելի քան 30 գոյություն ունեցող DPFL մոտեցումներ, որոշ նորարարական DPFL տեխնիկա և մի քանի դասական ֆիզիկայի վրա հիմնված էներգիայի հոսքի գծայինացման մեթոդներ՝ հենանիշավորման համար: Գնահատումն ընդգրկում է տարբեր հարթություններ, ներառյալ ընդհանրականությունը, կիրառելիությունը, ճշգրտությունը և հաշվողական արդյունավետությունը՝ օգտագործելով բազմաթիվ տարբեր թեստային դեպքեր՝ 9-ավտոբուսից մինչև 1354 ավտոբուս համակարգերի մասշտաբով: Այս փաստաթղթի թվային վերլուծությունը բացահայտում և ուսումնասիրում է զգալի միտումներ և հետևողական բացահայտումներ բոլոր մեթոդներում տարբեր թեստային դեպքերում: Միևնույն ժամանակ, այն առաջարկում է տեսական պատկերացումներ այնպիսի երևույթների վերաբերյալ, ինչպիսիք են թերակատարումը, ձախողումը, չափից ավելի հաշվողական ժամանակները և այլն: Ընդհանուր առմամբ, այս փաստաթուղթը բացահայտում է DPFL մեթոդների լայն շրջանակի կատարողականի տարբերությունները, բացահայտում է տեսական քննարկումներից անհայտ բացեր, օգնում է մեթոդի ընտրությանը իրական աշխարհի պոտենցիալ հարցերի համար, FL պոտենցիալ քննարկումների և FL պոտենցիալ քննարկումների համար: ապագա ուղղությունները։ (Բառերի քանակ՝ 9668)։  1. Ներածություն  Էլեկտրաէներգիայի հոսքի գծային մոդելները կրիտիկական նշանակություն ունեն էներգահամակարգերի հաշվարկներում, որոնք ենթակա են լայնածավալ հետազոտության և համատարած կիրառման ողջ ակադեմիայի և արդյունաբերության մեջ՝ բացելով տրիլիոնների արժողությամբ շուկաները և ազդելով յուրաքանչյուր համաշխարհային սպառողի վրա [1, 2, 3, 4]: Գծայինացման այս մեթոդների ճշգրտությունն ու հաշվողական արդյունավետությունը առանցքային նշանակություն ունեն էներգահամակարգերի շահագործման և պլանավորման համար, մասնավորապես՝ վերականգնվող էներգիայի բարձր ներթափանցում ունեցող համակարգերի համար՝ արդյունքում ստացվող էներգիայի հոսքերի արագ փոփոխվող բնույթով: Ուստի գծային էներգիայի հոսքի մոդելների ճշգրտության և արդյունավետության բարձրացումը ոչ միայն հաճելի տեխնիկական բարելավում է, այլ զգալի առաջընթաց դեպի կայուն էներգետիկ ապագա:  Տվյալների վրա հիմնված էներգիայի հոսքի գծայինացումը (DPFL) հայտնվել է որպես խոստումնալից մեթոդ՝ բարձր ճշգրտության գծային մոդելներ ձեռք բերելու համար պարտադիր հանգիստ պայմաններում, օրինակ՝ կարիք չկա իմանալու էներգահամակարգի ֆիզիկական մոդելը: Այսպիսով, այն լայն ուշադրություն է գրավում [5]: Չնայած զարգացման փուլում գտնվող՝ DPFL-ն արդեն մշակել է զգալի գիտելիքների բազա: Այս երկու մասից բաղկացած ձեռնարկը նպատակ ունի տրամադրել DPFL մոտեցումների համապարփակ քննություն:  Այս ձեռնարկի առաջին մասը [6] առաջարկում էր բոլոր առկա DPFL մեթոդների մանրակրկիտ դասակարգում և տեսական վերլուծություն, ներառյալ դրանց մաթեմատիկական հիմքերը, վերլուծական լուծումները և յուրաքանչյուր մեթոդի հնարավորությունների, սահմանափակումների և կիրառելիության քննադատական գնահատականները: Այս աշխատանքը ծառայում է որպես հիմնարար ուղեցույց, որը տրամադրում է ինչպես սկսնակների, այնպես էլ փորձագետների