論文の概要: HydroPower Plant Planning for Resilience Improvement of Power Systems
using Fuzzy-Neural based Genetic Algorithm
- arxiv url: http://arxiv.org/abs/2106.12042v1
- Date: Wed, 16 Jun 2021 21:08:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-26 12:52:18.614771
- Title: HydroPower Plant Planning for Resilience Improvement of Power Systems
using Fuzzy-Neural based Genetic Algorithm
- Title(参考訳): ファジィニューラル遺伝的アルゴリズムを用いた電力系統のレジリエンス向上のための水力発電所計画
- Authors: Akbal Rain, Mert Emre Saritac
- Abstract要約: 本稿では,負荷周波数制御(LFC)に基づく小規模水力発電所の最適化手法を提案する。
本手法では,自己調整型ファジィ比導関数(PD)法を用いて予測・予測を行う。
ディープスパイキングニューラルネットワーク(SNN)は、この負荷周波数制御を最適化するために、主にディープラーニング技術として使用されるもので、ディープスパイキングニューラルネットワーク(DSNN)となる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper will propose a novel technique for optimize hydropower plant in
small scale based on load frequency control (LFC) which use self-tuning fuzzy
Proportional- Derivative (PD) method for estimation and prediction of planning.
Due to frequency is not controlled by any dump load or something else, so this
power plant is under dynamic frequency variations that will use PD controller
which optimize by fuzzy rules and then with neural deep learning techniques and
Genetic Algorithm optimization. The main purpose of this work is because to
maintain frequency in small-hydropower plant at nominal value. So, proposed
controller means Fuzzy PD optimization with Genetic Algorithm will be used for
LFC in small scale of hydropower system. The proposed schema can be used in
different designation of both diesel generator and mini-hydropower system at
low stream flow. It is also possible to use diesel generator at the hydropower
system which can be turn off when Consumer demand is higher than electricity
generation. The simulation will be done in MATLAB/Simulink to represent and
evaluate the performance of this control schema under dynamic frequency
variations. Spiking Neural Network (SNN) used as the main deep learning
techniques to optimizing this load frequency control which turns into Deep
Spiking Neural Network (DSNN). Obtained results represented that the proposed
schema has robust and high-performance frequency control in comparison to other
methods.
- Abstract(参考訳): 本稿では, 自己調整型ファジィ比例係数法 (pd) を用いた負荷周波数制御 (lfc) に基づく小規模水力発電プラントの最適化手法を提案する。
周波数はダンプ負荷などによって制御されないため、この発電所は、ファジィルールによって最適化されたpdコントローラと、ニューラルネットワーク技術と遺伝的アルゴリズム最適化を使用するダイナミックな周波数変動下にある。
この研究の主な目的は、小型水力発電所の周波数を名目で維持することにある。
そこで、提案した制御器は、遺伝的アルゴリズムを用いたファジィPD最適化を小型の水力システムでLFCに使用することを意味する。
提案方式は低流量でディーゼル発電機と小型水力システムの両方に異なる指定をすることができる。
水力発電システムでは、消費者の需要が高いと電源をオフにできるディーゼル発電機を使用することも可能である。
シミュレーションはMATLAB/Simulinkで行われ、この制御スキーマの性能を動的周波数変動下で表現し評価する。
spiking neural network(snn)は、この負荷周波数制御を最適化し、deep spiking neural network(dsnn)へと変換する、主要なディープラーニング技術である。
その結果,提案手法は他の手法と比較してロバストで高性能な周波数制御が可能となった。
関連論文リスト
- Function Approximation for Reinforcement Learning Controller for Energy from Spread Waves [69.9104427437916]
