論文の概要: Multiobjective Hydropower Reservoir Operation Optimization with Transformer-Based Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2307.05643v1
• Date: Tue, 11 Jul 2023 10:38:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-13 15:49:22.894263
• Title: Multiobjective Hydropower Reservoir Operation Optimization with Transformer-Based Deep Reinforcement Learning
• Title（参考訳）: 変圧器型深層強化学習による多目的水力貯水池運転最適化
• Authors: Rixin Wu, Ran Wang, Jie Hao, Qiang Wu, Ping Wang
• Abstract要約: 提案手法はコロラド川流域のミード湖とパウエル湖に適用される。 発電量は10.11%増加し、修正された年間比例流量の偏差は39.69%減少し、水道収入は4.10%増加した。
• 参考スコア（独自算出の注目度）: 14.376630486051795
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to shortage of water resources and increasing water demands, the joint operation of multireservoir systems for balancing power generation, ecological protection, and the residential water supply has become a critical issue in hydropower management. However, the numerous constraints and nonlinearity of multiple reservoirs make solving this problem time-consuming. To address this challenge, a deep reinforcement learning approach that incorporates a transformer framework is proposed. The multihead attention mechanism of the encoder effectively extracts information from reservoirs and residential areas, and the multireservoir attention network of the decoder generates suitable operational decisions. The proposed method is applied to Lake Mead and Lake Powell in the Colorado River Basin. The experimental results demonstrate that the transformer-based deep reinforcement learning approach can produce appropriate operational outcomes. Compared to a state-of-the-art method, the operation strategies produced by the proposed approach generate 10.11% more electricity, reduce the amended annual proportional flow deviation by 39.69%, and increase water supply revenue by 4.10%. Consequently, the proposed approach offers an effective method for the multiobjective operation of multihydropower reservoir systems.
• Abstract（参考訳）: 水資源の不足と水需要の増加により、発電・環境保護・住宅水供給のバランスをとる多貯留層システムの共同運用が水力管理において重要な課題となっている。 しかし、複数の貯水池の多くの制約と非線形性は、この問題を時間を要する。 この課題に対処するために,トランスフォーマーフレームワークを組み込んだ深層強化学習手法を提案する。 エンコーダのマルチヘッドアテンション機構は、貯水池や住宅地から情報を効果的に抽出し、デコーダのマルチレザーバアテンションネットワークは、適切な運用決定を生成する。 提案手法はコロラド川流域のミード湖とパウエル湖に適用される。 実験の結果, トランスフォーマによる深層強化学習手法が適切な操作結果をもたらすことが示された。 現状の手法と比較して,提案手法により得られた運転戦略は10.11%の電力を発生させ,修正年次比例流量偏差を39.69%低減し,水道収入を4.10%増加させる。 提案手法は,多水力貯水池システムの多目的運用に有効な手法を提供する。