ORCID(ներ): 0000-0002-2027-5314 (M. Jia) այս ոլորտում, ինչպես նաև այլ առարկաների մասնագետներին, որոնք պարզապես փնտրում են գծայինացման հուսալի տեխնիկա:  Չնայած [6]-ի տեսական վերլուծության մանրակրկիտությանը, այն ունի սահմանափակումներ. երբ գծայինացման շատ մեթոդներ ունեն նմանատիպ ուժեղ և/կամ թույլ կողմեր, գրեթե անհնար է կանխատեսել դրանց տարբերությունները գործնական կատարման առումով: Հետևաբար, միայն [6]-ով, կոնկրետ կարիքների համար ամենահարմար մեթոդի բացահայտումը դեռևս դժվար է: Ավելի կարևոր է, որ գրականության մեջ առկա թվային համեմատությունները լիովին չեն ցույց տալիս DPFL մոտեցումների իրական կատարողականի վերաբերյալ ամբողջական պատկերը: Գոյություն ունեցող DPFL մեթոդների իրական կատարողական տարբերությունների հստակ ըմբռնման բացակայությունը կարող է քողարկել այն խնդիրները, որոնք ակնհայտ չեն կարողությունների և սահմանափակումների տեսական վերլուծությունից, քողարկել DPFL համայնքի հետազոտողների դատողությունը և բարդացնել համապատասխան գծային մեթոդների ընտրությունը այլ հետազոտական ոլորտներից պոտենցիալ օգտվողների համար:  Իրոք, համապարփակ համեմատություն իրականացնելը զգալի ջանքեր է պահանջում՝ կապված գրականության ավելի քան 95%-ի համար բաց կոդով ծածկագրերի բացակայության պատճառով: Այնուամենայնիվ, երկիմաստությունները պարզաբանելու, ապագա հետազոտական ուղիները նախանշելու և համայնքին օգուտ բերելու համար այս աշխատությունը, որպես ձեռնարկի երկրորդ մաս, մտադիր է լրացնել այս բացը: Մասնավորապես, այս փաստաթուղթը սպառիչ սիմուլյացիաներ է կատարում բոլոր DPFL մեթոդների համար, որոշ նոր ներդրված DPFL մեթոդներ՝ DPFL-ի մոդուլային բնույթը ցուցադրելու համար, և դասական ֆիզիկայի վրա հիմնված էներգիայի հոսքի գծայինացման (PPFL) մոտեցումներ՝ որպես հենանիշ, ընդհանուր 44 մեթոդ: Այս փաստաթղթի հիմնական նպատակը այս մեթոդների մանրակրկիտ գնահատումն է ընդհանրացման, կիրառելիության, ճշգրտության և հաշվողական արդյունավետության տեսանկյունից: Գնահատման արդյունքները նաև աջակցում են ապագա հնարավոր ուղղությունների բացահայտմանը: Հետևաբար, այս փաստաթղթի ներդրումը երեքն է.  (i) Ներկայացվում է առկա DPFL փորձերի համապարփակ վերանայում, որը ուսումնասիրում է ընդունված փորձարկման սցենարները, բեռնվածքի տատանումների կարգավորումները, տվյալների աղբյուրները և տվյալների աղմուկի/հեռավորության նկատառումները: Վերանայումը նաև ակնարկ է տալիս DPFL մոտեցումների միջև առկա համեմատությունների վերաբերյալ, ուրվագծում է նախորդ փորձերի հնարավորություններն ու սահմանափակումները և ցույց է տալիս DPFL բոլոր մոտեցումների համապարփակ թվային համեմատության կարևոր անհրաժեշտությունը:  (ii) Իրականացվում է 44 գծայինացման մեթոդների սպառիչ թվային մոդելավորում, ներառյալ 36 առկա DPFL մոտեցումները, չորս նոր մշակված DPFL մեթոդներ և չորս դասական PPFL ալգորիթմներ: Ներկայացված է այս 44 մեթոդների մանրամասն համեմատական վերլուծությունը՝ քննարկելով դրանց ընդհանրացման, կիրառելիության, ճշգրտության և հաշվողական արդյունավետությունը՝ դրանով