マルチジェネレータ・ウェーブ・エナジー・コンバータ(WEC)は、スプレッド・ウェーブと呼ばれる異なる方向から来る複数の同時波を処理しなければならない。
これらの複雑な装置は、エネルギー捕獲効率、維持を制限する構造的ストレスの低減、高波に対する積極的な保護という複数の目的を持つコントローラを必要とする。
本稿では,システム力学のシーケンシャルな性質をモデル化する上で,ポリシーと批判ネットワークの異なる機能近似について検討する。
論文 参考訳(メタデータ) (2024-04-17T02:04:10Z) - Model-Free Load Frequency Control of Nonlinear Power Systems Based on
Deep Reinforcement Learning [29.643278858113266]
本稿では,Deep Deterministic Policy gradient (DDPG) に基づく非線形電力系統のモデルフリーLFC法を提案する。
制御器は適切な制御動作を生成でき、非線形電力系に対して強い適応性を有する。
論文 参考訳(メタデータ) (2024-03-07T10:06:46Z) - Power-Efficient Indoor Localization Using Adaptive Channel-aware
Ultra-wideband DL-TDOA [7.306334571814026]
本稿では,低消費電力チャネル対応動的周波数DL-TDOAレンジリングアルゴリズムの提案と実装を行う。
畳み込みニューラルネットワーク(CNN)、ダイナミックレンジング周波数制御モジュール、IMUセンサベースのレンジングフィルタに基づくNLOS確率予測器を備える。
論文 参考訳(メタデータ) (2024-02-16T09:04:04Z) - A novel ANROA based control approach for grid-tied multi-functional
solar energy conversion system [0.0]
三相格子型太陽太陽光発電システムに対する適応制御手法を提案し,検討した。
適応型ニューロファジィ推論システム(ANFIS)と降雨最適化アルゴリズム(ROA)を組み合わせた。
電圧変動、高調波、フリックなどの電力品質問題や、バランスの取れない負荷や反応電力の使用などを避けることが大きな目標である。
論文 参考訳(メタデータ) (2024-01-26T09:12:39Z) - Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。
導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文 参考訳(メタデータ) (2022-05-22T12:16:43Z) - The self-learning AI controller for adaptive power beaming with
fiber-array laser transmitter system [0.0]
大気乱流下での光ファイバーアレイレーザによる適応型パワービームについて検討する。
本研究では,ターゲットプレーンPVAセンサデータを入力として,ディープニューラルネットワーク(DNN)を用いて最適制御を行う。
論文 参考訳(メタデータ) (2022-04-08T16:24:49Z) - Learning OFDM Waveforms with PAPR and ACLR Constraints [15.423422040627331]
達成可能な情報レートを最大化しつつ,選択した制約を満たすOFDMベースの波形を設計するための学習ベース手法を提案する。
エンドツーエンドシステムは,PAPRとACLRの制約を満たすことができ,スループットを著しく向上させることができることを示す。
論文 参考訳(メタデータ) (2021-10-21T08:58:59Z) - Energy-Efficient Model Compression and Splitting for Collaborative
Inference Over Time-Varying Channels [52.60092598312894]
本稿では,エッジノードとリモートノード間のモデル圧縮と時間変化モデル分割を利用して,エッジデバイスにおける総エネルギーコストを削減する手法を提案する。
提案手法は, 検討されたベースラインと比較して, エネルギー消費が最小限であり, 排出コストが$CO$となる。
論文 参考訳(メタデータ) (2021-06-02T07:36:27Z) - Principal Component Density Estimation for Scenario Generation Using
Normalizing Flows [62.997667081978825]
低次元空間における正規化フローを設定する線形主成分分析(PCA)に基づく次元還元フロー層を提案する。
当社は、2013年から2015年までのドイツにおけるPVおよび風力発電のデータと負荷需要に関する主成分フロー(PCF)を訓練しています。
論文 参考訳(メタデータ) (2021-04-21T08:42:54Z) - Power Control for a URLLC-enabled UAV system incorporated with DNN-Based
Channel Estimation [82.16169603954663]
この手紙は、ディープニューラルネットワーク(DNN)に基づくチャネル推定を組み込んだ超信頼性低遅延通信(URLLC)有効無人航空機(UAV)システムの電力制御に関するものである。
論文 参考訳(メタデータ) (2020-11-14T02:31:04Z) - Optimization-driven Deep Reinforcement Learning for Robust Beamforming
in IRS-assisted Wireless Communications [54.610318402371185]
Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。
我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。
過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
論文 参考訳(メタデータ) (2020-05-25T01:42:55Z)
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。