関連論文リスト

• Integrated Water Resource Management in the Segura Hydrographic Basin: An Artificial Intelligence Approach [2.4189718223541044]
  本稿では,水管理シナリオにおけるこれらの課題に対処するためのパラダイム的枠組みを提案する。 提案手法は, 短時間と長期の双方で, 水利用率を正確に予測し, 需要を推定し, 資源配分を最適化する。 この手法は, スペインの瀬倉水文盆地において, 運用水管理の実践に検証され, 統合されている。
  論文  参考訳（メタデータ） (2024-11-11T10:35:41Z)
• Function Approximation for Reinforcement Learning Controller for Energy from Spread Waves [69.9104427437916]
  マルチジェネレータ・ウェーブ・エナジー・コンバータ(WEC)は、スプレッド・ウェーブと呼ばれる異なる方向から来る複数の同時波を処理しなければならない。 これらの複雑な装置は、エネルギー捕獲効率、維持を制限する構造的ストレスの低減、高波に対する積極的な保護という複数の目的を持つコントローラを必要とする。 本稿では,システム力学のシーケンシャルな性質をモデル化する上で,ポリシーと批判ネットワークの異なる機能近似について検討する。
  論文  参考訳（メタデータ） (2024-04-17T02:04:10Z)
• A Novel Hybrid Algorithm for Optimized Solutions in Ocean Renewable Energy Industry: Enhancing Power Take-Off Parameters and Site Selection Procedure of Wave Energy Converters [0.0]
  海洋再生エネルギー、特に波浪エネルギーは、地球規模のエネルギーポートフォリオを多様化するための重要な要素となっている。 本研究は、オフショア発振サージ波エネルギー変換器(OSWEC)におけるパワーテイクオフパラメータ(PTO)の最適化とサイト選択過程について検討する。 HC-EGWO法を用いることで,他の方法と比較して最大3.31%の出力向上を実現した。
  論文  参考訳（メタデータ） (2023-09-19T13:30:17Z)
• GP CC-OPF: Gaussian Process based optimization tool for Chance-Constrained Optimal Power Flow [54.94701604030199]
  Gaussian Process (GP) ベースのChance-Constrained Optimal Flow (CC-OPF) は、電力グリッドにおけるエコノミックディスパッチ(ED)問題のためのオープンソースのPythonコードである。 CC-OPモデルに基づく新しいデータ駆動手法を提案し,複雑性と精度のトレードオフにより大規模な回帰問題を解く。
  論文  参考訳（メタデータ） (2023-02-16T17:59:06Z)
• Optimal scheduling of island integrated energy systems considering multi-uncertainties and hydrothermal simultaneous transmission: A deep reinforcement learning approach [3.900623554490941]
  電力や負荷による不確実性は、島々の様々な資源の安定的な需要供給に困難をもたらしている。 これらの課題に対処するため、島統合エネルギーシステム(IES)をモデル化した総合的なスケジューリングフレームワークを提案する。 島の淡水不足に対応するため, 海水淡水化システムの導入に加えて, 水熱同時送信(HST)の伝達構造を提案する。
  論文  参考訳（メタデータ） (2022-12-27T12:46:25Z)
• Stabilizing Voltage in Power Distribution Networks via Multi-Agent Reinforcement Learning with Transformer [128.19212716007794]
  本稿では,変圧器を用いたマルチエージェント・アクタ・クリティカル・フレームワーク(T-MAAC)を提案する。 さらに、電圧制御タスクに適した新しい補助タスクトレーニングプロセスを採用し、サンプル効率を向上する。
  論文  参考訳（メタデータ） (2022-06-08T07:48:42Z)
• 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)
• An Efficient Multi-objective Evolutionary Approach for Solving the Operation of Multi-Reservoir System Scheduling in Hydro-Power Plants [0.0]
  そこで本研究では,水力発電プラントの1日当たりの総エネルギー生産量を最大化することを目的とする,新しい数学的モデリング手法を提案する。 この問題を解決するために,多目的進化群ハイブリダイゼーション(MESH)アルゴリズムについて論じる。 MESHは、効率と精度の点で、代替の多目的アプローチよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2021-07-20T18:39:09Z)
• Deep Reinforcement Learning for Long Term Hydropower Production Scheduling [0.0]
  本研究では,水力発電の長期スケジューリングのための戦略として,深層強化学習の利用を検討する。 貯水池への毎週の流入と電力価格に対する年間収入を最適化することを目的としたユースケースを検討する。 提案モデルは,従来の最適化ツールを代替する準備が整っていないが,データリッチな水力スケジューリング分野における強化学習の補完的可能性を示す。
  論文  参考訳（メタデータ） (2020-12-09T13:39:09Z)
• High-Fidelity Machine Learning Approximations of Large-Scale Optimal Power Flow [49.2540510330407]
  AC-OPFは、多くの電力システムアプリケーションにおいて重要なビルディングブロックである。 本稿では, 再生可能エネルギーの普及にともなって, AC-OPFの効率的な近似を実現するための深層学習について検討する。
  論文  参考訳（メタデータ） (2020-06-29T20:22:16Z)
• 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)

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。