論文の概要: Predicting and Optimizing for Energy Efficient ACMV Systems: Computational Intelligence Approaches

• arxiv url: http://arxiv.org/abs/2205.00833v1
• Date: Tue, 19 Apr 2022 09:26:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-09 00:10:59.691379
• Title: Predicting and Optimizing for Energy Efficient ACMV Systems: Computational Intelligence Approaches
• Title（参考訳）: エネルギー効率の良いACMVシステムの予測と最適化:計算インテリジェンスアプローチ
• Authors: Deqing Zhai and Yeng Chai Soh
• Abstract要約: 2つの最適化アルゴリズムがシンガポールの2つの実例(総合オフィスと講義室/会議室のシナリオ)で提案され評価されている。 これまでの研究では、ニューラルネットワークを用いてエネルギー消費のモデルを開発し、よく訓練した。 BGPOとAFAの最高省エネレート(ESR)は、それぞれエネルギー効率の良いユーザの好みで-21%と-10%である。
• 参考スコア（独自算出の注目度）: 0.39160947065896795
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this study, a novel application of neural networks that predict thermal comfort states of occupants is proposed with accuracy over 95%, and two optimization algorithms are proposed and evaluated under two real cases (general offices and lecture theatres/conference rooms scenarios) in Singapore. The two optimization algorithms are Bayesian Gaussian process optimization (BGPO) and augmented firefly algorithm (AFA). Based on our earlier studies, the models of energy consumption were developed and well-trained through neural networks. This study focuses on using novel active approaches to evaluate thermal comfort of occupants and so as to solves a multiple-objective problem that aims to balance energy-efficiency of centralized air-conditioning systems and thermal comfort of occupants. The study results show that both BGPO and AFA are feasible to resolve this no prior knowledge-based optimization problem effectively. However, the optimal solutions of AFA are more consistent than those of BGPO at given sample sizes. The best energy saving rates (ESR) of BGPO and AFA are around -21% and -10% respectively at energy-efficient user preference for both Case 1 and Case 2. As a result, an potential benefit of S$1219.1 can be achieved annually for this experimental laboratory level in Singapore.
• Abstract（参考訳）: 本研究では, 住民の熱的快適状態を95%以上精度で予測するニューラルネットワークの新たな応用を提案し, シンガポールの2つの実例(総合オフィス・講義室・会議室シナリオ)で2つの最適化アルゴリズムを提案し, 評価した。 2つの最適化アルゴリズムはBayesian Gaussian Process Optimization (BGPO) と拡張ファイアフライアルゴリズム (AFA) である。 これまでの研究では、ニューラルネットワークを用いてエネルギー消費のモデルを開発し、よく訓練した。 本研究では, 集中型空調システムのエネルギー効率と使用者の熱快適性とをバランスさせることを目的とした多目的課題を解決すべく, 新たなアクティブアプローチを用いて, 使用者の熱快適性を評価することに焦点を当てた。 本研究は,bgpoとafaが共に,事前知識に基づく最適化問題を効果的に解決できることを示すものである。 しかし、AFAの最適解は、与えられたサンプルサイズで BGPO よりも一貫性がある。 BGPOとAFAの最高省エネレート(ESR)は、それぞれケース1とケース2の両方でエネルギー効率の良いユーザー好みで-21%と-10%である。 その結果、シンガポールのこの実験的な実験レベルでは、年間1219.1ドルの潜在的利益が得られる。

