Published January 1, 2020
| Version v1
Publication
Open
A Multidirectional LSTM Model for Predicting the Stability of a Smart Grid
Creators
- 1. Air University
- 2. Vellore Institute of Technology University
Description
The grid denotes the electric grid which consists of communication lines, control stations, transformers, and distributors that aids in supplying power from the electrical plant to the consumers.Presently, the electric grid constitutes humongous power production units which generates millions of megawatts of power distributed across several demographic regions.There is a dire need to efficiently manage this power supplied to the various consumer domains such as industries, smart cities, household and organizations.In this regard, a smart grid with intelligent systems is being deployed to cater the dynamic power requirements.A smart grid system follows the Cyber-Physical Systems (CPS) model, in which Information Technology (IT) infrastructure is integrated with physical systems.In the scenario of the smart grid embedded with CPS, the Machine Learning (ML) module is the IT aspect and the power dissipation units are the physical entities.In this research, a novel Multidirectional Long Short-Term Memory (MLSTM) technique is being proposed to predict the stability of the smart grid network.The results obtained are evaluated against other popular Deep Learning approaches such as Gated Recurrent Units (GRU), traditional LSTM and Recurrent Neural Networks (RNN).The experimental results prove that the MLSTM approach outperforms the other ML approaches.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تشير الشبكة إلى الشبكة الكهربائية التي تتكون من خطوط الاتصالات ومحطات التحكم والمحولات والموزعين الذين يساعدون في توفير الطاقة من المحطة الكهربائية للمستهلكين. في الوقت الحاضر، تشكل الشبكة الكهربائية وحدات إنتاج طاقة ضخمة تولد ملايين الميجاوات من الطاقة الموزعة عبر العديد من المناطق الديموغرافية. هناك حاجة ماسة لإدارة هذه الطاقة بكفاءة التي يتم توفيرها لمختلف المجالات الاستهلاكية مثل الصناعات والمدن الذكية والأسرة والمنظمات. في هذا الصدد، فإن الشبكة الذكية ذات الأنظمة الذكية يتم نشرها لتلبية متطلبات الطاقة الديناميكية. يتبع نظام الشبكة الذكية نموذج الأنظمة الفيزيائية السيبرانية (CPS)، حيث يتم دمج البنية التحتية لتكنولوجيا المعلومات (IT) مع الأنظمة المادية. في سيناريو الشبكة الذكية المضمنة مع CPS، فإن وحدة التعلم الآلي (ML) هي جانب تكنولوجيا المعلومات ووحدات تبديد الطاقة هي الكيانات المادية. في هذا البحث، يتم اقتراح تقنية ذاكرة طويلة الأجل متعددة الاتجاهات (MLSTM) للتنبؤ باستقرار شبكة الشبكة الذكية. يتم تقييم النتائج التي تم الحصول عليها مقابل مناهج التعلم العميق الشائعة الأخرى مثل التكرار المسور الوحدات (GRU)، LSTM التقليدية والشبكات العصبية المتكررة (RNN). تثبت النتائج التجريبية أن نهج MLSTM يتفوق على مناهج ML الأخرى.Translated Description (French)
Le réseau désigne le réseau électrique qui se compose de lignes de communication, de stations de contrôle, de transformateurs et de distributeurs qui aident à fournir de l'énergie de la centrale électrique aux consommateurs. Présentement, le réseau électrique constitue d'énormes unités de production d'énergie qui génèrent des millions de mégawatts d'énergie répartis dans plusieurs régions démographiques. Il existe un besoin urgent de gérer efficacement cette énergie fournie aux différents domaines de consommation tels que les industries, les villes intelligentes, les ménages et les organisations. À cet égard, un réseau intelligent avec des systèmes intelligents est étant déployé pour répondre aux besoins énergétiques dynamiques.Un système de réseau intelligent suit le modèle Cyber-Physical Systems (CPS), dans lequel l'infrastructure des technologies de l'information (IT) est intégrée aux systèmes physiques.Dans le scénario du réseau intelligent intégré au CPS, le module Machine Learning (ML) est l'aspect informatique et les unités de dissipation d'énergie sont les entités physiques.Dans cette recherche, une nouvelle technique de mémoire multidirectionnelle à long terme (MLSTM) est proposée pour prédire la stabilité du réseau intelligent.Les résultats obtenus sont évalués par rapport à d'autres approches d'apprentissage profond populaires telles que Gated Recurrent Unités (GRU), LSTM traditionnel et réseaux neuronaux récurrents (RNN).Les résultats expérimentaux prouvent que l'approche MLSTM surpasse les autres approches ML.Translated Description (Spanish)
La red denota la red eléctrica que consta de líneas de comunicación, estaciones de control, transformadores y distribuidores que ayudan a suministrar energía desde la planta eléctrica a los consumidores. Actualmente, la red eléctrica constituye unidades de producción de energía gigantescas que generan millones de megavatios de energía distribuidos en varias regiones demográficas. Existe una gran necesidad de administrar de manera eficiente esta energía suministrada a los diversos dominios de consumo, como industrias, ciudades inteligentes, hogares y organizaciones. En este sentido, una red inteligente con sistemas inteligentes es se está implementando para satisfacer los requisitos dinámicos de energía.Un sistema de red inteligente sigue el modelo de sistemas ciberfísicos (CPS), en el que la infraestructura de tecnología de la información (TI) se integra con los sistemas físicos. En el escenario de la red inteligente integrada con CPS, el módulo de aprendizaje automático (ML) es el aspecto de TI y las unidades de disipación de energía son las entidades físicas. En esta investigación, se propone una nueva técnica de memoria multidireccional a corto plazo (MLSTM) para predecir la estabilidad de la red de red inteligente. Los resultados obtenidos se evalúan en comparación con otros enfoques populares de aprendizaje profundo, como la memoria recurrente cerrada Unidades (Gru), LSTM tradicional y Redes Neuronales Recurrentes (RNN). Los resultados experimentales demuestran que el enfoque MLSTM supera a los otros enfoques ML.Files
09079864.pdf.pdf
Files
(245 Bytes)
| Name | Size | Download all |
|---|---|---|
|
md5:1f483f3cd8d1f858c12d04ec227a44df
|
245 Bytes | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- نموذج LSTM متعدد الاتجاهات للتنبؤ باستقرار الشبكة الذكية
- Translated title (French)
- Un modèle LSTM multidirectionnel pour prédire la stabilité d'un réseau intelligent
- Translated title (Spanish)
- Un modelo LSTM multidireccional para predecir la estabilidad de una red inteligente
Identifiers
- Other
- https://openalex.org/W3023328046
- DOI
- 10.1109/access.2020.2991067
References
- https://openalex.org/W2282472744
- https://openalex.org/W2312446965
- https://openalex.org/W2531437790
- https://openalex.org/W2593117036
- https://openalex.org/W2747128909
- https://openalex.org/W2758915656
- https://openalex.org/W2767172243
- https://openalex.org/W2782902016
- https://openalex.org/W2793188405
- https://openalex.org/W2794155085
- https://openalex.org/W2892841407
- https://openalex.org/W2907560147
- https://openalex.org/W2914780389
- https://openalex.org/W2918639172
- https://openalex.org/W2926701059
- https://openalex.org/W2931858311
- https://openalex.org/W2941608808
- https://openalex.org/W2954123346
- https://openalex.org/W2969938686
- https://openalex.org/W2982066062
- https://openalex.org/W2990041205
- https://openalex.org/W2999392543
- https://openalex.org/W2999395600
- https://openalex.org/W3001364574
- https://openalex.org/W3001869580
- https://openalex.org/W3004074722
- https://openalex.org/W3005147719
- https://openalex.org/W3005965793
- https://openalex.org/W3006096283
- https://openalex.org/W3007757402
- https://openalex.org/W3011249019
- https://openalex.org/W3013579342
- https://openalex.org/W3032218977
- https://openalex.org/W4232266924
- https://openalex.org/W4241540808
- https://openalex.org/W4252167944