論文の概要: An Efficient Multi-objective Evolutionary Approach for Solving the Operation of Multi-Reservoir System Scheduling in Hydro-Power Plants

• arxiv url: http://arxiv.org/abs/2107.09718v1
• Date: Tue, 20 Jul 2021 18:39:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-22 14:06:56.627242
• Title: An Efficient Multi-objective Evolutionary Approach for Solving the Operation of Multi-Reservoir System Scheduling in Hydro-Power Plants
• Title（参考訳）: 水力発電プラントにおけるマルチ貯留層システムスケジューリングの効率化のための効率的な多目的進化的アプローチ
• Authors: C.G. Marcelino, G.M.C. Leite, C.A.D.M Delgado, L.B. de Oliveira, E.F. Wanner, S. Jim\'enez-Fern\'andez, S. Salcedo-Sanz
• Abstract要約: そこで本研究では,水力発電プラントの1日当たりの総エネルギー生産量を最大化することを目的とする,新しい数学的モデリング手法を提案する。 この問題を解決するために,多目的進化群ハイブリダイゼーション(MESH)アルゴリズムについて論じる。 MESHは、効率と精度の点で、代替の多目的アプローチよりも優れた性能を示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper tackles the short-term hydro-power unit commitment problem in a multi-reservoir system - a cascade-based operation scenario. For this, we propose a new mathematical modelling in which the goal is to maximize the total energy production of the hydro-power plant in a sub-daily operation, and, simultaneously, to maximize the total water content (volume) of reservoirs. For solving the problem, we discuss the Multi-objective Evolutionary Swarm Hybridization (MESH) algorithm, a recently proposed multi-objective swarm intelligence-based optimization method which has obtained very competitive results when compared to existing evolutionary algorithms in specific applications. The MESH approach has been applied to find the optimal water discharge and the power produced at the maximum reservoir volume for all possible combinations of turbines in a hydro-power plant. The performance of MESH has been compared with that of well-known evolutionary approaches such as NSGA-II, NSGA-III, SPEA2, and MOEA/D in a realistic problem considering data from a hydro-power energy system with two cascaded hydro-power plants in Brazil. Results indicate that MESH showed a superior performance than alternative multi-objective approaches in terms of efficiency and accuracy, providing a profit of \$412,500 per month in a projection analysis carried out.
• Abstract（参考訳）: 本稿では,多貯留層システムにおける短期的水力単位コミットメント問題(カスケードに基づく運用シナリオ)に取り組む。 そこで本研究では,水力発電プラントの1日当たりの総エネルギー生産量を最大化し,同時に貯水池の総水量(容積)を最大化する数学モデルを提案する。 この問題を解決するために,我々は,最近提案されている多目的swarm知能に基づく最適化手法であるmulti-objective evolutionary swarm hybridization (mesh)アルゴリズムについて論じる。 MESH法は、水力発電所におけるタービンの可能な全ての組み合わせに対して、最適な水排出量と最大貯水量で発生する電力を求めるために応用されている。 MESHの性能は、ブラジルの2つのカスケード水力発電所を持つ水力発電システムからのデータを考慮した現実的な問題において、NSGA-II、NSGA-III、SPEA2、MOEA/Dのようなよく知られた進化的アプローチと比較された。 その結果,MESHは多目的アプローチよりも効率と精度で優れた性能を示し,プロジェクション分析では月に412,500ドル程度の利益が得られた。

関連論文リスト

• Machine Learning-Accelerated Multi-Objective Design of Fractured Geothermal Systems [17.040963667188525]
  本稿では, フラクチャードメディアにおける熱水シミュレーションと統合した, 能動学習による進化的多目的最適化アルゴリズムについて報告する。 ALEMO法は従来の進化法に比べて1～2桁の速度(10～100倍)で、必要なシミュレーションを著しく削減することを示した。
  論文  参考訳（メタデータ） (2024-11-01T10:39:23Z)
• 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)
• A Novel Hybrid Algorithm for Optimized Solutions in Ocean Renewable Energy Industry: Enhancing Power Take-Off Parameters and Site Selection Procedure of Wave Energy Converters [0.0]
  海洋再生エネルギー、特に波浪エネルギーは、地球規模のエネルギーポートフォリオを多様化するための重要な要素となっている。 本研究は、オフショア発振サージ波エネルギー変換器(OSWEC)におけるパワーテイクオフパラメータ(PTO)の最適化とサイト選択過程について検討する。 HC-EGWO法を用いることで,他の方法と比較して最大3.31%の出力向上を実現した。
  論文  参考訳（メタデータ） (2023-09-19T13:30:17Z)
• Multiobjective Hydropower Reservoir Operation Optimization with Transformer-Based Deep Reinforcement Learning [14.376630486051795]
  提案手法はコロラド川流域のミード湖とパウエル湖に適用される。 発電量は10.11%増加し、修正された年間比例流量の偏差は39.69%減少し、水道収入は4.10%増加した。
  論文  参考訳（メタデータ） (2023-07-11T10:38:31Z)
• Optimization of a Hydrodynamic Computational Reservoir through Evolution [58.720142291102135]
  我々は,スタートアップが開発中の流体力学系のモデルと,計算貯水池としてインターフェースする。 我々は、進化探索アルゴリズムを用いて、読み出し時間と入力を波の振幅や周波数にどのようにマッピングするかを最適化した。 この貯水池システムに進化的手法を適用することで、手作業パラメータを用いた実装と比較して、XNORタスクの分離性が大幅に向上した。
  論文  参考訳（メタデータ） (2023-04-20T19:15:02Z)
• Optimal scheduling of island integrated energy systems considering multi-uncertainties and hydrothermal simultaneous transmission: A deep reinforcement learning approach [3.900623554490941]
  電力や負荷による不確実性は、島々の様々な資源の安定的な需要供給に困難をもたらしている。 これらの課題に対処するため、島統合エネルギーシステム(IES)をモデル化した総合的なスケジューリングフレームワークを提案する。 島の淡水不足に対応するため, 海水淡水化システムの導入に加えて, 水熱同時送信(HST)の伝達構造を提案する。
  論文  参考訳（メタデータ） (2022-12-27T12:46:25Z)
• Applying Autonomous Hybrid Agent-based Computing to Difficult Optimization Problems [56.821213236215634]
  本稿では,EMASのハイブリッドバージョンを提案する。 これには、複数のハイブリッド演算子の選択と導入、およびメインアルゴリズムのハイブリッドステップを開始するためのルールの定義が含まれる。 これらのハイブリッドステップは、既存の、よく知られた、そして証明された、効率的なメタヒューリスティックスを活用し、その結果をメインのアルゴリズムに統合する。
  論文  参考訳（メタデータ） (2022-10-24T13:28:35Z)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)
• Optimisation of Large Wave Farms using a Multi-strategy Evolutionary Framework [1.4211973704803558]
  本研究の目的は, 完全潜水三重波エネルギー変換器(WEC)からなる大波農場の総利用電力を最大化することである。 大規模波動農場におけるWEC間の流体力学的相互作用の計算に費用がかかるため, 大規模波動農場のエネルギー最大化は困難な探索問題である。 本稿では, スマート初期化, バイナリ集団に基づく進化アルゴリズム, 離散局所探索, 連続的グローバル最適化を組み合わせた, ハイブリッドなマルチストラテジー進化フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-21T07:07:50Z)
• 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。