論文の概要: Community Battery Energy Storage Systems for Enhancing Distribution
System Operation: A Multi-objective Optimization Approach
- arxiv url: http://arxiv.org/abs/2311.16110v1
- Date: Tue, 5 Sep 2023 02:29:40 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 15:23:09.849948
- Title: Community Battery Energy Storage Systems for Enhancing Distribution
System Operation: A Multi-objective Optimization Approach
- Title（参考訳）: 配電系統運用促進のためのコミュニティ電池エネルギー貯蔵システム:多目的最適化アプローチ
- Authors: Yunqi Wang, Hao Wang, Markus Wagner, Ariel Liebman
- Abstract要約: コミュニティバッテリエネルギー貯蔵システム(C-BESS)を活用した多目的最適化による革新的なDN運用フレームワークを提案する。
提案するフレームワークは,まず,分散ネットワークサービスプロバイダ(DNSP)の関心事である電圧偏差を最小限にするため,2つの主要な運用目標を目標としている。
我々はC-BESSを利用してシステムの適応性を高め、動的にDN操作を調整する。
- 参考スコア（独自算出の注目度）: 6.751575365462652
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The growing penetration of distributed energy resources (DERs) in
distribution networks (DNs) raises new operational challenges, particularly in
terms of reliability and voltage regulation. In response to these challenges,
we introduce an innovative DN operation framework with multi-objective
optimization, leveraging community battery energy storage systems (C-BESS). The
proposed framework targets two key operational objectives: first, to minimize
voltage deviation, which is a concern for a distribution network service
provider (DNSP), and second, to maximize the utilization of DERs on the demand
side. Recognizing the conflicting nature of these objectives, we utilize C-BESS
to enhance the system's adaptability to dynamically adjust DN operations. The
multi-objective optimization problem is solved using the non-dominated sorting
genetic algorithm-II (NSGA-II). Case studies using real-world data are
conducted to validate the effectiveness of the proposed framework. The results
show significant improvements in voltage regulation and DER utilization,
demonstrating the potential of C-BESS in enabling more reliable DN operation.
Our findings contribute to the ongoing discourse on the role of C-BESS in DN
operation enhancement and DER integration.
- Abstract（参考訳）: 配電網(dns)における分散エネルギー資源(der)の普及は、特に信頼性と電圧規制の観点から新たな運用上の課題を提起する。
これらの課題に対応して,多目的最適化による革新的なdn運用フレームワークを導入し,c-bess(community battery energy storage systems)を活用する。
提案フレームワークは,配電ネットワークサービスプロバイダ(DNSP)の関心事である電圧偏差を最小化すること,および需要側におけるDERの利用を最大化すること,の2つの主要な運用目標を対象としている。
これらの目的の相反する性質を認識し,c-bessを用いてシステムの適応性を高め,dn操作を動的に調整する。
非支配的ソート遺伝的アルゴリズム-II (NSGA-II) を用いて多目的最適化問題を解く。
実世界データを用いたケーススタディを行い,提案手法の有効性を検証する。
その結果,より信頼性の高いDN操作を実現する上でのC-BESSの可能性を示すとともに,電圧制御とDER利用の大幅な改善が示された。
本研究は,DN操作増強とDER統合におけるC-BESSの役割に関する議論の進行に寄与する。
関連論文リスト
- DNN Partitioning, Task Offloading, and Resource Allocation in Dynamic Vehicular Networks: A Lyapunov-Guided Diffusion-Based Reinforcement Learning Approach [49.56404236394601]
本稿では,Vehicular Edge Computingにおける共同DNNパーティショニング,タスクオフロード,リソース割り当ての問題を定式化する。
我々の目標は、時間とともにシステムの安定性を保証しながら、DNNベースのタスク完了時間を最小化することである。
