論文の概要: Identification of Energy Management Configuration Concepts from a Set of Pareto-optimal Solutions

• arxiv url: http://arxiv.org/abs/2306.08318v2
• Date: Mon, 25 Mar 2024 16:06:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-28 01:30:07.818302
• Title: Identification of Energy Management Configuration Concepts from a Set of Pareto-optimal Solutions
• Title（参考訳）: パレート最適解の集合によるエネルギー管理構成概念の同定
• Authors: Felix Lanfermann, Qiqi Liu, Yaochu Jin, Sebastian Schmitt,
• Abstract要約: 本研究は,エネルギー管理形態の特定のための概念識別技術を活用することに焦点を当てる。 目的とパラメータの分割という記述空間の選択が、抽出可能な情報のタイプにどのように影響するかを分析する。
• 参考スコア（独自算出の注目度）: 18.35732614725525
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Implementing resource efficient energy management systems in facilities and buildings becomes increasingly important in the transformation to a sustainable society. However, selecting a suitable configuration based on multiple, typically conflicting objectives, such as cost, robustness with respect to uncertainty of grid operation, or renewable energy utilization, is a difficult multi-criteria decision making problem. The recently developed concept identification technique can facilitate a decision maker by sorting configuration options into semantically meaningful groups (concepts). In this process, the partitioning of the objectives and design parameters into different sets (called description spaces) is a very important step. In this study we focus on utilizing the concept identification technique for finding relevant and viable energy management configurations from a very large data set of Pareto-optimal solutions. The data set consists of 20000 realistic Pareto-optimal building energy management configurations generated by a many-objective evolutionary optimization of a high quality Digital Twin energy management simulator. We analyze how the choice of description spaces, i.e., the partitioning of the objectives and parameters, impacts the type of information that can be extracted. We show that the decision maker can introduce constraints and biases into that process to meet expectations and preferences. The iterative approach presented in this work allows for the generation of valuable insights into trade-offs between specific objectives, and constitutes a powerful and flexible tool to support the decision making process when designing large and complex energy management systems.
• Abstract（参考訳）: 持続可能な社会への転換において、施設や建物における資源効率の良いエネルギー管理システムの導入がますます重要になっている。 しかし、グリッド運用の不確実性や再生可能エネルギー利用に関して、コスト、堅牢性といった複数の相反する目標に基づいて適切な構成を選択することは、多条件決定の難しい問題である。 最近開発された概念識別技術は、構成オプションを意味的に意味のあるグループ(概念)に分類することで意思決定を容易にする。 このプロセスでは、目的と設計パラメータを異なる集合(記述空間と呼ばれる)に分割することが非常に重要なステップである。 本研究では,Pareto-Optimal ソリューションの非常に大規模なデータセットから,関連性のある,実行可能なエネルギー管理構成を見つけるための概念識別技術を活用することに注力する。 データセットは、高品質なDigital Twinエネルギー管理シミュレータの多目的進化最適化によって生成される20000の現実的なパレート最適エネルギー管理構成で構成されている。 目的とパラメータの分割という記述空間の選択が、抽出可能な情報のタイプにどのように影響するかを分析する。 意思決定者は、そのプロセスに制約やバイアスを導入して、期待と嗜好を満たすことができることを示す。 この研究で提示された反復的アプローチは、特定の目的間のトレードオフに関する貴重な洞察を創出し、大規模で複雑なエネルギー管理システムを設計する際の意思決定プロセスを支援するための強力で柔軟なツールを構成する。

