論文の概要: Evolutionary scheduling of university activities based on consumption
forecasts to minimise electricity costs
- arxiv url: http://arxiv.org/abs/2202.12595v1
- Date: Fri, 25 Feb 2022 10:18:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-28 20:18:37.291021
- Title: Evolutionary scheduling of university activities based on consumption
forecasts to minimise electricity costs
- Title（参考訳）: 電力コスト最小化のための消費予測に基づく大学活動の進化スケジューリング
- Authors: Julian Ruddick, Evgenii Genov, Luis Ramirez Camargo, Thierry
Coosemans, Maarten Messagie
- Abstract要約: 本稿では,大学キャンパスの電力コスト削減を目標とする予測・最適化問題の解法を提案する。
提案手法は,多次元時系列予測と大規模最適化の新しいアプローチを組み合わせたものである。
- 参考スコア（独自算出の注目度）: 0.9449650062296824
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a solution to a predict then optimise problem which goal
is to reduce the electricity cost of a university campus. The proposed
methodology combines a multi-dimensional time series forecast and a novel
approach to large-scale optimization. Gradient-boosting method is applied to
forecast both generation and consumption time-series of the Monash university
campus for the month of November 2020. For the consumption forecasts we employ
log transformation to model trend and stabilize variance. Additional
seasonality and trend features are added to the model inputs when applicable.
The forecasts obtained are used as the base load for the schedule optimisation
of university activities and battery usage. The goal of the optimisation is to
minimize the electricity cost consisting of the price of electricity and the
peak electricity tariff both altered by the load from class activities and
battery use as well as the penalty of not scheduling some optional activities.
The schedule of the class activities is obtained through evolutionary
optimisation using the covariance matrix adaptation evolution strategy and the
genetic algorithm. This schedule is then improved through local search by
testing possible times for each activity one-by-one. The battery schedule is
formulated as a mixed-integer programming problem and solved by the Gurobi
solver. This method obtains the second lowest cost when evaluated against 6
other methods presented at an IEEE competition that all used mixed-integer
programming and the Gurobi solver to schedule both the activities and the
battery use.
- Abstract（参考訳）: 本稿では,大学キャンパスの電力コスト削減を目標とする予測・最適化問題の解法を提案する。
提案手法は,多次元時系列予測と大規模最適化の新しいアプローチを組み合わせたものである。
グラデーションブースティングはモナシュ大学のキャンパスで2020年11月に発生と消費の両方の時系列を予測するために適用される。
消費予測には、トレンドをモデル化し分散を安定化するためにログ変換を用いる。
適用すると、モデル入力に季節性やトレンド機能が追加される。
得られた予測は、大学活動のスケジュール最適化とバッテリ使用のベース負荷として使用される。
最適化の目的は、電力価格とピーク電力関税の両方が、クラス活動とバッテリー使用の負荷によって変化することによる電力コストの最小化と、任意の活動のスケジューリングを行わないことのペナルティを目標とする。
クラス活動のスケジュールは共分散行列適応進化戦略と遺伝的アルゴリズムを用いて進化の最適化によって得られる。
