論文の概要: Comparative study of microgrid optimal scheduling under multi-optimization algorithm fusion

• arxiv url: http://arxiv.org/abs/2310.01805v1
• Date: Tue, 3 Oct 2023 05:35:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-04 17:34:20.782821
• Title: Comparative study of microgrid optimal scheduling under multi-optimization algorithm fusion
• Title（参考訳）: マルチ最適化アルゴリズム融合におけるマイクログリッド最適スケジューリングの比較研究
• Authors: Hongyi Duan and Qingyang Li and Yuchen Li and Jianan Zhang and Yuming Xie
• Abstract要約: 本稿では,多目的最適化モデルを用いて,マイクログリッドの運用コストと環境コストの関係について検討する。 遺伝的アルゴリズム, シミュレーションアニーリング, アントコロニー最適化, 粒子群最適化などの様々な最適化アルゴリズムを統合することにより, マイクログリッド最適化のための統合的アプローチを提案する。
• 参考スコア（独自算出の注目度）: 10.374272207140994
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As global attention on renewable and clean energy grows, the research and implementation of microgrids become paramount. This paper delves into the methodology of exploring the relationship between the operational and environmental costs of microgrids through multi-objective optimization models. By integrating various optimization algorithms like Genetic Algorithm, Simulated Annealing, Ant Colony Optimization, and Particle Swarm Optimization, we propose an integrated approach for microgrid optimization. Simulation results depict that these algorithms provide different dispatch results under economic and environmental dispatch, revealing distinct roles of diesel generators and micro gas turbines in microgrids. Overall, this study offers in-depth insights and practical guidance for microgrid design and operation.
• Abstract（参考訳）: 再生可能エネルギーとクリーンエネルギーの国際的関心が高まるにつれて、マイクログリッドの研究と実装が最重要である。 本稿では,マルチ目的最適化モデルによるマイクログリッドの運用コストと環境コストの関係について考察する。 遺伝的アルゴリズム, シミュレーションアニーリング, アントコロニー最適化, 粒子群最適化などの最適化アルゴリズムを統合することにより, マイクログリッド最適化のための統合アプローチを提案する。 シミュレーションの結果, これらのアルゴリズムは, ディーゼル発電機とマイクロガスタービンのマイクログリッドにおける役割を明らかにし, 経済的・環境的に異なるディスパッチ結果を提供することがわかった。 本研究は,マイクログリッドの設計と運用に関する詳細な知見と実践的ガイダンスを提供する。

関連論文リスト

• The Firefighter Algorithm: A Hybrid Metaheuristic for Optimization Problems [3.2432648012273346]
  The Firefighter Optimization (FFO) algorithm is a new hybrid metaheuristic for optimization problem。 FFOの性能を評価するため、FFOは13の最適化アルゴリズムに対して広範な実験を行った。 その結果、FFOは比較性能を達成し、いくつかのシナリオでは、得られた適合性、正確性に要する時間、時間単位でカバーされる研究空間の点で、一般的に採用されている最適化アルゴリズムよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-06-01T18:38:59Z)
• Multi-agricultural Machinery Collaborative Task Assignment Based on Improved Genetic Hybrid Optimization Algorithm [0.0]
  本研究では,改良された遺伝的ハイブリッド最適化アルゴリズムに基づくマルチ農業機械協調タスク割り当て手法を提案する。 開発されたハイブリッドアルゴリズムは、パスコストを効果的に低減し、代入結果の効率は古典的な遺伝的アルゴリズムのそれを上回る。
  論文  参考訳（メタデータ） (2023-12-07T12:42:40Z)
• Federated Conditional Stochastic Optimization [110.513884892319]
  条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。 本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-04T01:47:37Z)
• A new derivative-free optimization method: Gaussian Crunching Search [0.0]
  我々はGaussian Crunching Search (GCS)と呼ばれる新しい最適化手法を提案する。 ガウス分布の粒子の挙動にインスパイアされたGCSは、解空間を効率的に探索し、大域的最適に向かって収束することを目的としている。 本研究は,最適化に関心のある研究者,実践者,学生にとって貴重な資料である。
  論文  参考訳（メタデータ） (2023-07-24T16:17:53Z)
• A Comparative Study of Machine Learning Algorithms for Anomaly Detection in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
  本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。 Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。 しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
  論文  参考訳（メタデータ） (2023-07-01T15:18:00Z)
• Maximize to Explore: One Objective Function Fusing Estimation, Planning, and Exploration [87.53543137162488]
  我々はtextttMEX というオンライン強化学習(オンラインRL)フレームワークを提案する。 textttMEXは、自動的に探索エクスプロイトのバランスをとりながら、見積もりと計画コンポーネントを統合する。 様々な MuJoCo 環境では,ベースラインを安定的なマージンで上回り,十分な報酬を得られる。
  論文  参考訳（メタデータ） (2023-05-29T17:25:26Z)
• An Empirical Evaluation of Zeroth-Order Optimization Methods on AI-driven Molecule Optimization [78.36413169647408]
  分子目的を最適化するための様々なZO最適化手法の有効性について検討する。 ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。 本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
  論文  参考訳（メタデータ） (2022-10-27T01:58:10Z)
• Optimizer Amalgamation [124.33523126363728]
  私たちは、Amalgamationという新しい問題の研究を動機付けています。"Teacher"アマルガメーションのプールを、より強力な問題固有のパフォーマンスを持つ単一の"学生"にどのように組み合わせるべきなのでしょうか? まず、勾配降下による解析のプールをアマルガメートする3つの異なるメカニズムを定義する。 また, プロセスの分散を低減するため, 目標を摂動させることでプロセスの安定化を図る。
  論文  参考訳（メタデータ） (2022-03-12T16:07:57Z)
• Hybrid Evolutionary Optimization Approach for Oilfield Well Control Optimization [0.0]
  油田生産の最適化は、地下モデルの複雑さと関連する非線形性のために困難である。 本稿では,2つのハイブリッドな進化的最適化手法の有効性について述べる。
  論文  参考訳（メタデータ） (2021-03-29T13:36:51Z)
• Optimization and benchmarking of the thermal cycling algorithm [0.5879782260984691]
  最適化問題のほとんどは、不規則に複雑な構造を持ち、不必要なタスクを見つける。 本稿では,非最適化問題におけるエネルギー障壁を温度差で克服するアルゴリズムをベンチマークし,改良する。 並列サイクリングやアイソエネルゲティックな動きなど,最先端のアルゴリズムと密接に競合することを示す。
  論文  参考訳（メタデータ） (2020-12-17T18:07:04Z)
• Mixed Strategies for Robust Optimization of Unknown Objectives [93.8672371143881]
  そこでは,不確実なパラメータの最悪の実現に対して,未知の目的関数を最適化することを目的として,ロバストな最適化問題を考察する。 我々は,未知の目的をノイズ点評価から逐次学習する,新しいサンプル効率アルゴリズムGP-MROを設計する。 GP-MROは、最悪のケースで期待される目標値を最大化する、堅牢でランダムな混合戦略の発見を目指している。
  論文  参考訳（メタデータ） (2020-02-28T09:28:17Z)

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。