Fugu-MT 論文翻訳(概要): Particle Swarm Optimization Based Demand Response Using Artificial Neural Network Based Load Prediction

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

Physics-Informed Neural Network for Concrete Manufacturing Process Optimization [0.8249694498830561]
本稿では、PINN(Physics Informed Neural Networks)が与えられた状況でどのように役立つかを明らかにする。この研究の結果は、PINNがデータセットを減らしてもどれだけうまく機能したかを強調している。
論文参考訳（メタデータ） (2024-08-24T02:04:12Z)
Atmospheric Transport Modeling of CO$_2$ with Neural Networks [46.26819563674888]
大気中のCO$の分布を大気トレーサー輸送モデルで正確に記述することは、温室効果ガスモニタリングおよび検証支援システムに不可欠である。大きな深層ニューラルネットワークは、大気の3Dモデリングを必要とする気象予報に革命を起こす可能性がある。本研究では,気象予測の最先端として実証された4種類の深層ニューラルネットワークについて検討し,大気トレーサー輸送モデルの有用性について検討した。
論文参考訳（メタデータ） (2024-08-20T17:33:20Z)
Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
論文参考訳（メタデータ） (2024-07-18T15:44:23Z)
Learning and Optimization for Price-based Demand Response of Electric Vehicle Charging [0.9124662097191375]
PBDRモデリングのための新しい意思決定型エンドツーエンドフレームワークを提案する。 EV客のPBDRパターンを用いた充電ステーション運転シミュレーションにおける本手法の有効性を評価する。
論文参考訳（メタデータ） (2024-04-16T06:39:30Z)
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)
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)
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)
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。