論文の概要: Optimizing a domestic battery and solar photovoltaic system with deep
reinforcement learning
- arxiv url: http://arxiv.org/abs/2109.05024v1
- Date: Fri, 10 Sep 2021 10:59:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-19 00:10:06.109186
- Title: Optimizing a domestic battery and solar photovoltaic system with deep
reinforcement learning
- Title(参考訳): 深部強化学習による家庭用電池・太陽光発電システムの最適化
- Authors: Alexander J. M. Kell, A. Stephen McGough, Matthew Forshaw
- Abstract要約: バッテリーと太陽光発電システムのコストの低下は、ソーラーバッテリーの家庭用システムの増加に繋がった。
本研究では,システム内の電池の充電および放電挙動を最適化するために,深い決定論的ポリシーアルゴリズムを用いる。
- 参考スコア(独自算出の注目度): 69.68068088508505
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A lowering in the cost of batteries and solar PV systems has led to a high
uptake of solar battery home systems. In this work, we use the deep
deterministic policy gradient algorithm to optimise the charging and
discharging behaviour of a battery within such a system. Our approach outputs a
continuous action space when it charges and discharges the battery, and can
function well in a stochastic environment. We show good performance of this
algorithm by lowering the expenditure of a single household on electricity to
almost \$1AUD for large batteries across selected weeks within a year.
- Abstract(参考訳): バッテリーのコストと太陽光発電システムのコストの低下は、ソーラーバッテリーのホームシステムの増加につながった。
本研究では,システム内の電池の充電・放電挙動を最適化するために,深い決定論的ポリシー勾配アルゴリズムを用いる。
提案手法は, 電池の充電および放電時に連続的な動作空間を出力し, 確率的環境下でよく機能する。
このアルゴリズムは、1年以内に1世帯あたりの電力消費を1週間に1,100ドル程度に抑えることで、優れた性能を示している。
関連論文リスト
- BatSort: Enhanced Battery Classification with Transfer Learning for Battery Sorting and Recycling [42.453194049264646]
バッテリータイプ分類のための機械学習に基づくアプローチを導入し、アプリケーションにおけるデータ不足の問題に対処する。
本研究では,大規模なデータセットに最適化された既存の知識を活用するために移動学習を適用したBatSortを提案する。
実験の結果,BatSortの精度は平均92.1%,最大96.2%であった。
論文 参考訳(メタデータ) (2024-04-08T18:05:24Z) - Attentive Convolutional Deep Reinforcement Learning for Optimizing
Solar-Storage Systems in Real-Time Electricity Markets [5.1888966391612605]
本研究では,太陽エネルギー貯蔵システム(BESS)の相乗効果について検討し,BESSがその経済的な可能性を解き放つための戦略を立案する。
我々は,注意機構(AC)と多粒度特徴畳み込みを利用した,新しい深層強化学習(DRL)アルゴリズムを開発した。
論文 参考訳(メタデータ) (2024-01-29T03:04:43Z) - EV-EcoSim: A grid-aware co-simulation platform for the design and
optimization of electric vehicle charging infrastructure [1.3271805797333298]
EV-EcoSimは電気自動車の充電、バッテリーシステム、ソーラー太陽光発電システム、グリッドトランスフォーマー、制御戦略、配電システムを組み合わせたシミュレーションプラットフォームである。
このピソンベースのプラットフォームは、リアルタイム操作のための後退地平線制御スキームと、計画問題のためのワンショット制御スキームを実行することができる。
本研究では,電気自動車充電施設の計画において,電池の完全性は決定を完全に変えることができることを示す。
論文 参考訳(メタデータ) (2024-01-09T18:08:34Z) - Deep Reinforcement Learning for Community Battery Scheduling under
Uncertainties of Load, PV Generation, and Energy Prices [5.694872363688119]
本稿では,不確実性が存在する場合に,コミュニティバッテリーシステムのスケジューリングを行うための深層強化学習(RL)戦略を提案する。
コミュニティバッテリーは、ローカルPVエネルギーの統合、ピーク負荷の低減、および調停のためのエネルギー価格変動の活用において、多用途の役割を担っている。
論文 参考訳(メタデータ) (2023-12-04T13:45:17Z) - Sustainable AIGC Workload Scheduling of Geo-Distributed Data Centers: A
Multi-Agent Reinforcement Learning Approach [48.18355658448509]
生成的人工知能の最近の進歩は、機械学習トレーニングの需要が急増し、エネルギー消費の大幅な増加によるコスト負担と環境問題を引き起こしている。
地理的に分散したクラウドデータセンタ間でのトレーニングジョブのスケジューリングは、安価で低炭素エネルギーのコンピューティング能力の使用を最適化する機会を浮き彫りにする。
本研究では,実生活におけるワークロードパターン,エネルギー価格,炭素強度を組み込んだクラウドシステムと対話することで,マルチエージェント強化学習とアクタクリティカルな手法に基づく最適協調スケジューリング戦略の学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-04-17T02:12:30Z) - Data-driven soiling detection in PV modules [58.6906336996604]
太陽光発電モジュールの土質比を推定する問題について検討した。
私たちのアルゴリズムの重要な利点は、ラベル付きデータでトレーニングする必要がない、土壌を推定することです。
実験により, 土質比を推定するための工法として, 現状を著しく上回っていることが明らかとなった。
論文 参考訳(メタデータ) (2023-01-30T14:35:47Z) - CellDefectNet: A Machine-designed Attention Condenser Network for
Electroluminescence-based Photovoltaic Cell Defect Inspection [67.99623869339919]
太陽電池の視覚検査で業界が直面している大きな課題は、現在人間の検査員が手動で行っていることである。
本研究では,機械駆動設計探索により設計した高効率アテンションコンデンサネットワークであるCellDefectNetを紹介する。
発光画像を用いた太陽電池セルの多様性を示すベンチマークデータセット上で,セルデフェクトネットの有効性を実証した。
論文 参考訳(メタデータ) (2022-04-25T16:35:19Z) - Battery Cloud with Advanced Algorithms [1.7205106391379026]
バッテリクラウドまたはクラウドバッテリ管理システムは、クラウド計算パワーとデータストレージを活用して、バッテリ安全性、パフォーマンス、経済性を改善する。
この研究は、電気自動車やエネルギー貯蔵システムから計測されたバッテリーデータを収集するバッテリクラウドを提示する。
論文 参考訳(メタデータ) (2022-03-07T21:56:17Z) - Overcoming limited battery data challenges: A coupled neural network
approach [0.0]
深層ニューラルネットワークを用いた時系列バッテリデータ拡張手法を提案する。
あるモデルはバッテリ充電プロファイルを生成し、別のモデルはバッテリ放電プロファイルを生成する。
その結果,バッテリーデータに制限がある場合の問題点を解消するために,本手法の有効性が示された。
論文 参考訳(メタデータ) (2021-10-05T16:17:19Z) - State-of-Charge Estimation of a Li-Ion Battery using Deep Forward Neural
Networks [68.8204255655161]
リチウムイオン電池のためのDeep Forward Networkを構築し,その性能評価を行った。
本研究の貢献はリチウムイオン電池用ディープフォワードネットワークの構築手法とその性能評価である。
論文 参考訳(メタデータ) (2020-09-20T23:47:11Z)
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。