論文の概要: Multi-Objective Reinforcement Learning based Multi-Microgrid System Optimisation Problem

• arxiv url: http://arxiv.org/abs/2103.06380v1
• Date: Wed, 10 Mar 2021 23:01:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-08 13:24:34.163030
• Title: Multi-Objective Reinforcement Learning based Multi-Microgrid System Optimisation Problem
• Title（参考訳）: 多目的強化学習に基づくマルチマイクログリッドシステム最適化問題
• Authors: Jiangjiao Xu, Ke Li, and Mohammad Abusara
• Abstract要約: エネルギー貯蔵システムと分散型再生可能エネルギー源を備えたマイクログリッドは、従来の電源からの消費を減らし、CO$の排出を抑える上で重要な役割を担っている。 マルチマイクログリッドを分散電力グリッドに接続することで、システムのセキュリティとプライバシを高めるため、より堅牢で信頼性の高い操作が可能になる。 提案モデルは,スマートグリッド層,独立系演算子層(ISO)層,電力グリッド層という3つの層から構成される。
• 参考スコア（独自算出の注目度）: 4.338938227238059
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Microgrids with energy storage systems and distributed renewable energy sources play a crucial role in reducing the consumption from traditional power sources and the emission of $CO_2$. Connecting multi microgrid to a distribution power grid can facilitate a more robust and reliable operation to increase the security and privacy of the system. The proposed model consists of three layers, smart grid layer, independent system operator (ISO) layer and power grid layer. Each layer aims to maximise its benefit. To achieve these objectives, an intelligent multi-microgrid energy management method is proposed based on the multi-objective reinforcement learning (MORL) techniques, leading to a Pareto optimal set. A non-dominated solution is selected to implement a fair design in order not to favour any particular participant. The simulation results demonstrate the performance of the MORL and verify the viability of the proposed approach.
• Abstract（参考訳）: エネルギー貯蔵システムと分散型再生可能エネルギー源を備えたマイクログリッドは、従来の電力消費の削減とCO_2$の排出の削減に重要な役割を果たしている。 マルチマイクログリッドと分散電力グリッドの接続により、システムのセキュリティとプライバシを高めるため、より堅牢で信頼性の高い操作が容易になる。 提案モデルは,スマートグリッド層,独立系オペレータ(iso)層,電力グリッド層という3層からなる。 各レイヤはそのメリットを最大化することを目指している。 これらの目的を達成するために、多目的強化学習(MORL)技術に基づいて、インテリジェントなマルチグリッドエネルギー管理手法を提案する。 特定の参加者を好まないように、非支配的なソリューションを選択して公正な設計を行う。 シミュレーションの結果,MORLの性能を実証し,提案手法の有効性を検証した。

