Fugu-MT 論文翻訳(概要): A Modifiable Architectural Design for Commercial Greenhouses Energy Economic Dispatch Testbed

論文の概要: A Modifiable Architectural Design for Commercial Greenhouses Energy Economic Dispatch Testbed

arxiv url: http://arxiv.org/abs/2401.03888v1
Date: Mon, 8 Jan 2024 13:36:31 GMT
ステータス: 処理完了
システム内更新日: 2024-01-09 16:30:19.619117
Title: A Modifiable Architectural Design for Commercial Greenhouses Energy Economic Dispatch Testbed
Title（参考訳）: 商業用温室エコノミックディスパッチテストベッドにおける変更可能な構造設計
Authors: Christian Skafte Beck Clausen, Bo N{\o}rregaard J{\o}rgensen, Zheng Grace Ma
Abstract要約: 商業用温室は、二酸化炭素排出量に対処しながら、エネルギーコストを最小化しようとしている。本稿では,商業用温室用エネルギー経済派遣テストベッドの建築設計について述べる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Facing economic challenges due to the diverse objectives of businesses, and consumers, commercial greenhouses strive to minimize energy costs while addressing CO2 emissions. This scenario is intensified by rising energy costs and the global imperative to curtail CO2 emissions. To address these dynamic economic challenges, this paper proposes an architectural design for an energy economic dispatch testbed for commercial greenhouses. Utilizing the Attribute-Driven De-sign method, core architectural components of a software-in-the-loop testbed are proposed which emphasizes modularity and careful consideration of the multi-objective optimization problem. This approach extends prior research by implementing a modular multi-objective optimization framework in Java. The results demonstrate the successful integration of the CO2 reduction objective within the modular architecture with minimal effort. The multi-objective optimization output can also be employed to examine cost and CO2 objectives, ultimately serving as a valuable decision-support tool. The novel testbed architecture and a modular approach can tackle the multi-objective optimization problem and enable commercial greenhouses to navigate the intricate landscape of energy cost and CO2 emissions management.
Abstract（参考訳）: 企業や消費者の多様な目的による経済的課題に直面し、商業用温室はCO2排出量に対処しながらエネルギーコストを最小化しようとしている。このシナリオは、エネルギーコストの上昇とco2排出量削減の世界的な推進によって強化される。本稿では,これらの動的な経済課題に対処するため,商業用温室用エネルギー経済派遣テストベッドの建築設計を提案する。属性駆動脱符号法を用いて,多目的最適化問題に対するモジュール性と注意深い考察を強調する,software-in-the-loopテストベッドのコアアーキテクチャコンポーネントを提案する。このアプローチは、Javaでモジュール化された多目的最適化フレームワークを実装することで、以前の研究を拡張します。その結果、最小限の労力で、モジュールアーキテクチャにおけるCO2削減目標の達成を実証した。多目的最適化アウトプットはコストやco2目標を調べるためにも用いられ、最終的に価値のある意思決定ツールとして機能する。新たなテストベッドアーキテクチャとモジュラーアプローチは、多目的最適化問題に取り組み、商業用温室が複雑なエネルギーコストとCO2排出管理をナビゲートできるようにする。

関連論文リスト

Carbon Market Simulation with Adaptive Mechanism Design [55.25103894620696]
炭素市場(英: carbon market)は、個人の利益をグローバルユーティリティーと整合させる経済エージェントをインセンティブとする、市場ベースのツールである。階層型モデルフリーマルチエージェント強化学習(MARL)を用いて市場をシミュレートする適応機構設計フレームワークを提案する。 MARLは、政府エージェントが生産性、平等、二酸化炭素排出のバランスをとることができることを示している。
論文参考訳（メタデータ） (2024-06-12T05:08:51Z)
Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
論文参考訳（メタデータ） (2024-04-28T05:46:28Z)
EnergAIze: Multi Agent Deep Deterministic Policy Gradient for Vehicle to Grid Energy Management [0.0]
本稿では,MARL(Multi-Agent Reinforcement Learning)エネルギー管理フレームワークであるEnergAIzeを紹介する。ユーザ中心の多目的エネルギー管理を可能にし、各プローサが様々な個人管理目標から選択できるようにする。 EnergAIzeの有効性は、CityLearnシミュレーションフレームワークを用いたケーススタディにより評価された。
論文参考訳（メタデータ） (2024-04-02T23:16:17Z)
Exploring sustainable alternatives for the deployment of microservices architectures in the cloud [1.3812010983144802]
本稿では,アプリケーション性能,デプロイメントコスト,消費電力の最適組み合わせを目標として,アーキテクチャのクラウド展開を支援する新しいアプローチを提案する。この結果は,Train Ticketケーススタディの総合的な評価を通じて,我々のアプローチの可能性を示すものである。
論文参考訳（メタデータ） (2024-02-17T10:06:26Z)
Power Hungry Processing: Watts Driving the Cost of AI Deployment? [74.19749699665216]
生成された多目的AIシステムは、機械学習(ML)モデルをテクノロジに構築するための統一的なアプローチを約束する。この「一般性」の野心は、これらのシステムが必要とするエネルギー量と放出する炭素量を考えると、環境に急激なコストがかかる。これらのモデルを用いて,代表的なベンチマークデータセット上で1,000の推論を行うのに必要なエネルギーと炭素の量として,デプロイメントコストを測定した。本稿は、多目的MLシステムの展開動向に関する議論から締めくくり、エネルギーと排出の面でコストの増大に対して、その実用性はより意図的に重み付けされるべきである、と警告する。
論文参考訳（メタデータ） (2023-11-28T15:09:36Z)
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)
MAHTM: A Multi-Agent Framework for Hierarchical Transactive Microgrids [0.0]
本稿では,マイクログリッド内のエネルギー取引を管理するためのマルチエージェント強化学習フレームワークを提案する。炭素フットプリントを最小化し、すべての利害関係者に利益を与えることで、利用可能なリソースの使用を最適化することを目指している。
論文参考訳（メタデータ） (2023-03-15T08:42:48Z)
Eco2AI: carbon emissions tracking of machine learning models as the first step towards sustainable AI [47.130004596434816]
eco2AIでは、エネルギー消費の追跡と地域CO2排出量の正当性に重点を置いている。モチベーションは、サステナブルAIとグリーンAI経路の両方で、AIベースの温室効果ガスの隔離サイクルの概念からもたらされる。
論文参考訳（メタデータ） (2022-07-31T09:34:53Z)
An Environmentally Sustainable Closed-Loop Supply Chain Network Design under Uncertainty: Application of Optimization [0.0]
環境要因を考慮したグリーンサプライチェーン設計手法が提案されている。 Epsilon Constraint Method と Genetic Al-gorithm Optimization Method という2つのオプティマイゼーション手法が用いられている。
論文参考訳（メタデータ） (2020-09-24T23:25:35Z)
Multi-objective Optimal Control of Dynamic Integrated Model of Climate and Economy: Evolution in Action [0.8756822885568589]
気候変動の経済学研究に広く用いられているモデルの一つに、動的統合型気候経済モデル(DICE)がある。本稿では,DICEモデル上で定義された双方向最適制御問題について述べる。その目的は,社会福祉の最大化と大気温度差の最小化である。以上の結果から, 温度偏差は, 地球環境に顕著な技術進歩や肯定的な変化がない限り, 一定の低い限界以下には到達できないことが示唆された。
論文参考訳（メタデータ） (2020-06-29T20:41:34Z)
NeurOpt: Neural network based optimization for building energy management and climate control [58.06411999767069]
モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
論文参考訳（メタデータ） (2020-01-22T00:51:03Z)

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。