論文の概要: Optimal Placement of Capacitor in Distribution System using Particle Swarm Optimization

• arxiv url: http://arxiv.org/abs/2311.08728v1
• Date: Wed, 15 Nov 2023 06:38:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-16 16:59:38.320846
• Title: Optimal Placement of Capacitor in Distribution System using Particle Swarm Optimization
• Title（参考訳）: 粒子群最適化を用いた配電系統におけるコンデンサの最適配置
• Authors: Izhar Ul Haq (School of Automation, Central South University, China)
• Abstract要約: 本稿では,キャパシタの最適配置とサイズによるライン損失の低減に着目した。 コンデンサ最適化の配置は、損失感度因子に依存するバスの感度に関係している。 その結果, コンデンサを最も敏感なバスに配置すると, ライン損失が著しく減少することがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In power systems, the incorporation of capacitors offers a wide range of established advantages. These benefits encompass the enhancement of the systems power factor, optimization of voltage profiles, increased capacity for current flow through cables and transformers, and the mitigation of losses attributed to the compensation of reactive power components. Different techniques have been applied to enhance the performance of the distribution system by reducing line losses. This paper focuses on reducing line losses through the optimal placement and sizing of capacitors. Optimal capacitor placement is analysed using load flow analysis with the Newton Raphson method. The placement of capacitor optimization is related to the sensitivity of the buses, which depends on the loss sensitivity factor. The optimal capacitor size is determined using Particle Swarm Optimization (PSO). The analysis is conducted using the IEEE 14 bus system in MATLAB. The results reveal that placing capacitors at the most sensitive bus locations leads to a significant reduction in line losses. Additionally, the optimal capacitor size has a substantial impact on improving the voltage profile and the power loss is reduced by 21.02 percent through the proposed method.
• Abstract（参考訳）: 電力システムでは、コンデンサの組み込みは広範囲の確立された利点を提供する。 これらの利点には、システムパワーファクタの強化、電圧プロファイルの最適化、ケーブルや変圧器を通した電流流の容量の増大、反応電力部品の補償に起因する損失の軽減が含まれる。 系統損失を低減し, 配電系統の性能向上に様々な手法が適用されている。 本稿では,キャパシタの最適配置とサイズによる線路損失の低減に着目する。 ニュートン・ラフソン法による負荷流解析により最適キャパシタ配置を解析した。 コンデンサ最適化の配置は、損失感度因子に依存するバスの感度に関係している。 最適キャパシタサイズは粒子群最適化(pso)により決定される。 解析はMATLABのIEEE 14バスシステムを用いて行われる。 その結果, コンデンサを最も敏感なバスに配置すると, ライン損失が著しく減少することがわかった。 さらに、最適コンデンササイズは電圧プロファイルの改善に大きく影響し、提案手法により電力損失を21.02パーセント削減する。

関連論文リスト

• Variance-Reducing Couplings for Random Features [57.73648780299374]
  ランダム機能(RF)は、機械学習においてカーネルメソッドをスケールアップする一般的なテクニックである。 ユークリッド空間と離散入力空間の両方で定義されるRFを改善するための結合を求める。 パラダイムとしての分散還元の利点と限界について、驚くほどの結論に達した。
  論文  参考訳（メタデータ） (2024-05-26T12:25:09Z)
• Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
  変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。 本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。 また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
  論文  参考訳（メタデータ） (2024-04-17T11:00:12Z)
• Wiring surface loss of a superconducting transmon qubit [0.0]
  トランスモン量子ビットの表面損失の50%以上はジョセフソン接合配線から得られることを示す。 6つの可変浮動小数点量子ビットを作製し、配線設計最適化により最大20%のクビット品質係数の改善を実験的に示す。
  論文  参考訳（メタデータ） (2023-11-28T13:59:41Z)
• Cost Explosion for Efficient Reinforcement Learning Optimisation of Quantum Circuits [55.616364225463066]
  強化学習(Reinforcement Learning, RL)は、量子回路を最適化する学習手法である。 私たちのゴールは、量子回路を手動で最適化する方法のヒントを含めることで、エージェントの最適化戦略を改善することです。 本稿では, コスト爆発を許容することは, 最適回路に到達するなど, RL トレーニングにおいて大きな利点をもたらすことを示す。
  論文  参考訳（メタデータ） (2023-11-21T10:16:03Z)
• HEAT: Hardware-Efficient Automatic Tensor Decomposition for Transformer Compression [69.36555801766762]
  本稿では,分解可能な指数空間を効率的に探索できるハードウェア対応テンソル分解フレームワークHEATを提案する。 ハードウェア対応のBERT変異体は, エネルギー遅延を5.7倍に低減し, 精度が1.1%以下であることを示す。
  論文  参考訳（メタデータ） (2022-11-30T05:31:45Z)
• Shape optimization of superconducting transmon qubit for low surface dielectric loss [1.1228750845630484]
  トランスモン量子ビットにおける表面誘電損失を低減するための形状最適化手法を提案する。 トランスモン量子ビットのコンデンサパッドとジャンクションワイヤはスプライン曲線として形成され、有限要素法と大域最適化アルゴリズムの組み合わせにより最適化される。 その結果、TLS制限品質係数と対応するT_1$が約21.6%増加した。
  論文  参考訳（メタデータ） (2022-11-25T15:03:43Z)
• Transformer Network-based Reinforcement Learning Method for Power Distribution Network (PDN) Optimization of High Bandwidth Memory (HBM) [4.829921419076774]
  高帯域メモリ(HBM)の電力分散ネットワーク(PDN)最適化のための変圧器ネットワークに基づく強化学習(RL)手法を提案する。 提案手法は,複数のポートで見られるPDN自己転送の低減を最大化するために,最適なデカップリングコンデンサ(デキャップ)設計を提供する。
  論文  参考訳（メタデータ） (2022-03-29T16:27:54Z)
• SNR optimization of multi-span fiber optic communication systems employing EDFAs with non-flat gain and noise figure [0.0]
  信号間雑音(SNR)最適化のためのマルチスパン伝送システムのコンポーネントワイズモデルを提案する。 GFFのないCバンド増幅器のゲインおよびノイズフィギュアスペクトルプロファイルについて、機械学習に基づくモデルを訓練する。 SNR平坦度を1.2dBまで同時に達成する。
  論文  参考訳（メタデータ） (2021-06-07T14:09:53Z)
• Latent-Optimized Adversarial Neural Transfer for Sarcasm Detection [50.29565896287595]
  サーカズム検出のための共通データセットを活用するために,転送学習を適用する。 異なる損失が互いに対応できる汎用的な潜時最適化戦略を提案します。 特に、isarcasmデータセットの以前の状態よりも10.02%の絶対性能向上を達成している。
  論文  参考訳（メタデータ） (2021-04-19T13:07:52Z)
• Optimal design of a superconducting transmon qubit with tapered wiring [0.0]
  したがって、公式は損失を正確に予測し、qubitレイアウトを最適化するために使用することができる。 表面の損失のかなりの部分はジョセフソン接合とクビットコンデンサを接続する小さなワイヤから来ている。
  論文  参考訳（メタデータ） (2021-04-04T06:13:14Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)

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。