論文の概要: Quantum-Powered Optimization for Electric Vehicle Charging Infrastructure Deployment

• arxiv url: http://arxiv.org/abs/2411.06684v1
• Date: Mon, 11 Nov 2024 03:03:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-12 14:07:52.556278
• Title: Quantum-Powered Optimization for Electric Vehicle Charging Infrastructure Deployment
• Title（参考訳）: 電気自動車充電インフラ展開のための量子パワー最適化
• Authors: Nazmush Sakib, Xin Chen,
• Abstract要約: 電気自動車充電ステーションの最適配置を特定する数学的モデルを開発した。 このモデルは実世界のケーススタディを用いて検証され、D-Waveから市販の量子コンピュータを用いて解決される。
• 参考スコア（独自算出の注目度）: 3.406797377411835
• License:
• Abstract: The infrastructure development of electric vehicle charging stations (EVCS) is critical to the integration of electrical vehicles (EVs) into transportation systems, which requires significant investment and has long-term impact on the adoption of EVs. In this paper, a mathematical model is developed to identify the optimal placement of EVCS by utilizing a novel quantum annealing (QA) algorithm and quantum computation (QC). The objective of the optimization model is to determine the locations of EVCS that maximize their service quality for EV users. The model is validated using a real-world case study and solved using commercially available quantum computers from D-Wave. The case study shows that the QA algorithm can find the optimal placement of EVCS within seconds. The quality of the solutions obtained using QC is not sensitive to the shape or size of the area where EVCS are to be deployed.
• Abstract（参考訳）: 電気自動車充電ステーション(EVCS)のインフラ開発は、電気自動車(EV)を輸送システムに統合するために重要であり、これはかなりの投資を必要とし、EVの採用に長期的な影響を与える。 本稿では,新しい量子アニーリング(QA)アルゴリズムと量子計算(QC)を用いて,EVCSの最適配置を特定する数学的モデルを開発した。 最適化モデルの目的は,EVCS 利用者のサービス品質を最大化する EVCS の位置を決定することである。 このモデルは実世界のケーススタディを用いて検証され、D-Waveから市販の量子コンピュータを用いて解決される。 ケーススタディは、QAアルゴリズムがEVCSの最適配置を数秒以内に見つけることができることを示した。 QCを用いて得られた溶液の品質は、EVCSが展開される領域の形状や大きさに敏感ではない。