拡散モデルの革新的利用を取り入れたマルチエージェント拡散に基づく深層強化学習(MAD2RL)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-06-11T06:31:03Z) - Self-Supervised Learning for Large-Scale Preventive Security Constrained DC Optimal Power Flow [20.078717680640214]
SCOPF(Security-Constrained Optimal Power Flow)は、電力グリッドの安定性において重要な役割を果たすが、システムが成長するにつれてますます複雑になる。
本稿では,大規模SCOPF問題に対する準最適解を生成するための,自己教師付きエンドツーエンドのPDL-SCOPFについて紹介する。
論文 参考訳（メタデータ） (2023-11-29T20:36:35Z) - Multiagent Reinforcement Learning with an Attention Mechanism for
Improving Energy Efficiency in LoRa Networks [52.96907334080273]
ネットワーク規模が大きくなるにつれて、パケット衝突によるLoRaネットワークのエネルギー効率は急激に低下する。
マルチエージェント強化学習(MALoRa)に基づく伝送パラメータ割り当てアルゴリズムを提案する。
シミュレーションの結果,MALoRaはベースラインアルゴリズムと比較してシステムEEを著しく改善することがわかった。
論文 参考訳（メタデータ） (2023-09-16T11:37:23Z) - A Constraint Enforcement Deep Reinforcement Learning Framework for
Optimal Energy Storage Systems Dispatch [0.0]
エネルギー貯蔵システム(ESS)の最適供給は、動的価格の変動、需要消費、再生可能エネルギーの発生による深刻な課題を提起する。
ディープニューラルネットワーク(DNN)の一般化機能を活用することで、ディープ強化学習(DRL)アルゴリズムは、分散ネットワークの性質に適応して応答する良質な制御モデルを学ぶことができる。
本稿では,オンライン操作における環境や行動空間の運用制約を厳格に実施しながら,継続的な行動空間を効果的に処理するDRLフレームワークを提案する。
論文 参考訳（メタデータ） (2023-07-26T17:12:04Z) - 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) - Learning based E2E Energy Efficient in Joint Radio and NFV Resource
Allocation for 5G and Beyond Networks [21.60295771932728]
無線部に電力とスペクトル資源を割り当てる最適化問題を定式化する。
コア部では、すべてのユーザの効率を確保するために、関数の連鎖、配置、スケジューリングを行う。
次に、最大エントロピーフレームワークに基づくソフトアクター・クリティカル・ディープラーニング(SAC-DRL)アルゴリズムを用いて、上記のMDPを解く。
論文 参考訳（メタデータ） (2021-07-13T11:19:48Z) - ENOS: Energy-Aware Network Operator Search for Hybrid Digital and
Compute-in-Memory DNN Accelerators [1.8520017452993311]
本研究では、ディープニューラルネットワーク(DNN)アクセラレーターのエネルギー精度トレードオフに対処する、新しいEnergy-Aware Network Operator Search(ENOS)アプローチを提案する。
提案するenosフレームワークにより,推論演算子と計算モードの最適層分割により,所望のエネルギーと精度のバランスが達成できる。
論文 参考訳（メタデータ） (2021-04-12T05:57:06Z) - Large Scale Global Optimization Algorithms for IoT Networks: A
Comparative Study [29.884417706421218]
本研究では,無線センサネットワーク(WNS)の高次元での最適化について,分散検出の電力配分に着目して検討する。
大規模グローバル最適化(LGSO)問題に対処するために設計された4つのアルゴリズムを適用し比較する。
我々は,300次元,600次元,800次元の場合には,アルゴリズムの性能をいくつかの異なるケースで評価した。
論文 参考訳（メタデータ） (2021-02-22T18:59:22Z) - Deep Learning-based Resource Allocation For Device-to-Device
Communication [66.74874646973593]
デバイス間通信(D2D)を用いたマルチチャネルセルシステムにおいて,リソース割り当ての最適化のためのフレームワークを提案する。
任意のチャネル条件に対する最適な資源配分戦略をディープニューラルネットワーク(DNN)モデルにより近似する深層学習(DL)フレームワークを提案する。
シミュレーションの結果,提案手法のリアルタイム性能を低速で実現できることが確認された。
論文 参考訳（メタデータ） (2020-11-25T14:19:23Z) - Resource Allocation via Model-Free Deep Learning in Free Space Optical
Communications [119.81868223344173]
本稿では,自由空間光学(FSO)通信におけるチャネルフェージング効果の緩和のための資源配分の一般的な問題について検討する。
本フレームワークでは,FSO資源割り当て問題を解決する2つのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-07-27T17:38:51Z) - Optimization-driven Deep Reinforcement Learning for Robust Beamforming
in IRS-assisted Wireless Communications [54.610318402371185]
Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。
我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。
過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
論文 参考訳（メタデータ） (2020-05-25T01:42:55Z)
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。