論文の概要: Optimal Cycling of a Heterogenous Battery Bank via Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2109.07137v1
• Date: Wed, 15 Sep 2021 07:51:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-16 14:56:20.623838
• Title: Optimal Cycling of a Heterogenous Battery Bank via Reinforcement Learning
• Title（参考訳）: 強化学習による異種電池バンクの最適サイクリング
• Authors: Vivek Deulkar and Jayakrishnan Nair
• Abstract要約: 我々は、発電・需要プロセスによって駆動される異種電池ユニットのバンクの最適充電・放電の問題を考える。 バッテリーバンクのバッテリーは、容量、制約、損失、自転車コストなどによって異なる可能性がある。 最適解を学習するための線形関数近似に基づくQ-ラーニングアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 5.096724740354125
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider the problem of optimal charging/discharging of a bank of heterogenous battery units, driven by stochastic electricity generation and demand processes. The batteries in the battery bank may differ with respect to their capacities, ramp constraints, losses, as well as cycling costs. The goal is to minimize the degradation costs associated with battery cycling in the long run; this is posed formally as a Markov decision process. We propose a linear function approximation based Q-learning algorithm for learning the optimal solution, using a specially designed class of kernel functions that approximate the structure of the value functions associated with the MDP. The proposed algorithm is validated via an extensive case study.
• Abstract（参考訳）: 我々は、確率的発電と需要プロセスによって駆動される異種電池のバンクの最適充電/放電の問題を考える。 バッテリーバンクのバッテリーは、容量、ランプの制約、損失、およびサイクリングコストに関して異なる可能性がある。 目標は、長期間のバッテリーサイクルに伴う劣化コストを最小化することであり、これは正式にマルコフ決定プロセスとして実行される。 本稿では,MDPに関連付けられた値関数の構造を近似したカーネル関数のクラスを用いて,最適解を学習するための線形関数近似に基づくQ-ラーニングアルゴリズムを提案する。 提案アルゴリズムは広範なケーススタディによって検証される。

関連論文リスト

• Battery GraphNets : Relational Learning for Lithium-ion Batteries(LiBs) Life Estimation [0.0]
  本稿では、バッテリパラメータ間で独立した依存性グラフ構造を組み込むことを共同で学習するバッテリグラフネットワークフレームワークを提案する。 提案手法は,市販のバッテリデータセットにおいて,いくつかの一般的な手法よりも優れた性能を示し,SOTA性能を実現する。
  論文  参考訳（メタデータ） (2024-08-14T15:44:56Z)
• Deep-MPC: A DAGGER-Driven Imitation Learning Strategy for Optimal Constrained Battery Charging [5.192596329990163]
  本論文は,従来の電池充電の予測制御戦略にまつわる課題に対処する革新的な手法を提案する。 電気化学モデルを組み込んだ実用的な電池シミュレータから得られた結果は、電池充電性能の大幅な改善を浮き彫りにした。
  論文  参考訳（メタデータ） (2024-06-23T02:36:02Z)
• Depth analysis of battery performance based on a data-driven approach [5.778648596769691]
  容量の減少は、細胞の応用における最も難解な問題の1つである。 サイクルを通してのセルの容量変化を機械学習技術を用いて予測する。
  論文  参考訳（メタデータ） (2023-08-30T08:15:27Z)
• Adaptive Planning Search Algorithm for Analog Circuit Verification [53.97809573610992]
  シミュレーションの少ない機械学習(ML)アプローチを提案する。 提案手法により,OCCを全回路の仕様に近づけることができることを示す。
  論文  参考訳（メタデータ） (2023-06-23T12:57:46Z)
• GP CC-OPF: Gaussian Process based optimization tool for Chance-Constrained Optimal Power Flow [54.94701604030199]
  Gaussian Process (GP) ベースのChance-Constrained Optimal Flow (CC-OPF) は、電力グリッドにおけるエコノミックディスパッチ(ED)問題のためのオープンソースのPythonコードである。 CC-OPモデルに基づく新しいデータ駆動手法を提案し,複雑性と精度のトレードオフにより大規模な回帰問題を解く。
  論文  参考訳（メタデータ） (2023-02-16T17:59:06Z)
• Unsupervised Optimal Power Flow Using Graph Neural Networks [172.33624307594158]
  グラフニューラルネットワークを用いて、要求された電力と対応するアロケーションとの間の非線形パラメトリゼーションを学習する。 シミュレーションを通して、この教師なし学習コンテキストにおけるGNNの使用は、標準解法に匹敵するソリューションにつながることを示す。
  論文  参考訳（メタデータ） (2022-10-17T17:30:09Z)
• A Deep Reinforcement Learning-Based Charging Scheduling Approach with Augmented Lagrangian for Electric Vehicle [2.686271754751717]
  本稿では,EV充電スケジューリング問題を制約付きマルコフ決定過程(CMDP)として定式化する。 本稿では, CMDP を解くために, 安全な非政治強化学習(RL)手法を提案する。 実世界の電力価格を用いた総合的な数値実験により,提案アルゴリズムは高解最適性と制約コンプライアンスを実現することができることを示した。
  論文  参考訳（メタデータ） (2022-09-20T14:56:51Z)
• Data-Driven Chance Constrained AC-OPF using Hybrid Sparse Gaussian Processes [57.70237375696411]
  入力不確実性を伴う潮流方程式をモデル化するために,スパースプロセスとハイブリッドガウスプロセス(GP)フレームワークを用いた高速データ駆動構成を提案する。 提案手法の有効性は,複数のIEEEテストケースに対して,最大2倍の高速かつ高精度な解を示す数値的な研究によって主張する。
  論文  参考訳（メタデータ） (2022-08-30T09:27:59Z)
• Microgrid Day-Ahead Scheduling Considering Neural Network based Battery Degradation Model [0.42970700836450487]
  バッテリエネルギー貯蔵システム(BESS)は、再生可能エネルギー発生の不確実性を効果的に軽減することができる。 LiB劣化の主な原因は、Li防止効果の喪失、電解質の喪失、電池内部の劣化である。 本稿では, ニューラルネットワークを用いた電池劣化モデルを提案し, 劣化要因の入力による劣化の定量化を行う。
  論文  参考訳（メタデータ） (2022-02-24T23:24:52Z)
• Optimizing a domestic battery and solar photovoltaic system with deep reinforcement learning [69.68068088508505]
  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。
  論文  参考訳（メタデータ） (2021-09-10T10:59:14Z)
• 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)

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。