論文の概要: Particle Swarm Optimization Based Demand Response Using Artificial
Neural Network Based Load Prediction
- arxiv url: http://arxiv.org/abs/2204.13990v1
- Date: Sat, 2 Apr 2022 00:26:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-09 06:45:46.170809
- Title: Particle Swarm Optimization Based Demand Response Using Artificial
Neural Network Based Load Prediction
- Title(参考訳): ニューラルネットワークによる負荷予測を用いた粒子群最適化に基づく需要応答
- Authors: Nasrin Bayat, Mehrdad Setayeshnazar
- Abstract要約: テキサス州オースチン市の住宅地の電気負荷と気候データは、ANNの入力として使用される。
その結果,提案モデルでは,支払いコストとピーク負荷を低減できることがわかった。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the present study, a Particle Swarm Optimization (PSO) based Demand
Response (DR) model, using Artificial Neural Network (ANN) to predict load is
proposed. The electrical load and climatological data of a residential area in
Austin city in Texas are used as the inputs of the ANN. Then, the outcomes with
the day-ahead prices data are used to solve the load shifting and cost
reduction problem. According to the results, the proposed model has the ability
to decrease payment costs and peak load.
- Abstract(参考訳): 本研究では,ニューラルネットワーク(ann)を用いた負荷予測のための粒子群最適化(pso)に基づく需要応答(dr)モデルを提案する。
テキサス州オースチン市の住宅地の電気負荷と気候データは、ANNの入力として使用される。
そして、日頭価格データによる結果を用いて、負荷シフトおよびコスト削減問題を解決する。
その結果,提案モデルでは,支払いコストとピーク負荷を低減できることがわかった。
関連論文リスト
- ResoNet: Robust and Explainable ENSO Forecasts with Hybrid Convolution
and Transformer Networks [47.60320586459432]
ディープラーニングモデルは、1.5年以上前にEl Nino-Southern Oscillation(ENSO)の予測を巧みに予測することができる。
本稿では,畳み込みニューラルネットワーク(CNN)とトランスフォーマーアーキテクチャを組み合わせたDLモデルResoNetを提案する。
ResoNetは、19~26ヶ月のリードタイムでESNOを確実に予測できることを示し、予測の地平線の観点から既存のアプローチよりも優れていることを示す。
論文 参考訳(メタデータ) (2023-12-16T12:12:31Z) - Graph Neural Networks for Pressure Estimation in Water Distribution
Systems [44.99833362998488]
水分配ネットワーク(WDN)における圧力と流量の推定により、水管理会社は制御操作を最適化できる。
物理に基づくモデリングとデータ駆動型アプローチであるグラフニューラルネットワーク(GNN)を組み合わせて,圧力推定問題に対処する。
我々のGNNモデルでは、オランダの大規模WDNの圧力は1.94mH$O、MAPEは7%と見積もられている。
論文 参考訳(メタデータ) (2023-11-17T15:30:12Z) - Equitable Time-Varying Pricing Tariff Design: A Joint Learning and
Optimization Approach [0.0]
時変価格の関税は、消費者に電力需要のシフトとコスト削減を動機付けるが、応答能力に制限のある消費者のエネルギー負担を増大させる可能性がある。
本稿では,適切な時間変動関税を設計するための共同学習に基づく識別と最適化手法を提案する。
論文 参考訳(メタデータ) (2023-07-26T20:14:23Z) - An advanced spatio-temporal convolutional recurrent neural network for
storm surge predictions [73.4962254843935]
本研究では, 人工ニューラルネットワークモデルを用いて, 嵐の軌跡/規模/強度履歴に基づいて, 強風をエミュレートする能力について検討する。
本研究では, 人工嵐シミュレーションのデータベースを用いて, 強風を予測できるニューラルネットワークモデルを提案する。
論文 参考訳(メタデータ) (2022-04-18T23:42:18Z) - High-Resolution Peak Demand Estimation Using Generalized Additive Models
and Deep Neural Networks [0.0]
低分解能データを用いた高分解能ピーク需要推定法を提案する。
この技術は、イギリスの流通ネットワークオペレーターであるWestern Power Distributionが主催するデータコンペティションで優勝した。
論文 参考訳(メタデータ) (2022-03-07T12:39:59Z) - Enhanced physics-constrained deep neural networks for modeling vanadium
redox flow battery [62.997667081978825]
本稿では,物理制約付き深部ニューラルネットワーク(PCDNN)による高精度電圧予測手法を提案する。
ePCDNNは、電圧放電曲線のテール領域を含む電荷放電サイクルを通して、電圧応答を正確にキャプチャすることができる。
論文 参考訳(メタデータ) (2022-03-03T19:56:24Z) - Neural Capacitance: A New Perspective of Neural Network Selection via
Edge Dynamics [85.31710759801705]
現在の実践は、性能予測のためのモデルトレーニングにおいて高価な計算コストを必要とする。
本稿では,学習中のシナプス接続(エッジ)上の制御ダイナミクスを解析し,ニューラルネットワーク選択のための新しいフレームワークを提案する。
我々のフレームワークは、ニューラルネットワークトレーニング中のバックプロパゲーションがシナプス接続の動的進化と等価であるという事実に基づいて構築されている。
論文 参考訳(メタデータ) (2022-01-11T20:53:15Z) - SPAP: Simultaneous Demand Prediction and Planning for Electric Vehicle
Chargers in a New City [19.95343057352923]
運用データ不足に対するEV充電器の実際の展開前に充電要求を予測することは困難である。
本稿では,この問題を解決するために,同時需要予測・計画(SPAP)を提案する。
SPAPは、現実世界の充電器の展開と比較して、最低でも72.5%の収益を上げている。
論文 参考訳(メタデータ) (2021-10-18T16:42:42Z) - On the Quality Requirements of Demand Prediction for Dynamic Public
Transport [17.468038732862883]
非バイアス雑音分布による需要予測における誤差をシミュレートする。
ノイズの多い予測を用いて、要求応答型PTフリートをシミュレートし、最適化する。
動的ルーティングは、静的ルーティングと比較して、トリップ時間を少なくとも23%削減できる。
論文 参考訳(メタデータ) (2020-08-31T09:05:05Z) - A latent variable approach to heat load prediction in thermal grids [10.973034520723957]
この方法はスウェーデンのルリアにある1つの多層住宅に適用される。
結果は、人工ニューラルネットワークを用いた予測と比較される。
論文 参考訳(メタデータ) (2020-02-13T09:21:17Z) - NeurOpt: Neural network based optimization for building energy
management and climate control [58.06411999767069]
モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。
イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
論文 参考訳(メタデータ) (2020-01-22T00:51:03Z)
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。