論文の概要: Wind Farm Layout Optimisation using Set Based Multi-objective Bayesian Optimisation

• arxiv url: http://arxiv.org/abs/2203.17065v2
• Date: Fri, 1 Apr 2022 15:26:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-04 11:29:14.537118
• Title: Wind Farm Layout Optimisation using Set Based Multi-objective Bayesian Optimisation
• Title（参考訳）: 集合に基づく多目的ベイズ最適化を用いた風力発電レイアウト最適化
• Authors: Tinkle Chugh and Endi Ymeraj
• Abstract要約: 風力発電エネルギーの欠点の1つは、風力発電所を設置するのに必要な大きな空間である。 これは自然に最適化の問題につながるが、これは3つの特定の課題がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Wind energy is one of the cleanest renewable electricity sources and can help in addressing the challenge of climate change. One of the drawbacks of wind-generated energy is the large space necessary to install a wind farm; this arises from the fact that placing wind turbines in a limited area would hinder their productivity and therefore not be economically convenient. This naturally leads to an optimisation problem, which has three specific challenges: (1) multiple conflicting objectives (2) computationally expensive simulation models and (3) optimisation over design sets instead of design vectors. The first and second challenges can be addressed by using surrogate-assisted e.g.\ Bayesian multi-objective optimisation. However, the traditional Bayesian optimisation cannot be applied as the optimisation function in the problem relies on design sets instead of design vectors. This paper extends the applicability of Bayesian multi-objective optimisation to set based optimisation for solving the wind farm layout problem. We use a set-based kernel in Gaussian process to quantify the correlation between wind farms (with a different number of turbines). The results on the given data set of wind energy and direction clearly show the potential of using set-based Bayesian multi-objective optimisation.
• Abstract（参考訳）: 風力エネルギーは最もクリーンな再生可能エネルギー源の1つであり、気候変動の課題に対応するのに役立つ。 風力発電の欠点の1つは風力発電所を設置するために必要な広い空間である。これは限られた地域に風力タービンを置くことが生産性を阻害し、経済的に便利ではないという事実から生じる。 これは自然に最適化問題につながり、(1)複数の矛盾する目的(2)計算コストのかかるシミュレーションモデル、(3)設計ベクトルではなく設計集合の最適化という3つの課題がある。 第1および第2の課題は、例えば\ bayesian multi-objective optimization(英語版)のようなsurrogateの支援によって解決できる。 しかし、問題の最適化関数は設計ベクトルではなく設計集合に依存するため、伝統的なベイズ最適化は適用できない。 本稿では,風力発電レイアウト問題の解法として,ベイズ多目的最適化の適用性を拡張した。 ガウス過程におけるセットベースのカーネルを用いて風力発電所(タービンの数が異なる)間の相関を定量化する。 風力エネルギーと方向の与えられたデータセットの結果は、セットベースベイズ多目的最適化の可能性を明らかに示している。

