論文の概要: Optimization Algorithms in Smart Grids: A Systematic Literature Review
- arxiv url: http://arxiv.org/abs/2301.07512v1
- Date: Mon, 16 Jan 2023 12:31:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-19 15:50:17.685453
- Title: Optimization Algorithms in Smart Grids: A Systematic Literature Review
- Title（参考訳）: スマートグリッドにおける最適化アルゴリズム: 体系的文献レビュー
- Authors: Sidra Aslam, Ala Altaweel, Ali Bou Nassif
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 4.301367153728695
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Electrical smart grids are units that supply electricity from power plants to
the users to yield reduced costs, power failures/loss, and maximized energy
management. Smart grids (SGs) are well-known devices due to their exceptional
benefits such as bi-directional communication, stability, detection of power
failures, and inter-connectivity with appliances for monitoring purposes. SGs
are the outcome of different modern applications that are used for managing
data and security, i.e., modeling, monitoring, optimization, and/or Artificial
Intelligence. Hence, the importance of SGs as a research field is increasing
with every passing year. This paper focuses on novel features and applications
of smart grids in domestic and industrial sectors. Specifically, we focused on
Genetic algorithm, Particle Swarm Optimization, and Grey Wolf Optimization to
study the efforts made up till date for maximized energy management and cost
minimization in SGs. Therefore, we collected 145 research works (2011 to 2022)
in this systematic literature review. This research work aims to figure out
different features and applications of SGs proposed in the last decade and
investigate the trends in popularity of SGs for different regions of world. Our
finding is that the most popular optimization algorithm being used by
researchers to bring forward new solutions for energy management and cost
effectiveness in SGs is Particle Swarm Optimization. We also provide a brief
overview of objective functions and parameters used in the solutions for energy
and cost effectiveness as well as discuss different open research challenges
for future research works.
- Abstract（参考訳）: 電気スマートグリッド(英: electric smart grids)は、電力プラントからユーザに電力を供給するユニットであり、コストの低減、電力障害/損失の低減、エネルギー管理の最大化を図っている。
スマートグリッド(SG)は、双方向通信、安定性、電源障害の検出、監視目的のアプライアンスとの接続性など、異例のメリットがあるため、よく知られたデバイスである。
SGは、モデリング、監視、最適化、人工知能など、データとセキュリティの管理に使用されるさまざまな現代的なアプリケーションの成果である。
したがって、研究分野としてのSGの重要性は年々増している。
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, 粒子群最適化, およびGrey Wolf Optimizationに着目し, SGsにおけるエネルギー管理の最大化とコスト最小化の取り組みについて検討した。
そこで本研究では,2011年から2022年までの145件の研究成果を整理した。
本研究の目的は、過去10年間に提案されたSGの特徴と応用を解明し、世界の異なる地域におけるSGの普及動向を明らかにすることである。
我々の発見によると、SGsにおけるエネルギー管理とコスト効率の新たなソリューションを推し進めるために研究者が使用している最も一般的な最適化アルゴリズムは、Particle Swarm Optimizationである。
また、エネルギーとコスト効率のソリューションで用いられる目的関数とパラメータの簡単な概要と、今後の研究における様々なオープンな研究課題について議論する。
関連論文リスト
- AI-Driven Approaches for Optimizing Power Consumption: A Comprehensive Survey [0.0]
電力最適化が重要である主な理由は、環境効果の低減、運転コストの低減、安定的で持続可能なエネルギー供給である。
電力最適化と人工知能(AI)の統合は、エネルギーの生成、使用、分散の方法を変えるために不可欠である。
AI駆動のアルゴリズムと予測分析によって、電力使用傾向のリアルタイム監視と分析が可能になる。
論文 参考訳（メタデータ） (2024-06-22T04:42:37Z) - Advanced Intelligent Optimization Algorithms for Multi-Objective Optimal Power Flow in Future Power Systems: A Review [1.450405446885067]
多目的最適潮流(MOPF)へのインテリジェント最適化アルゴリズムの適用について
再生可能エネルギーの統合、スマートグリッド、エネルギー需要の増加による課題を掘り下げている。
アルゴリズムの選択は、現在ある特定のMOPF問題に近づき、ハイブリッドアプローチは大きな可能性を秘めている。
論文 参考訳（メタデータ） (2024-04-14T09:44:08Z) - EnergAIze: Multi Agent Deep Deterministic Policy Gradient for Vehicle to Grid Energy Management [0.0]
本稿では,MARL(Multi-Agent Reinforcement Learning)エネルギー管理フレームワークであるEnergAIzeを紹介する。
ユーザ中心の多目的エネルギー管理を可能にし、各プローサが様々な個人管理目標から選択できるようにする。
EnergAIzeの有効性は、CityLearnシミュレーションフレームワークを用いたケーススタディにより評価された。
論文 参考訳（メタデータ） (2024-04-02T23:16:17Z) - EASRec: Elastic Architecture Search for Efficient Long-term Sequential
Recommender Systems [82.76483989905961]
現在のSRS(Sequential Recommender Systems)は、計算とリソースの非効率に悩まされている。
我々は、効率的な長期シーケンスレコメンダシステム(EASRec)のための弾性アーキテクチャー探索を開発する。
EASRecは、入力データバッチから履歴情報を活用するデータ認識ゲートを導入し、レコメンデーションネットワークの性能を改善する。
論文 参考訳（メタデータ） (2024-02-01T07:22:52Z) - Comparative Analysis of Machine Learning Algorithms for Solar Irradiance
Forecasting in Smart Grids [0.0]
本研究では,ランダムフォレスト,エクストリームグラディエントブースティング(XGBoost),ライトグラディエントブーストマシン(ライトGBM)アンサンブル,キャットブースト,マルチレイヤパーセプトロンニューラルネットワーク(MLP-ANN)などの次世代機械学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-20T19:52:37Z) - 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) - Machine learning applications for electricity market agent-based models:
A systematic literature review [68.8204255655161]
エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。
エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。
我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
論文 参考訳（メタデータ） (2022-06-05T14:52:26Z) - Predicting and Optimizing for Energy Efficient ACMV Systems:
Computational Intelligence Approaches [0.39160947065896795]
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。
論文 参考訳（メタデータ） (2022-04-19T09:26:29Z) - Deep Reinforcement Learning Based Multidimensional Resource Management
for Energy Harvesting Cognitive NOMA Communications [64.1076645382049]
エネルギー収穫(EH)、認知無線(CR)、非直交多重アクセス(NOMA)の組み合わせはエネルギー効率を向上させるための有望な解決策である。
本稿では,決定論的CR-NOMA IoTシステムにおけるスペクトル,エネルギー,時間資源管理について検討する。
論文 参考訳（メタデータ） (2021-09-17T08:55:48Z) - Applications of physics-informed scientific machine learning in
subsurface science: A survey [64.0476282000118]
地球系は、化石エネルギー探査、廃棄物処理、地質炭素隔離、再生可能エネルギー生成などの人間の活動によって変化した地質形成です。
したがって、ジオシステムの責任ある使用と探索は、効率的な監視、リスクアセスメント、および実用的な実装のための意思決定支援ツールに依存するジオシステムガバナンスにとって重要です。
近年の機械学習アルゴリズムと新しいセンシング技術の急速な進歩は、地下研究コミュニティがジオシステムガバナンスの有効性と透明性を向上させる新しい機会を提示しています。
論文 参考訳（メタデータ） (2021-04-10T13:40:22Z) - Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable
Edge Computing Systems [87.4519172058185]
エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。
定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。
実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
論文 参考訳（メタデータ） (2020-02-20T04:58:07Z)
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。