関連論文リスト

• Generalizing in Net-Zero Microgrids: A Study with Federated PPO and TRPO [5.195669033269619]
  この研究は、協調的かつプライバシー保護の枠組みを通じて、マイクログリッドにおける最適エネルギー管理の課題に対処する。 本稿では,フェデレートラーニング(FL)とトラスト領域政策最適化(TRPO)を統合し,分散エネルギー資源を効率的に管理するフェデレーションTRPO手法を提案する。
  論文  参考訳（メタデータ） (2024-12-30T13:38:31Z)
• Coordinated Power Smoothing Control for Wind Storage Integrated System with Physics-informed Deep Reinforcement Learning [13.266525968718275]
  電力平滑化制御(PSC)を用いた風力発電統合システムは, 効率と信頼性を両立させる有望なソリューションとして浮上している。 既存のPSC戦略は、バッテリと風力タービンの複雑な制御相互作用を見落とし、ウェイク効果やバッテリ劣化コストを考慮していない。 本稿では,これらの課題を効果的に解決するために,階層レベルの新しい協調制御フレームワークを考案した。
  論文  参考訳（メタデータ） (2024-12-17T11:37:46Z)
• Non-Intrusive Electric Load Monitoring Approach Based on Current Feature Visualization for Smart Energy Management [51.89904044860731]
  我々はAIのコンピュータビジョン技術を用いて、スマートエネルギー管理のための非侵襲的な負荷監視手法を設計する。 マルチスケールの特徴抽出とアテンション機構を備えたU字型ディープニューラルネットワークを用いて,色特徴画像からすべての電気負荷を認識することを提案する。
  論文  参考訳（メタデータ） (2023-08-08T04:52:19Z)
• Multi-Microgrid Collaborative Optimization Scheduling Using an Improved Multi-Agent Soft Actor-Critic Algorithm [8.461537684562776]
  マルチマイクログリッド (MMG) システムは、異なる操作実体に属する複数の再生可能エネルギーマイクログリッドで構成されている。 本稿では,マルチエージェント集中型分散実行フレームワークに基づくMMG協調最適化モデルを提案する。
  論文  参考訳（メタデータ） (2023-04-01T22:44:52Z)
• Energy Management of Multi-mode Plug-in Hybrid Electric Vehicle using Multi-agent Deep Reinforcement Learning [6.519522573636577]
  多モードプラグインハイブリッド電気自動車(PHEV)技術は、脱炭に寄与する経路の1つである。 本稿では,多モードPHEVのエネルギー管理のためのマルチエージェント深部強化学習(MADRL)制御法について検討する。 統合DDPG設定と0.2の関連性比を用いて、MADRLシステムはシングルエージェント学習システムと比較して最大4%のエネルギーを節約でき、従来のルールベースシステムに比べて最大23.54%のエネルギーを節約できる。
  論文  参考訳（メタデータ） (2023-03-16T21:31:55Z)
• Distributed Energy Management and Demand Response in Smart Grids: A Multi-Agent Deep Reinforcement Learning Framework [53.97223237572147]
  本稿では、自律制御と再生可能エネルギー資源のスマート電力グリッドシステムへの統合のための多エージェント深層強化学習(DRL)フレームワークを提案する。 特に,提案フレームワークは,住宅利用者に対する需要応答 (DR) と分散エネルギー管理 (DEM) を共同で検討している。
  論文  参考訳（メタデータ） (2022-11-29T01:18:58Z)
• Multi-agent Deep Reinforcement Learning for Charge-sustaining Control of Multi-mode Hybrid Vehicles [9.416703139663705]
  電気化は車両の電気部品の増加を必要とする。 本稿では,マルチモードハイブリッド電気自動車におけるエネルギー管理戦略のオンライン最適化に焦点をあてる。 マルチエージェントを用いた新しいサイバー物理学習法が提案されている。
  論文  参考訳（メタデータ） (2022-09-06T16:40:55Z)
• Optimization for Master-UAV-powered Auxiliary-Aerial-IRS-assisted IoT Networks: An Option-based Multi-agent Hierarchical Deep Reinforcement Learning Approach [56.84948632954274]
  本稿では,無人航空機(MUAV)搭載のIoT(Internet of Things)ネットワークについて検討する。 本稿では、インテリジェント反射面(IRS)を備えた充電可能な補助UAV(AUAV)を用いて、MUAVからの通信信号を強化することを提案する。 提案モデルでは,IoTネットワークの蓄積スループットを最大化するために,これらのエネルギー制限されたUAVの最適協調戦略について検討する。
  論文  参考訳（メタデータ） (2021-12-20T15:45:28Z)
• A Multi-Agent Deep Reinforcement Learning Approach for a Distributed Energy Marketplace in Smart Grids [58.666456917115056]
  本稿では,マイクログリッドを支配下に置くために,強化学習に基づくエネルギー市場を提案する。 提案する市場モデルにより,リアルタイムかつ需要に依存した動的価格設定環境が実現され,グリッドコストが低減され,消費者の経済的利益が向上する。
  論文  参考訳（メタデータ） (2020-09-23T02:17:51Z)
• Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
  マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。 ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
  論文  参考訳（メタデータ） (2020-02-21T02:14:38Z)
• Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable Edge Computing Systems [87.4519172058185]
  エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。 定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。 実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
  論文  参考訳（メタデータ） (2020-02-20T04:58:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。