論文の概要: 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

• arxiv url: http://arxiv.org/abs/2309.10606v1
• Date: Tue, 19 Sep 2023 13:30:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-20 14:25:45.510916
• Title: 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
• Title（参考訳）: 海洋再生可能エネルギー産業における最適化ソリューションのための新しいハイブリッドアルゴリズム:パワーテイクオフパラメータの強化とウェーブエネルギコンバータのサイト選択手順
• Authors: Hossein Mehdipour, Erfan Amini, Seyed Taghi Naeeni, Mehdi Neshat
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Ocean renewable energy, particularly wave energy, has emerged as a pivotal component for diversifying the global energy portfolio, reducing dependence on fossil fuels, and mitigating climate change impacts. This study delves into the optimization of power take-off (PTO) parameters and the site selection process for an offshore oscillating surge wave energy converter (OSWEC). However, the intrinsic dynamics of these interactions, coupled with the multi-modal nature of the optimization landscape, make this a daunting challenge. Addressing this, we introduce the novel Hill Climb - Explorative Gray Wolf Optimizer (HC-EGWO). This new methodology blends a local search method with a global optimizer, incorporating dynamic control over exploration and exploitation rates. This balance paves the way for an enhanced exploration of the solution space, ensuring the identification of superior-quality solutions. Further anchoring our approach, a feasibility landscape analysis based on linear water wave theory assumptions and the flap's maximum angular motion is conducted. This ensures the optimized OSWEC consistently operates within safety and efficiency parameters. Our findings hold significant promise for the development of more streamlined OSWEC power take-off systems. They provide insights for selecting the prime offshore site, optimizing power output, and bolstering the overall adoption of ocean renewable energy sources. Impressively, by employing the HC-EGWO method, we achieved an upswing of up to 3.31% in power output compared to other methods. This substantial increment underscores the efficacy of our proposed optimization approach. Conclusively, the outcomes offer invaluable knowledge for deploying OSWECs in the South Caspian Sea, where unique environmental conditions intersect with considerable energy potential.
• Abstract（参考訳）: 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し、化石燃料への依存を減らし、気候変動の影響を緩和するための重要な要素となっている。 本研究では,オフショア発振サージ波エネルギー変換器(oswec)の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した。 しかし、これらの相互作用の本質的なダイナミクスと最適化のランドスケープのマルチモーダルな性質が相まって、これは恐ろしい課題となっている。 本稿では,Hill Climb - Explorative Gray Wolf Optimizer (HC-EGWO)について紹介する。 この新しい手法は局所探索法とグローバルオプティマイザをブレンドし、探索と搾取率を動的に制御する。 このバランスは、ソリューション空間のさらなる探索の道を開き、優れたソリューションの特定を確実にする。 さらに, 線形波動理論の仮定に基づく実現可能性ランドスケープ解析を行い, フラップの最大角運動について検討した。 これにより、最適化されたOSWECは安全と効率のパラメータ内で一貫して動作する。 以上の結果から,OSWEC パワーテイクオフシステムの開発に有意な期待が得られた。 彼らは、主要沖合地を選択し、出力を最適化し、海洋再生可能エネルギー源の全体的採用を促進するための洞察を提供する。 また,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。 この大幅な増加は,提案手法の有効性を裏付けるものである。 結論として、この結果は南カスピ海にOSWECを配備するための貴重な知識を提供する。