関連論文リスト

• Testing the Efficacy of Hyperparameter Optimization Algorithms in Short-Term Load Forecasting [0.0]
  我々は、Panaama Electricityデータセットを用いて、サロゲート予測アルゴリズムであるXGBoostのHPOアルゴリズムの性能を、精度(MAPE、$R2$)とランタイムで評価する。 その結果,Random SearchよりもHPOアルゴリズムが優れていることがわかった。
  論文  参考訳（メタデータ） (2024-10-19T09:08:52Z)
• The Firefighter Algorithm: A Hybrid Metaheuristic for Optimization Problems [3.2432648012273346]
  The Firefighter Optimization (FFO) algorithm is a new hybrid metaheuristic for optimization problem。 FFOの性能を評価するため、FFOは13の最適化アルゴリズムに対して広範な実験を行った。 その結果、FFOは比較性能を達成し、いくつかのシナリオでは、得られた適合性、正確性に要する時間、時間単位でカバーされる研究空間の点で、一般的に採用されている最適化アルゴリズムよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-06-01T18:38:59Z)
• Poisson Process for Bayesian Optimization [126.51200593377739]
  本稿では、Poissonプロセスに基づくランキングベースの代理モデルを提案し、Poisson Process Bayesian Optimization(PoPBO)と呼ばれる効率的なBOフレームワークを提案する。 従来のGP-BO法と比較すると,PoPBOはコストが低く,騒音に対する堅牢性も良好であり,十分な実験により検証できる。
  論文  参考訳（メタデータ） (2024-02-05T02:54:50Z)
• Federated Conditional Stochastic Optimization [110.513884892319]
  条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。 本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-04T01:47:37Z)
• Optimization Algorithms in Smart Grids: A Systematic Literature Review [4.301367153728695]
  本稿では,国内・産業分野におけるスマートグリッドの新たな特徴と応用について述べる。 具体的には、遺伝的アルゴリズム、Particle Swarm Optimization、Grey Wolf Optimizationに焦点を当てた。
  論文  参考訳（メタデータ） (2023-01-16T12:31:06Z)
• Evolving Pareto-Optimal Actor-Critic Algorithms for Generalizability and Stability [67.8426046908398]
  汎用性と安定性は,実世界における強化学習(RL)エージェントの運用において重要な2つの目的である。 本稿では,アクター・クリティック・ロス関数の自動設計法であるMetaPGを提案する。
  論文  参考訳（メタデータ） (2022-04-08T20:46:16Z)
• RSO: A Novel Reinforced Swarm Optimization Algorithm for Feature Selection [0.0]
  本稿では,Reinforced Swarm Optimization (RSO) という特徴選択アルゴリズムを提案する。 このアルゴリズムは、広く使われているBee Swarm Optimization (BSO)アルゴリズムとReinforcement Learning (RL)アルゴリズムを組み込んで、優れた検索エージェントの報酬を最大化し、劣悪なエージェントを罰する。 提案手法は、バランスの取れたデータと不均衡なデータの完全なブレンドを含む、広く知られている25のUCIデータセットで評価される。
  論文  参考訳（メタデータ） (2021-07-29T17:38:04Z)
• An Improved BAT Algorithm for Solving Job Scheduling Problems in Hotels and Restaurants [12.641474799416772]
  Batアルゴリズム(BA)は、Swarmインテリジェンスファミリーのメタヒューリスティックアルゴリズムの一般的な例である。 本稿では,コンバージェンスを高速化し,大規模アプリケーションでより実用的な手法を実現するため,オリジナルのBAの改良を行った。 改造BAはホテルやレストランの実際のジョブスケジューリング問題を解決するために適用された。
  論文  参考訳（メタデータ） (2021-07-25T09:46:52Z)
• Resource Planning for Hospitals Under Special Consideration of the COVID-19 Pandemic: Optimization and Sensitivity Analysis [87.31348761201716]
  新型コロナウイルス(covid-19)パンデミックのような危機は、医療機関にとって深刻な課題となる。 BaBSim.Hospitalは離散イベントシミュレーションに基づく容量計画ツールである。 BaBSim.Hospitalを改善するためにこれらのパラメータを調査し最適化することを目指しています。
  論文  参考訳（メタデータ） (2021-05-16T12:38:35Z)
• Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
  バイレベル最適化は多くの機械学習問題に対するツールである。 Stoc-BiO という新しい確率効率勾配推定器を提案する。
  論文  参考訳（メタデータ） (2020-10-15T18:09:48Z)
• 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。