論文の概要: Comparison and Evaluation of Methods for a Predict+Optimize Problem in Renewable Energy

• arxiv url: http://arxiv.org/abs/2212.10723v1
• Date: Wed, 21 Dec 2022 02:34:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-22 14:55:28.336213
• Title: Comparison and Evaluation of Methods for a Predict+Optimize Problem in Renewable Energy
• Title（参考訳）: 再生可能エネルギーにおける予測・最適化問題の比較と評価
• Authors: Christoph Bergmeir, Frits de Nijs, Abishek Sriramulu, Mahdi Abolghasemi, Richard Bean, John Betts, Quang Bui, Nam Trong Dinh, Nils Einecke, Rasul Esmaeilbeigi, Scott Ferraro, Priya Galketiya, Evgenii Genov, Robert Glasgow, Rakshitha Godahewa, Yanfei Kang, Steffen Limmer, Luis Magdalena, Pablo Montero-Manso, Daniel Peralta, Yogesh Pipada Sunil Kumar, Alejandro Rosales-P\'erez, Julian Ruddick, Akylas Stratigakos, Peter Stuckey, Guido Tack, Isaac Triguero, Rui Yuan
• Abstract要約: 本稿では2021年に開催されたIEEE-CIS Technical Challenge on Predict+ for Renewable Energy Schedulingについて述べる。 コンペティションにおける上位7つのソリューションの比較と評価を行う。 勝算法は異なるシナリオを予測し、サンプル平均近似法を用いて全てのシナリオに最適化した。
• 参考スコア（独自算出の注目度）: 42.00952788334554
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Algorithms that involve both forecasting and optimization are at the core of solutions to many difficult real-world problems, such as in supply chains (inventory optimization), traffic, and in the transition towards carbon-free energy generation in battery/load/production scheduling in sustainable energy systems. Typically, in these scenarios we want to solve an optimization problem that depends on unknown future values, which therefore need to be forecast. As both forecasting and optimization are difficult problems in their own right, relatively few research has been done in this area. This paper presents the findings of the ``IEEE-CIS Technical Challenge on Predict+Optimize for Renewable Energy Scheduling," held in 2021. We present a comparison and evaluation of the seven highest-ranked solutions in the competition, to provide researchers with a benchmark problem and to establish the state of the art for this benchmark, with the aim to foster and facilitate research in this area. The competition used data from the Monash Microgrid, as well as weather data and energy market data. It then focused on two main challenges: forecasting renewable energy production and demand, and obtaining an optimal schedule for the activities (lectures) and on-site batteries that lead to the lowest cost of energy. The most accurate forecasts were obtained by gradient-boosted tree and random forest models, and optimization was mostly performed using mixed integer linear and quadratic programming. The winning method predicted different scenarios and optimized over all scenarios jointly using a sample average approximation method.
• Abstract（参考訳）: 予測と最適化の両方を含むアルゴリズムは、サプライチェーン(創発的最適化)、トラフィック、持続可能エネルギーシステムにおけるバッテリー/負荷/生産スケジューリングにおける炭素フリーエネルギー生成への移行など、多くの困難な現実の問題の解の中核にある。 通常、これらのシナリオでは、未知の将来の値に依存する最適化問題を解きたいので、予測する必要がある。 予測と最適化はそれ自体では難しい問題であるため、この分野では比較的少ない研究が行なわれている。 本稿では,2021年に開催された<IEEE-CIS Technical Challenge on Predict+Optimize for Renewable Energy Scheduling>の成果を紹介する。 そこで本研究では,コンペティションにおける7つの最高ランクのソリューションの比較と評価を行い,ベンチマーク問題を研究者に提供し,この分野の研究の促進と促進を目的として,このベンチマークの最先端技術を確立する。 このコンペティションでは、Monash Microgridのデータだけでなく、気象データやエネルギー市場データも使用した。 その後、再生可能エネルギーの生産と需要の予測と、エネルギーコストの低さにつながるアクティビティ(講義)とオンサイトバッテリーの最適なスケジュールの取得という、2つの大きな課題に焦点を当てた。 最も正確な予測は勾配木とランダム森林モデルで得られ、最適化は主に整数線形および二次計画法を用いて行われた。 勝算法は異なるシナリオを予測し,サンプル平均近似法を用いて全シナリオに最適化した。

