論文の概要: Safe Optimization of an Industrial Refrigeration Process Using an
Adaptive and Explorative Framework
- arxiv url: http://arxiv.org/abs/2211.13019v1
- Date: Mon, 21 Nov 2022 16:44:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-24 14:56:17.921854
- Title: Safe Optimization of an Industrial Refrigeration Process Using an
Adaptive and Explorative Framework
- Title(参考訳): 適応的・探索的枠組みを用いた産業用冷凍プロセスの安全最適化
- Authors: Buse Sibel Korkmaz (1), Marta Zag\'orowska (2), Mehmet Mercang\"oz (1)
((1) Imperial College London, (2) ETH Z\"urich)
- Abstract要約: 産業用冷凍プロセスへの適応型リアルタイム最適化フレームワークの適用について述べる。
冷蔵プラントの未知の圧縮機特性の不確かさを定量化する。
提案手法は, 検討された冷凍プロセスのエネルギー効率向上に有効である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Many industrial applications rely on real-time optimization to improve key
performance indicators. In the case of unknown process characteristics,
real-time optimization becomes challenging, particularly for the satisfaction
of safety constraints. In this paper, we demonstrate the application of an
adaptive and explorative real-time optimization framework to an industrial
refrigeration process, where we learn the process characteristics through
changes in process control targets and through exploration to satisfy safety
constraints. We quantify the uncertainty in unknown compressor characteristics
of the refrigeration plant by using Gaussian processes and incorporate this
uncertainty into the objective function of the real-time optimization problem
as a weighted cost term. We adaptively control the weight of this term to drive
exploration. The results of our simulation experiments indicate the proposed
approach can help to increase the energy efficiency of the considered
refrigeration process, closely approximating the performance of a solution that
has complete information about the compressor performance characteristics.
- Abstract(参考訳): 多くの産業アプリケーションは、重要な性能指標を改善するためにリアルタイム最適化に依存している。
未知のプロセス特性の場合、特に安全性制約の満足度において、リアルタイム最適化は困難になる。
本稿では,産業用冷蔵プロセスへの適応的かつ探索的リアルタイム最適化フレームワークの適用を実証し,プロセス制御目標の変化と安全性制約を満たすための探索を通じてプロセス特性を学習する。
ガウス法を用いて, 冷却プラントの未知圧縮機特性の不確かさを定量化し, この不確かさを実時間最適化問題の目的関数に重み付きコスト項として組み込む。
我々はこの用語の重みを適応的に制御して探検を進めます。
シミュレーション実験の結果, 提案手法は, コンプレッサの性能特性に関する完全な情報を有する溶液の性能を近似し, 冷蔵を考慮したエネルギー効率の向上に寄与することが示唆された。
関連論文リスト
- Robust Entropy Search for Safe Efficient Bayesian Optimization [40.56709991743249]
我々は、ロバスト・エントロピー・サーチ(RES)と呼ばれる効率的な情報ベース獲得機能を開発する。
RESは、堅牢で最先端のアルゴリズムよりも確実に最適である。
論文 参考訳(メタデータ) (2024-05-29T13:00:10Z) - Towards Safe Multi-Task Bayesian Optimization [1.3654846342364308]
システムの物理モデルを減らすことは最適化プロセスに組み込むことができ、それを加速することができる。
これらのモデルは実際のシステムの近似を提供することができ、それらの評価は極めて安価である。
安全はベイズ最適化のようなオンライン最適化手法にとって重要な基準である。
論文 参考訳(メタデータ) (2023-12-12T13:59:26Z) - TranDRL: A Transformer-Driven Deep Reinforcement Learning Enabled
Prescriptive Maintenance Framework [62.73424880653293]
産業システムは、運用効率を高め、ダウンタイムを減らすための信頼性の高い予測保守戦略を要求する。
本稿では,Transformerモデルに基づくニューラルネットワークと深部強化学習(DRL)アルゴリズムの機能を活用し,システムの保守動作を最適化する統合フレームワークを提案する。
論文 参考訳(メタデータ) (2023-09-29T02:27:54Z) - Combining Thermodynamics-based Model of the Centrifugal Compressors and
Active Machine Learning for Enhanced Industrial Design Optimization [1.393251976777607]
本稿では,熱力学に基づく圧縮機モデルとガウス過程に基づくサロゲートモデルを組み合わせたActive-CompDesignフレームワークを提案する。
サンプルの不確実性に基づく問合せ機能を活用することにより,サロゲートモデルの性能が大幅に向上することを示す。
本研究では, 内部熱力学に基づくシミュレータよりも圧縮機設計最適化の計算時間を約46%に短縮した。
論文 参考訳(メタデータ) (2023-09-06T08:06:15Z) - Learning Accurate Performance Predictors for Ultrafast Automated Model
Compression [86.22294249097203]
フレキシブルネットワーク展開のための超高速自動モデル圧縮フレームワークSeerNetを提案する。
本手法は,探索コストを大幅に削減した競合精度・複雑度トレードオフを実現する。
論文 参考訳(メタデータ) (2023-04-13T10:52:49Z) - Adaptive Real Time Exploration and Optimization for Safety-Critical
Systems [0.0]
安全制約を考慮したプログラミング問題として,マルチアームバンディットを用いたARTEOアルゴリズムを提案する。
最適化入力の変化と探索を通して環境特性を学習する。
既存のセーフラーニング手法と比較して、我々のアルゴリズムは排他的な探索フェーズを必要とせず、探索点においても最適化目標に従う。
論文 参考訳(メタデータ) (2022-11-10T11:37:22Z) - 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) - Generalizing Bayesian Optimization with Decision-theoretic Entropies [102.82152945324381]
統計的決定論の研究からシャノンエントロピーの一般化を考える。
まず,このエントロピーの特殊なケースがBO手順でよく用いられる獲得関数に繋がることを示す。
次に、損失に対する選択肢の選択が、どのようにして柔軟な獲得関数の族をもたらすかを示す。
論文 参考訳(メタデータ) (2022-10-04T04:43:58Z) - An automatic differentiation system for the age of differential privacy [65.35244647521989]
Tritiumは、微分プライベート(DP)機械学習(ML)のための自動微分ベース感度分析フレームワークである
我々は、微分プライベート(DP)機械学習(ML)のための自動微分に基づく感度分析フレームワークTritiumを紹介する。
論文 参考訳(メタデータ) (2021-09-22T08:07:42Z) - Real-Time Optimization Meets Bayesian Optimization and Derivative-Free
Optimization: A Tale of Modifier Adaptation [0.0]
本稿では,不確実なプロセスのリアルタイム最適化において,プラントモデルミスマッチを克服するための修飾子適応方式について検討する。
提案したスキームは物理モデルを組み込んでおり、探査中のリスクを最小限に抑えるために信頼領域のアイデアに依存している。
取得関数の使用、プロセスノイズレベルを知る、または名目上のプロセスモデルを指定する利点を図示する。
論文 参考訳(メタデータ) (2020-09-18T12:57:17Z) - Bilevel Optimization for Differentially Private Optimization in Energy
Systems [53.806512366696275]
本稿では,入力に敏感な制約付き最適化問題に対して,差分プライバシーを適用する方法について検討する。
本稿は, 自然仮定の下では, 大規模非線形最適化問題に対して, 双レベルモデルを効率的に解けることを示す。
論文 参考訳(メタデータ) (2020-01-26T20:15:28Z)
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。