関連論文リスト

• 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)
• Deep Reinforcement Learning for Artificial Upwelling Energy Management [9.212936156042328]
  深部強化学習(DRL)アルゴリズムを応用した新しいエネルギー管理手法を提案する。 具体的には,AUSのエネルギー効率をマルコフ決定過程として最大化する問題を定式化し,QR-DQNにおける量子ネットワークと深層デュエルネットワークを統合する。 その結果, DRLを基盤としたアプローチは, AUSのエネルギー効率を向上し, 海藻栽培の持続可能性を高め, 海洋における炭素沈降を促進できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-08-20T08:16:36Z)
• A Safe Genetic Algorithm Approach for Energy Efficient Federated Learning in Wireless Communication Networks [53.561797148529664]
  フェデレートラーニング(FL)は、従来の集中型アプローチとは対照的に、デバイスが協調的にモデルトレーニングを行う分散技術として登場した。 FLの既存の取り組みにもかかわらず、その環境影響は、無線ネットワークへの適用性に関するいくつかの重要な課題が特定されているため、まだ調査中である。 現在の研究は遺伝的アルゴリズム(GA)アプローチを提案しており、FLプロセス全体のエネルギー消費と不要な資源利用の両方を最小化することを目標としている。
  論文  参考訳（メタデータ） (2023-06-25T13:10:38Z)
• CCE: Sample Efficient Sparse Reward Policy Learning for Robotic Navigation via Confidence-Controlled Exploration [72.24964965882783]
  CCE (Confidence-Controlled Exploration) は、ロボットナビゲーションのようなスパース報酬設定のための強化学習アルゴリズムのトレーニングサンプル効率を高めるために設計された。 CCEは、勾配推定と政策エントロピーの間の新しい関係に基づいている。 我々は、CCEが一定軌跡長とエントロピー正規化を用いる従来の手法より優れるシミュレーションおよび実世界の実験を通して実証する。
  論文  参考訳（メタデータ） (2023-06-09T18:45:15Z)
• 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)
• Optimization Study of Hydraulic Power Take-off System for an Ocean Wave Energy Converter [0.0]
  本研究の目的は,オーストラリア西部のパースの波浪シナリオにおける直線波エネルギー変換器のPTOシステムパラメータを最適化することである。 非線形問題を解くために10の最適化アルゴリズムが組み込まれている。 遺伝的アルゴリズム、サロゲートアルゴリズム、fminsearchアルゴリズムの修正された組み合わせは、研究された波動シナリオにおいて他のアルゴリズムよりも優れている。
  論文  参考訳（メタデータ） (2021-12-17T23:22:56Z)
• Prediction-Free, Real-Time Flexible Control of Tidal Lagoons through Proximal Policy Optimisation: A Case Study for the Swansea Lagoon [0.0]
  We propose a novel optimized operation of tidal lagoons with proximal policy optimization through Unity ML-Agents。 我々は,タービンとスライスを最適化した運転方針により,エネルギー生成の最大化に成功していることを示す。
  論文  参考訳（メタデータ） (2021-06-18T21:34:12Z)
• Optimisation of Large Wave Farms using a Multi-strategy Evolutionary Framework [1.4211973704803558]
  本研究の目的は, 完全潜水三重波エネルギー変換器(WEC)からなる大波農場の総利用電力を最大化することである。 大規模波動農場におけるWEC間の流体力学的相互作用の計算に費用がかかるため, 大規模波動農場のエネルギー最大化は困難な探索問題である。 本稿では, スマート初期化, バイナリ集団に基づく進化アルゴリズム, 離散局所探索, 連続的グローバル最適化を組み合わせた, ハイブリッドなマルチストラテジー進化フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-21T07:07:50Z)
• Cross Entropy Hyperparameter Optimization for Constrained Problem Hamiltonians Applied to QAOA [68.11912614360878]
  QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。 このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。 本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
  論文  参考訳（メタデータ） (2020-03-11T13:52:41Z)
• Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
  マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。 ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
  論文  参考訳（メタデータ） (2020-02-21T02:14:38Z)
• Design optimisation of a multi-mode wave energy converter [1.250168619098462]
  カーネギークリーンエナジーが開発したCETOシステムに類似した波動エネルギー変換器(WEC)を設計最適化として検討する。 最適化のための設計パラメータは、ブイ半径、ブイ高さ、テザー傾斜角、および制御変数(減衰と剛性)である。 その結果、このようなシステムの製造コストを考慮せずに、エネルギー生産を最大化することに関心があるなら、ブイをできるだけ大きなものにすべきであることがわかった。
  論文  参考訳（メタデータ） (2020-01-24T12:46:36Z)

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。