論文の概要: On Evaluating Power Loss with HATSGA Algorithm for Power Network Reconfiguration in the Smart Grid

• arxiv url: http://arxiv.org/abs/2205.10126v1
• Date: Sat, 14 May 2022 22:05:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-06 07:26:37.402784
• Title: On Evaluating Power Loss with HATSGA Algorithm for Power Network Reconfiguration in the Smart Grid
• Title（参考訳）: スマートグリッドにおける電力ネットワーク再構成のためのHATSGAアルゴリズムによる電力損失評価
• Authors: Flavio Galvao Calhau, Alysson Pezzutti and Joberto S. B. Martins
• Abstract要約: 本稿では,電力ネットワーク再構成アルゴリズムHATSGAの「R」モデリング手法を提案する。 HATSGAによる再構成トポロジの評価は,効率的な解を計算時間で達成できることを示唆している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents the power network reconfiguration algorithm HATSGA with a "R" modeling approach and evaluates its behavior in computing new reconfiguration topologies for the power network in the Smart Grid context. The modeling of the power distribution network with the language "R" is used to represent the network and support the computation of distinct algorithm configurations towards the evaluation of new reconfiguration topologies. The HATSGA algorithm adopts a hybrid Tabu Search and Genetic Algorithm strategy and can be configured in different ways to compute network reconfiguration solutions. The evaluation of power loss with HATSGA uses the IEEE 14-Bus topology as the power test scenario. The evaluation of reconfiguration topologies with minimum power loss with HATSGA indicates that an efficient solution can be reached with a feasible computational time. This suggests that HATSGA can be potentially used for computing reconfiguration network topologies and, beyond that, it can be used for autonomic self-healing management approaches where a feasible computational time is required.
• Abstract（参考訳）: 本稿では,電力ネットワーク再構成アルゴリズムHATSGAを"R"モデリングアプローチで提案し,その動作をSmart Gridコンテキストにおける電力ネットワークの新たな再構成トポロジの計算において評価する。 言語「R」による配電ネットワークのモデリングは,ネットワークの表現や,新たな再構成トポロジの評価に向けて,異なるアルゴリズム構成の計算を支援するために用いられる。 HATSGAアルゴリズムは、ハイブリッドな Tabu Search and Genetic Algorithm 戦略を採用し、ネットワーク再構成ソリューションを計算するための様々な方法で設定できる。 HATSGAによる電力損失の評価は、IEEE 14-Busトポロジーをパワーテストシナリオとして用いている。 hatgaによる最小電力損失を持つ再構成トポロジの評価は,効率的な解を計算時間で達成できることを示す。 このことはhatgaが再構成ネットワークトポロジーの計算に応用できる可能性を示唆し、それ以外は計算時間が必要となる自律的自己修復管理アプローチに使用できることを示唆する。

関連論文リスト

• Intelligent Hybrid Resource Allocation in MEC-assisted RAN Slicing Network [72.2456220035229]
  我々は,協調型MEC支援RANスライシングシステムにおける異種サービス要求に対するSSRの最大化を目指す。 最適ハイブリッドRAポリシーをインテリジェントに学習するためのRGRLアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-02T01:36:13Z)
• Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna Tuning [60.94661435297309]
  モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。 本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。 シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
  論文  参考訳（メタデータ） (2023-01-20T17:06:34Z)
• State-Augmented Learnable Algorithms for Resource Management in Wireless Networks [124.89036526192268]
  本稿では,無線ネットワークにおける資源管理問題を解決するためのステート拡張アルゴリズムを提案する。 提案アルゴリズムは, RRM決定を可能, ほぼ最適に行うことができることを示す。
  論文  参考訳（メタデータ） (2022-07-05T18:02:54Z)
• Graph-based Algorithm Unfolding for Energy-aware Power Allocation in Wireless Networks [27.600081147252155]
  我々は,無線通信網におけるエネルギー効率を最大化する新しいグラフ要約フレームワークを開発した。 無線ネットワークデータのモデルに望ましい特性である置換訓練について述べる。 結果は、異なるネットワークトポロジにまたがる一般化可能性を示している。
  論文  参考訳（メタデータ） (2022-01-27T20:23:24Z)
• Edge Rewiring Goes Neural: Boosting Network Resilience via Policy Gradient [62.660451283548724]
  ResiNetは、さまざまな災害や攻撃に対する回復力のあるネットワークトポロジを発見するための強化学習フレームワークである。 ResiNetは複数のグラフに対してほぼ最適のレジリエンス向上を実現し,ユーティリティのバランスを保ちながら,既存のアプローチに比べて大きなマージンを持つことを示す。
  論文  参考訳（メタデータ） (2021-10-18T06:14:28Z)
• Learning Autonomy in Management of Wireless Random Networks [102.02142856863563]
  本稿では,任意の数のランダム接続ノードを持つ無線ネットワークにおいて,分散最適化タスクに取り組む機械学習戦略を提案する。 我々は,ネットワークトポロジとは無関係に,前方および後方に計算を行う分散メッセージパスニューラルネットワーク(DMPNN)と呼ばれる,柔軟な深層ニューラルネットワーク形式を開発した。
  論文  参考訳（メタデータ） (2021-06-15T09:03:28Z)
• Resilient Identification of Distribution Network Topology [0.0]
  本稿では,DERMSで利用可能な測定値のみに依存するネットワークTI関数を提案する。 提案手法は,ネットワークスイッチング構成と保護装置の状態を同定する。 計算負荷が低いため、このアプローチは高速トラックであり、リアルタイムアプリケーションに適用できる。
  論文  参考訳（メタデータ） (2020-11-16T14:23:56Z)
• Deep learning architectures for inference of AC-OPF solutions [0.4061135251278187]
  本稿では、AC-OPFソリューションの推論のためのニューラルネットワーク(NN)アーキテクチャの体系的比較について述べる。 本稿では,グラフ領域における電力網の抽象表現を構築することにより,モデルにおけるネットワークトポロジの活用の有効性を示す。
  論文  参考訳（メタデータ） (2020-11-06T13:33:18Z)
• RIS Enhanced Massive Non-orthogonal Multiple Access Networks: Deployment and Passive Beamforming Design [116.88396201197533]
  再構成可能なインテリジェントサーフェス(RIS)の配置と受動ビームフォーミング設計のための新しいフレームワークを提案する。 エネルギー効率を最大化するために、共同配置、位相シフト設計、および電力配分の問題を定式化する。 リアルタイムデータセットを活用することで,ユーザの遠隔交通需要を予測するために,LSTM(Long Short-term memory)ベースのエコー状態ネットワーク(ESN)アルゴリズムを提案する。 RISの展開と設計の連立問題を解くために,D3QNに基づく位置取得と位相制御アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-01-28T14:37:38Z)

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。