関連論文リスト

• Energy-Efficient Scheduling with Predictions [4.662349748983561]
  エネルギー効率のスケジューリングにおいて、オペレーティングシステムは、マシンがジョブを処理する速度を制御する。 学習強化アルゴリズムの最近の研究は、予測を利用して性能保証を改善することを目的としている。 所望のエネルギー効率スケジューリング問題に対して、オフラインとオンラインのアルゴリズムを入力として、フレキシブルな学習強化アルゴリズムフレームワークを提供する。
  論文  参考訳（メタデータ） (2024-02-27T02:13:32Z)
• Learning-assisted Stochastic Capacity Expansion Planning: A Bayesian Optimization Approach [3.124884279860061]
  大規模容量拡大問題(CEP)は、地域エネルギーシステムのコスト効率の高い脱炭の中心である。 本稿では,2段階のCEPを抽出する学習支援近似解法を提案する。 本手法では, 直列集約法と比較して最大3.8%のコスト削減効果が得られた。
  論文  参考訳（メタデータ） (2024-01-19T01:40:58Z)
• Benchmarking PtO and PnO Methods in the Predictive Combinatorial Optimization Regime [59.27851754647913]
  予測最適化(英: Predictive optimization)は、エネルギーコストを意識したスケジューリングや広告予算配分など、多くの現実世界のアプリケーションの正確なモデリングである。 我々は,広告のための新しい産業データセットを含む8つの問題に対して,既存のPtO/PnOメソッド11をベンチマークするモジュラーフレームワークを開発した。 本研究は,8ベンチマーク中7ベンチマークにおいて,PnOアプローチがPtOよりも優れていることを示すが,PnOの設計選択に銀の弾丸は見つからない。
  論文  参考訳（メタデータ） (2023-11-13T13:19:34Z)
• Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
  エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。 本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。 評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-07-14T06:50:02Z)
• How to predict and optimise with asymmetric error metrics [0.0]
  本稿では,IEEE計算情報学会の第3回技術課題に言及して,予測と最適化の問題の概念を検討する。 この大会では、参加者は6つの建物と6つのソーラー施設で建設エネルギーの使用と発電を予測し、1ヶ月にわたってクラスとバッテリーをスケジューリングしながらエネルギーコストを最適化するためにその予測を利用するよう求められた。 予測・最適化フェーズにおける損失関数の異なる性質について検討し,最適化コストの向上のために最終予測を調整することを提案する。
  論文  参考訳（メタデータ） (2022-11-24T13:16:45Z)
• Optimal activity and battery scheduling algorithm using load and solar generation forecasts [0.0]
  5textsuperscriptth IEEE-CIS(IEEE Computational Intelligence Society)コンペティションは、建築活動のスケジューリングによる電力料金の引き下げという現実的な問題を提起した。 本稿では、太陽光発電と需要予測と最適スケジューリング問題に対処するための技術的シーケンスを提案し、そこでは、太陽光発電予測法と最適大学講義スケジューリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-10-24T07:26:21Z)
• 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)
• Evolutionary scheduling of university activities based on consumption forecasts to minimise electricity costs [0.9449650062296824]
  本稿では,大学キャンパスの電力コスト削減を目標とする予測・最適化問題の解法を提案する。 提案手法は,多次元時系列予測と大規模最適化の新しいアプローチを組み合わせたものである。
  論文  参考訳（メタデータ） (2022-02-25T10:18:56Z)
• Stochastic Optimization Forests [60.523606291705214]
  標準的なランダムな森林アルゴリズムのように予測精度を向上させるために分割するのではなく、分割を選択した木を栽培し、下流の意思決定品質を直接最適化することで、森林決定政策の訓練方法を示す。 概略分割基準は、各候補分割に対して正確に最適化された森林アルゴリズムに近い性能を保ちながら、100倍のランニング時間を短縮できることを示す。
  論文  参考訳（メタデータ） (2020-08-17T16:56:06Z)
• 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。