関連論文リスト

• Large-Batch, Iteration-Efficient Neural Bayesian Design Optimization [37.339567743948955]
  本稿では,BOの限界に対処するための新しいベイズ最適化フレームワークを提案する。 我々の重要な貢献は、高度にスケーラブルでサンプルベースの取得機能であり、非支配的な目的のソートを実行する。 我々は,ベイズ型ニューラルネットワークサロゲートと組み合わせることで,最小限の反復数でデータ集約環境に有効であることを示す。
  論文  参考訳（メタデータ） (2023-06-01T19:10:57Z)
• Evolutionary Solution Adaption for Multi-Objective Metal Cutting Process Optimization [59.45414406974091]
  我々は,従来の最適化タスクから解を転送するアルゴリズムの能力を研究することのできる,システムの柔軟性のためのフレームワークを提案する。 NSGA-IIの柔軟性を2つの変種で検討し,1)2つのタスクの解を同時に最適化し,より適応性が高いと期待されるソース間の解を得る,2)活性化あるいは非活性化の異なる可能性に対応する能動的非アクティブなジェノタイプについて検討した。 その結果,標準NSGA-IIによる適応は目標目標への最適化に必要な評価回数を大幅に削減し,提案した変種は適応コストをさらに向上することがわかった。
  論文  参考訳（メタデータ） (2023-05-31T12:07:50Z)
• Efficient Quality Diversity Optimization of 3D Buildings through 2D Pre-optimization [101.18253437732933]
  品質多様性アルゴリズムは、エンジニアの直感を伝える様々なソリューションセットを作成するために使用することができる。 しかし、品質の多様性は、非常に高価な問題では効率的ではない。 品質の多様性のあるトレーニングデータを生成することで、より優れた機械学習モデルを作成できることを示します。
  論文  参考訳（メタデータ） (2023-03-28T11:20:59Z)
• Movement Penalized Bayesian Optimization with Application to Wind Energy Systems [84.7485307269572]
  文脈ベイズ最適化(CBO)は、与えられた側情報を逐次決定する強力なフレームワークである。 この設定では、学習者は各ラウンドでコンテキスト(天気条件など)を受け取り、アクション(タービンパラメータなど)を選択する必要がある。 標準的なアルゴリズムは、すべてのラウンドで意思決定を切り替えるコストを前提としませんが、多くの実用的なアプリケーションでは、このような変更に関連するコストが最小化されるべきです。
  論文  参考訳（メタデータ） (2022-10-14T20:19:32Z)
• Optimization of the Shape of a Hydrokinetic Turbine's Draft Tube and Hub Assembly Using Design-by-Morphing with Bayesian Optimization [0.0]
  流体力学や空力面の最適設計を見つけることは、コスト関数を評価するコストがかかるため、しばしば不可能である。 デザイン・バイ・モーフィング(DbM)と呼ばれるモーフィングを用いてデザイン空間を作成する手法を提案する。 本研究では,水力タービンの出力を最大化するために,この形状最適化手法を適用した。
  論文  参考訳（メタデータ） (2022-07-23T07:39:27Z)
• Multi-objective robust optimization using adaptive surrogate models for problems with mixed continuous-categorical parameters [0.0]
  ロバスト設計の最適化は、不確実性が主に目的関数に影響を与える場合、伝統的に考慮されている。 結果として生じるネスト最適化問題は、非支配的ソート遺伝的アルゴリズム(NSGA-II)において、汎用的な解法を用いて解決することができる。 提案手法は、適応的に構築されたKrigingモデルを用いて、NSGA-IIを順次実行し、量子を推定する。
  論文  参考訳（メタデータ） (2022-03-03T20:23:18Z)
• Measuring Wind Turbine Health Using Drifting Concepts [55.87342698167776]
  風力タービンの健全性解析のための2つの新しい手法を提案する。 第1の方法は、比較的高低電力生産の減少または増加を評価することを目的とする。 第2の方法は抽出された概念の全体的ドリフトを評価する。
  論文  参考訳（メタデータ） (2021-12-09T14:04:55Z)
• Inverse design optimization framework via a two-step deep learning approach: application to a wind turbine airfoil [0.0]
  所望の目標性能分布が特定されるため, 逆設計は空力設計において計算的に効率的である。 提案手法は,能動的学習と伝達学習を応用し,精度と効率を向上させる。 最適化の結果、このフレームワークは十分正確で効率的で柔軟性があり、他の逆設計工学アプリケーションに適用できることが示されている。
  論文  参考訳（メタデータ） (2021-08-19T05:00:08Z)
• Scalable Optimization for Wind Farm Control using Coordination Graphs [5.56699571220921]
  風力発電の制御装置は、グリッドオペレータによって課される電力需要と農場の電力生産を一致させるために必要である。 風力タービン間の複雑な依存関係が存在するため、これは非自明な最適化問題である。 本研究では,スパースな風力場構造を利用して最適化問題を推定する風力場制御の新しい学習方法を提案する。
  論文  参考訳（メタデータ） (2021-01-19T20:12:30Z)
• An Empirical Study of Assumptions in Bayesian Optimisation [61.19427472792523]
  本研究では,ベイズ最適化に固有の従来的および非慣習的仮定を厳密に分析する。 超パラメータチューニングタスクの大多数は、不均一性と非定常性を示すと結論付けている。 これらの発見が実践者およびこの分野のさらなる研究の指針となることを願っている。
  論文  参考訳（メタデータ） (2020-12-07T16:21:12Z)
• The multi-objective optimisation of breakwaters using evolutionary approach [62.997667081978825]
  工学的な実践では、港や海岸の既存の保護施設の有効性を高めることがしばしば必要である。 本稿では, ブレークウォーター最適化のための多目的進化的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-04-06T21:48:01Z)

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。