このスケジュールは、各アクティビティの可能な時間を1回ずつテストすることで、ローカル検索を通じて改善される。
バッテリースケジュールは混合整数プログラミング問題として定式化され、Gurobiソルバによって解決される。
IEEEコンペティションで提示された他の6つのメソッドに対して,いずれも混合整数プログラミングとGurobiソルバを使用して,アクティビティとバッテリ使用の両方をスケジュールする2番目のコストを求める。
関連論文リスト
- Online Distributional Regression [0.0]
大規模ストリーミングデータは、現代の機械学習アプリケーションで一般的である。
サプライチェーン管理、気象学、気象学など多くの分野が確率論的予測を用いている。
本稿では,正規化線形分布モデルのオンライン推定手法を提案する。
論文 参考訳（メタデータ） (2024-06-26T16:04:49Z) - Energy-Efficient Scheduling with Predictions [4.662349748983561]
エネルギー効率のスケジューリングにおいて、オペレーティングシステムは、マシンがジョブを処理する速度を制御する。
学習強化アルゴリズムの最近の研究は、予測を利用して性能保証を改善することを目的としている。
所望のエネルギー効率スケジューリング問題に対して、オフラインとオンラインのアルゴリズムを入力として、フレキシブルな学習強化アルゴリズムフレームワークを提供する。
論文 参考訳（メタデータ） (2024-02-27T02:13:32Z) - Learning-assisted Stochastic Capacity Expansion Planning: A Bayesian Optimization Approach [3.124884279860061]
大規模容量拡大問題(CEP)は、地域エネルギーシステムのコスト効率の高い脱炭の中心である。
本稿では,2段階のCEPを抽出する学習支援近似解法を提案する。
本手法では, 直列集約法と比較して最大3.8%のコスト削減効果が得られた。
論文 参考訳（メタデータ） (2024-01-19T01:40:58Z) - Dynamic Scheduling for Federated Edge Learning with Streaming Data [56.91063444859008]
我々は,長期的エネルギー制約のある分散エッジデバイスにおいて,トレーニングデータを時間とともにランダムに生成するフェデレーションエッジ学習(FEEL)システムを検討する。
限られた通信リソースとレイテンシ要件のため、各イテレーションでローカルトレーニングプロセスに参加するのはデバイスのサブセットのみである。
論文 参考訳（メタデータ） (2023-05-02T07:41:16Z) - Towards Compute-Optimal Transfer Learning [82.88829463290041]
我々は、事前訓練されたモデルのゼロショット構造化プルーニングにより、性能を最小限に抑えて計算効率を向上させることができると主張している。
その結果,事前訓練されたモデルの畳み込み畳み込みフィルタは,低計算条件下で20%以上の性能向上をもたらす可能性が示唆された。
論文 参考訳（メタデータ） (2023-04-25T21:49:09Z) - Comparison and Evaluation of Methods for a Predict+Optimize Problem in
Renewable Energy [42.00952788334554]
本稿では2021年に開催されたIEEE-CIS Technical Challenge on Predict+ for Renewable Energy Schedulingについて述べる。
コンペティションにおける上位7つのソリューションの比較と評価を行う。
勝算法は異なるシナリオを予測し、サンプル平均近似法を用いて全てのシナリオに最適化した。
論文 参考訳（メタデータ） (2022-12-21T02:34:12Z) - Approaching sales forecasting using recurrent neural networks and
transformers [57.43518732385863]
深層学習技術を用いて,日・店・店レベルでの顧客販売予測問題に対処する3つの方法を開発した。
実験結果から,データ前処理を最小限に抑えた単純なシーケンスアーキテクチャを用いて,優れた性能を実現することができることを示す。
提案した解は約0.54の RMSLE を達成し、Kaggle コンペティションで提案された問題に対する他のより具体的な解と競合する。
論文 参考訳（メタデータ） (2022-04-16T12:03:52Z) - 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) - Automatic Tuning of Stochastic Gradient Descent with Bayesian
Optimisation [8.340191147575307]
我々は,潜在ガウス過程と自己回帰的定式化に基づく,オプティマイザのトレースに対する元の確率モデルを導入する。
新しい学習率値によって引き起こされる行動の急激な変化に柔軟に調整する。
まず、コールドスタート実行のための学習率のオンライン適応のために、次に、同様のタスクセットのスケジュールを調整し、新しいタスクのためにウォームスタートするために、一連の問題に取り組むのが適しています。
論文 参考訳（メタデータ） (2020-06-25T13:18:18Z) - Global Optimization of Gaussian processes [52.77024349608834]
少数のデータポイントで学習したガウス過程を訓練した空間定式化を提案する。
このアプローチはまた、より小さく、計算的にもより安価なサブソルバを低いバウンディングに導く。
提案手法の順序の順序による時間収束を,総じて低減する。
論文 参考訳（メタデータ） (2020-05-21T20:59:11Z)
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。