իսկ պարզաբանելով բոլոր գնահատված մոտեցումների իրական կատարումը:  (iii) Բաց հետազոտական հարցերի վերաբերյալ խորացված քննարկում է տրված՝ ուրվագծելով DPFL հետազոտության տասը խոստումնալից, բայց դժվարին ապագա ուղղությունները՝ տեղեկացված այստեղ ձեռք բերված թվային արդյունքներից և ձեռնարկի առաջին մասից արված տեսական եզրակացություններից [6]:  Այս հոդվածի մնացած մասը կազմակերպված է հետևյալ կերպ. Բաժին II ներկայացնում է 44 մեթոդները: III բաժինը վերանայում է DPFL-ում առկա փորձերը: Բաժին IV-ը գնահատում է դրանց ընդհանրացման և կիրառելիության մեթոդները: Բաժին V մանրամասնում է թվային գնահատումները ճշգրտության և հաշվողական արդյունավետության տեսանկյունից: Բաժին VI-ում քննարկվում են բաց հարցեր DPFL-ի ոլորտներում` ամփոփելով ապագա հնարավոր ուղղությունները: VII բաժինը եզրափակում է աշխատությունը:    .  Նշում Մենք գործադրել ենք բոլոր ջանքերը, որպեսզի ճշգրիտ կերպով կրկնենք սկզբնական հետազոտական փաստաթղթերում նկարագրված մեթոդները: Այնուամենայնիվ, այնպիսի գործոնների պատճառով, ինչպիսիք են բաց կոդով կոդի բացակայությունը (շատ քիչ բացառություններով) և գրականության մեջ հաճախ թերի մանրամասները, մենք չենք կարող վստահեցնել, որ մեր իրականացումները կատարելապես արտացոլում են սկզբնական հեղինակների մտադրությունները, թեև երբ մանրամասները հատկապես անորոշ էին, մենք նույնիսկ մշակել ենք մեթոդների բազմաթիվ տարբերակներ, ինչպես ցույց է տրված Աղյուսակ 1-ում հաջորդ բաժնում: Այնուամենայնիվ, մենք ընդունում ենք, որ անհնար է ստեղծել մեթոդների ճշգրիտ կրկնօրինակներ, ինչպես պատկերացրել են դրանց ստեղծողները: Բացի այդ, կարևոր է նշել, որ ոչ մի մեթոդ առանց թերությունների չէ: Սույն հոդվածում սահմանափակումների վերլուծությունը նախատեսված է ոչ թե որպես քննադատություն, այլ որպես տվյալ հիպերպարամետրերով որոշակի դեպքերում մանրակրկիտ գնահատման մաս:  Այս փաստաթուղթը   CC BY-NC-ND 4.0 Deed (Attribution-Noncommercial-Noderivs 4.0 International) լիցենզիայի ներքո: հասանելի է arxiv-ում

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

Այս աուդիոն պատրաստվել է պատմության բնօրինակ լեզվով:

Չափազանց երկար; Կարդալ

Get Free Unlimited IP Geo Data With IPinfo Lite

Նոր ուսումնասիրությունը բացահայտում է Էլեկտրական ցանցի օպտիմալացման լավագույն AI մոդելները

About Author

ՄԵԿՆԱԲԱՆՈՒԹՅՈՒՆՆԵՐ

ԿԱԽՎԵԼ ՏԵԳՍԵՐ

ԱՅՍ ՀՈԴՎԱԾԸ ՆԵՐԿԱՅԱՑՎԵԼ Է Մ

Related Stories

Hypernative Bolsters Bitcoin L2 Security as Stacks Ecosystem Gets Real-Time Protection

How HyperCycle Is Building the Internet for AI: A Deep Dive with Toufi Saliba

HyveDA Secures $50 Million in Pre-Deposits After Symbiotic Mainnet Launch

Hypernative Bolsters Bitcoin L2 Security as Stacks Ecosystem Gets Real-Time Protection

How HyperCycle Is Building the Internet for AI: A Deep Dive with Toufi Saliba

HyveDA Secures $50 Million in Pre-Deposits After Symbiotic Mainnet Launch

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps