Рынок и продуктыКорея и Африка обсуждают ИИ и цифровую инфраструктуру на KOAFECAfDB Africa Newsroom (пресс-релизная витрина) · 2 днМоделированиеМетод рендеринга графа энергосети для ответов на вопросы с ограниченным контекстомarXiv — Systems and Control (eess.SY) · 3 днЦифровой двойникDNative-Twin: графовые решения и цифровые двойники для воспроизводимых решений ИИ-агентовarXiv API — полнотекстовый поиск "digital twin" · 2 днПрогнозированиеЭкономическое MPC с терминальными компонентами на основе политикиarXiv — Systems and Control (eess.SY) · 3 днПрогнозированиеРобастное MPC на основе Купмана для нелинейных систем со случайными прерываниями измеренийarXiv — Systems and Control (eess.SY) · 3 днПрогнозированиеMPC с линеаризацией обратной связью для беспилотных автомобилей с ограниченным управлениемarXiv — Systems and Control (eess.SY) · 3 днЦифровой двойникЦифровой двойник мыши: интеграция нейродинамики, биомеханики и осязанияarXiv API — полнотекстовый поиск "digital twin" · 4 днЦифровой двойникПрототип цифрового двойника инжектора CEBAF под управлением EPICSarXiv API — полнотекстовый поиск "digital twin" · 3 днЦифровой двойникСколько нужно пилотов при наличии цифрового двойника?arXiv API — полнотекстовый поиск "digital twin" · 4 днЦифровой двойникКибер-физический цифровой двойник ядерной установки PUR-1arXiv — Computational Engineering, Finance, and Science (cs.CE) · 5 днЦифровой двойникФорсайт-сессия о будущем кибербезопасности киберфизических систем в РоссииspbIT · 5 днПрогнозированиеСтохастическое нелинейное MPC с распространением неопределенности гауссовой смесиarXiv — Systems and Control (eess.SY) · 5 дн
Инициализация как ключевой фактор в федеративном краткосрочном прогнозировании нагрузки
США и Запад ·
Исследование посвящено федеративному обучению для краткосрочного прогнозирования электрической нагрузки (STLF), которое учитывает проблемы конфиденциальности данных. Авторы выявляют структурированную неоднородность в данных клиентов: разные реакции на внешние факторы и различные временные профили нагрузки, что ухудшает точность прогнозов при федеративном обучении. Для решения предлагаются две стратегии инициализации модели — глобальная и локальная, которые улучшают качество прогнозирования.
Почему это важно
Актуально для задач прогнозирования в энергетике, где необходимо учитывать распределенные данные и обеспечивать конфиденциальность, а также адаптироваться к неоднородности потребителей.
В статье рассматривается архитектура цифрового двойника для ядерных систем, интегрирующего несколько моделей (физических и data-driven) для поддержки принятия решений, оценки состояния, прогнозного управления и обработки данных в реальном времени. Двойник должен синхронизироваться с физическим объектом за время меньше его рабочего цикла.
Предложен новый метод стохастического нелинейного прогнозирующего управления для систем с аддитивным шумом. Распределение состояния аппроксимируется гауссовой смесью с оценкой ошибки в метрике Вассерштейна. Это позволяет получить замкнутые выражения для ожидаемых затрат и ограничений, и решать задачу через нелинейное программирование с гарантиями корректности.
Компания COMSOL развивает интеграцию многофизического моделирования с технологиями цифровых двойников. Это позволяет создавать более точные и комплексные модели для промышленных и инженерных задач.