関連論文リスト

• Balancing Optimality and Diversity: Human-Centered Decision Making through Generative Curation [6.980546503227467]
  本稿では,量的・質的両面を統合することにより,決定オプションの真の望ましさを最適化する生成キュレーションという新しい枠組みを導入する。 提案手法は,多種多様な準最適動作を効率的にサンプリングするための分配$pi$を生成する生成ニューラルネットワークアーキテクチャと,反復的に解を生成する逐次最適化手法である。 提案手法を広範囲なデータセットで検証し,複雑な環境にまたがる意思決定プロセスの強化の有効性を実証する。
  論文  参考訳（メタデータ） (2024-09-17T20:13:32Z)
• Learning Iterative Reasoning through Energy Diffusion [90.24765095498392]
  我々は,エネルギー拡散による反復的推論(IRED)を紹介した。 IREDは入力条件と所望の出力の間の制約を表現するためにエネルギー関数を学ぶ。 IREDは、連続空間推論、離散空間推論、計画タスクにおいて既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-06-17T03:36:47Z)
• Interpretable Deep Reinforcement Learning for Optimizing Heterogeneous Energy Storage Systems [11.03157076666012]
  エネルギー貯蔵システム(ESS)はエネルギー市場において重要な要素であり、エネルギー供給者と消費者の両方に役立っている。 エネルギー市場におけるESSの柔軟性を高めるために、異種太陽光発電(PV-ESS)を提案する。 我々は、現実のシナリオを反映して、劣化、資本、運用・保守コストを考慮した包括的コスト関数を開発する。
  論文  参考訳（メタデータ） (2023-10-20T02:26:17Z)
• Achieving Diversity in Objective Space for Sample-efficient Search of Multiobjective Optimization Problems [4.732915763557618]
  本稿では,LMS 取得機能を導入し,その挙動と特性を解析し,その実現可能性を示す。 この手法は、意思決定者に対して、将来性のある設計決定の堅牢なプールを提供し、優れたソリューションの空間をよりよく理解するのに役立つ。
  論文  参考訳（メタデータ） (2023-06-23T20:42:22Z)
• Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。 本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
  論文  参考訳（メタデータ） (2023-01-28T01:50:42Z)
• Design and Planning of Flexible Mobile Micro-Grids Using Deep Reinforcement Learning [0.0]
  遊牧民を対象とした移動型多エネルギー供給システムの設計と計画戦略について検討した。 深層強化学習は、取り組んだ設計と計画の問題に対して実施される。 モンゴルのガー・コミュニティにおける事例研究の結果、移動遊牧民のエネルギーシステムは技術的にも経済的にも実現可能であることが示唆された。
  論文  参考訳（メタデータ） (2022-12-08T08:30:50Z)
• Multi-Objective Constrained Optimization for Energy Applications via Tree Ensembles [55.23285485923913]
  エネルギーシステムの最適化問題は、強い非線形系の挙動と複数の競合する目的のために複雑である。 場合によっては、提案された最適解は、物理的性質や安全クリティカルな操作条件に関連する明示的な入力制約に従う必要がある。 本稿では,ブラックボックス問題に対する制約付き多目的最適化のためのツリーアンサンブルを用いた新しいデータ駆動戦略を提案する。
  論文  参考訳（メタデータ） (2021-11-04T20:18:55Z)
• Energy-Efficient Multi-Orchestrator Mobile Edge Learning [54.28419430315478]
  Mobile Edge Learning(MEL)は、エッジデバイス上で機械学習(ML)モデルの分散トレーニングを特徴とする、協調学習パラダイムである。 MELでは、異なるデータセットで複数の学習タスクが共存する可能性がある。 本稿では, エネルギー消費, 精度, 解複雑性のトレードオフを容易にする軽量なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-09-02T07:37:10Z)
• Decision-making Oriented Clustering: Application to Pricing and Power Consumption Scheduling [61.062312682535755]
  本稿では、意思決定指向クラスタリングの枠組みを定式化し、データ空間の判断に基づく分割と適切な代表決定を提供するアルゴリズムを提案する。 この新しいフレームワークとアルゴリズムを、リアルタイム価格と消費電力スケジューリングの典型的な問題に適用することにより、洞察に富んだ分析結果を得る。
  論文  参考訳（メタデータ） (2021-06-02T08:41:04Z)
• The multi-objective optimisation of breakwaters using evolutionary approach [62.997667081978825]
  工学的な実践では、港や海岸の既存の保護施設の有効性を高めることがしばしば必要である。 本稿では, ブレークウォーター最適化のための多目的進化的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-04-06T21:48:01Z)
• A storage expansion planning framework using reinforcement learning and simulation-based optimization [0.0]
  エネルギー貯蔵は、マイクログリッドなど、分散世代が豊富にある場所では不可欠である。 適切なタイミングとキャパシティとともに、どのストレージ技術に投資するかを決定することは、重要な研究課題である。 我々は、将来のマイクログリッドアプリケーションの中核となるエネルギー貯蔵ユニットのタイプを指し示す、より良いエンジニアリングソリューションを導出できることを示します。
  論文  参考訳（メタデータ） (2020-01-10T15:23:30Z)

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。