オン・メーターグラフ機械学習：グリッドエッジの知能化を目的とした PV 発電予測の事例研究

arXiv:2604.19800v1 宣言タイプ: 新しい論文 本論文は、マイクログリッドにおけるオン・メーターグラフ機械学習を用いた光伏发电出力の予測に Graph Neural Networks をどのように使用するかについて詳細に考察します。問題の背景と採用された技術、すなわち ONNX と ONNX Runtime を導入します。さらに、スマートメーターのハードウェアとソフトウェア仕様についても簡潔に説明します。次に、本論文は GCN と GraphSAGE の 2 つのグラフ機械学習モデルのトレーニングとデプロイメントに焦点を当て、GCN 専用の ONNX オペレーターの開発とデプロイに特に注力します。最後に、村マイクログリッドから入手した実際のデータセットを使用して事例研究を行います。両方のモデルのパフォーマンスは PC とスマートメーターの両方上で比較され、スマートメーターでの成功したデプロイと実行が示されています。

arXiv:2604.19800v1 Announce Type: new Abstract: This paper presents a detailed study of how graph neural networks can be used on edge intelligent meters in a microgrid to forecast photovoltaic power generation. The problem background and the adopted technologies are introduced, including ONNX and ONNX Runtime. The hardware and software specifications of the smart meter are also briefly described. Then, the paper focuses on the training and deployment of two graph machine learning models, GCN and GraphSAGE, with particular emphasis on developing and deploying a customized ONNX operator for GCN. Finally, a case study is conducted using real datasets from a village microgrid. The performance of the two models is compared on both the PC and the smart meter, exhibiting successful deployments and executions on the smart meter.