関連論文リスト

• A Deep Q-Learning based Smart Scheduling of EVs for Demand Response in Smart Grids [0.0]
  本研究では、Deep Q-Learningを利用して、マイクログリッド内におけるEVの充電および排出活動のスケジューリングを行うモデルフリーソリューションを提案する。 我々は,EVスケジューリング動作に対する特定の報酬に基づいて状態の値を評価するためにベルマン方程式を適用し,ニューラルネットワークを用いて利用可能な動作に対するQ値とエプシロングレーディアルゴリズムを用いて,目標エネルギープロファイルを満たすために,エクスプロイトと探索のバランスをとる。
  論文  参考訳（メタデータ） (2024-01-05T06:04:46Z)
• A Data-Driven Framework for Improving Public EV Charging Infrastructure: Modeling and Forecasting [13.950084838642228]
  既存の充電インフラは、急速に増加する充電需要を維持できなくなるのではないかと考えられている。 現在、適切なQoE指標がなければ、EV充電ステーションの性能を評価するのに、オペレーターは著しく困難に直面している。 本稿では,新規かつオリジナルなQoEパフォーマンス指標の定式化を通じて,このギャップを埋めることを目的とする。
  論文  参考訳（メタデータ） (2023-12-08T19:37:15Z)
• Electric Vehicles coordination for grid balancing using multi-objective Harris Hawks Optimization [0.0]
  再生可能エネルギーの台頭は、地域グリッドのエネルギー収支に技術的および運用上の課題をもたらす電気自動車(EV)へのシフトと一致している。 複数のEVからグリッドへの電力フローの調整には、高度なアルゴリズムとロードバランシング戦略が必要である。 本稿では,安定した電力供給と安定したローカルグリッドの維持を目標として,一日のEVフリート調整モデルを提案する。
  論文  参考訳（メタデータ） (2023-11-24T15:50:37Z)
• Charge Manipulation Attacks Against Smart Electric Vehicle Charging Stations and Deep Learning-based Detection Mechanisms [49.37592437398933]
  電気自動車充電ステーション(EVCS)は、グリーントランスポートの実現に向けた重要なステップとなる。 我々は、攻撃者がスマート充電操作中に交換された情報を操作しているEV充電に対する充電操作攻撃(CMA)を調査した。 本稿では,EV充電に関わるパラメータを監視してCMAを検出する,教師なしのディープラーニングに基づくメカニズムを提案する。
  論文  参考訳（メタデータ） (2023-10-18T18:38:59Z)
• Toward High-Performance Energy and Power Battery Cells with Machine Learning-based Optimization of Electrode Manufacturing [61.27691515336054]
  本研究では,所望のバッテリ適用条件に対する高性能電極の課題に対処する。 本稿では、電気化学性能の2目的最適化のための決定論的機械学習(ML)支援パイプラインによって支援される強力なデータ駆動アプローチを提案する。 以上の結果から,スラリー中の固形物の中間値とカレンダリング度を併用した高活性物質が最適電極となることが示唆された。
  論文  参考訳（メタデータ） (2023-07-07T13:48:50Z)
• Integrated Sensing, Computation, and Communication for UAV-assisted Federated Edge Learning [52.7230652428711]
  フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。 無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
  論文  参考訳（メタデータ） (2023-06-05T16:01:33Z)
• GP CC-OPF: Gaussian Process based optimization tool for Chance-Constrained Optimal Power Flow [54.94701604030199]
  Gaussian Process (GP) ベースのChance-Constrained Optimal Flow (CC-OPF) は、電力グリッドにおけるエコノミックディスパッチ(ED)問題のためのオープンソースのPythonコードである。 CC-OPモデルに基づく新しいデータ駆動手法を提案し,複雑性と精度のトレードオフにより大規模な回帰問題を解く。
  論文  参考訳（メタデータ） (2023-02-16T17:59:06Z)
• A new Hyper-heuristic based on Adaptive Simulated Annealing and Reinforcement Learning for the Capacitated Electric Vehicle Routing Problem [9.655068751758952]
  都市部では環境汚染と地球温暖化を減らすために電気自動車(EV)が採用されている。 社会と経済の持続可能性に影響を与え続けているラストマイルロジスティクスの軌道をルーティングするのにはまだ不足がある。 本稿では,高ヒューリスティック適応アニーリングと強化学習というハイパーヒューリスティックなアプローチを提案する。
  論文  参考訳（メタデータ） (2022-06-07T11:10:38Z)
• An Energy Consumption Model for Electrical Vehicle Networks via Extended Federated-learning [50.85048976506701]
  本稿では,フェデレートラーニングモデルに基づく不安度を測る新しい手法を提案する。 バッテリー消費を推定し、車両ネットワークにエネルギー効率の高いルートプランニングを提供する。
  論文  参考訳（メタデータ） (2021-11-13T15:03:44Z)
• Towards an Optimal Hybrid Algorithm for EV Charging Stations Placement using Quantum Annealing and Genetic Algorithms [0.0]
  本稿では電気自動車充電器配置(EVCP)問題を解くための良い方法を見つけることを目的とする。 著者らはこの問題を解決するために量子アニーリングと遺伝的アルゴリズムを組み合わせた小説を紹介した。
  論文  参考訳（メタデータ） (2021-11-02T14:36:51Z)
• Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
  VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。 どちらの手法もエネルギーと基底状態の優れた推定値を提供する。 勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
  論文  参考訳（メタデータ） (2020-11-02T19:52:04Z)

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。