論文の概要: Market-Oriented Flow Allocation for Thermal Solar Plants: An Auction-Based Methodology with Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2504.01652v1
• Date: Wed, 02 Apr 2025 12:01:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:18:43.381939
• Title: Market-Oriented Flow Allocation for Thermal Solar Plants: An Auction-Based Methodology with Artificial Intelligence
• Title（参考訳）: 太陽熱プラントの市場指向フローアロケーション:人工知能を用いたオークションベースの手法
• Authors: Sara Ruiz-Moreno, Antonio J. Gallego, Antonio J. Gallego, Antonio J. Gallego,
• Abstract要約: 本稿では,パラボリックトラフコレクタ(PTC)プラントの熱収支を最適化する新しい手法を提案する。 市場ベースのシステムを使用して、計算とデータ要求を減らすために、ループ間のフローを人工知能ニューラルネットワーク(ANN)と組み合わせて分散する。 熱損失、光学効率、照射条件の相違、部分的に曇り、曇りなどによる検証により、非配置システムと比較して熱出力とインターセプト係数が改善された。
• 参考スコア（独自算出の注目度）: 0.2999888908665658
• License:
• Abstract: This paper presents a novel method to optimize thermal balance in parabolic trough collector (PTC) plants. It uses a market-based system to distribute flow among loops combined with an artificial neural network (ANN) to reduce computation and data requirements. This auction-based approach balances loop temperatures, accommodating varying thermal losses and collector efficiencies. Validation across different thermal losses, optical efficiencies, and irradiance conditions-sunny, partially cloudy, and cloudy-show improved thermal power output and intercept factors compared to a no-allocation system. It demonstrates scalability and practicality for large solar thermal plants, enhancing overall performance. The method was first validated through simulations on a realistic solar plant model, then adapted and successfully tested in a 50 MW solar trough plant, demonstrating its advantages. Furthermore, the algorithms have been implemented, commissioned, and are currently operating in 13 commercial solar trough plants.
• Abstract（参考訳）: 本稿では,パラボリックトラフコレクタ(PTC)プラントの熱収支を最適化する新しい手法を提案する。 市場ベースのシステムを使用して、計算とデータ要求を減らすために、ループ間のフローを人工知能ニューラルネットワーク(ANN)と組み合わせて分散する。 このオークションベースのアプローチは、ループ温度のバランスをとり、様々な熱損失とコレクタ効率を調節する。 熱損失、光学効率、照射条件の相違、部分的に曇り、曇りなどによる検証により、非配置システムと比較して熱出力とインターセプト係数が改善した。 大規模な太陽熱プラントのスケーラビリティと実用性を実証し、全体的な性能を向上させる。 この方法はまず、現実的なソーラープラントモデルのシミュレーションを通じて検証され、その後50MWのソーラートラフプラントで適用、試験に成功し、その利点を実証した。 さらにアルゴリズムは実装され、委託され、現在は13のソーラートラフ工場で運用されている。

関連論文リスト

• SPIRIT: Short-term Prediction of solar IRradIance for zero-shot Transfer learning using Foundation Models [7.6430384355362735]
  太陽放射予測に基礎モデルを活用する新しい手法を提案する。 提案手法は,ゼロショットトランスファー学習における最先端モデルを約70%向上させ,過去のデータに頼ることなく,新しい場所での効果的なパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-02-14T17:10:17Z)
• Intra-day Solar and Power Forecast for Optimization of Intraday Market Participation [31.426172725953638]
  太陽光照射の予測により、太陽光発電(PV)発電とグリッド統合の信頼性が向上する。 本研究は, 長短期記憶(LSTM)モデルとBi-LSTMモデルを用いて, 6時間の地平線と10分間の分解能で太陽光照射を予測する。 LSTM予測は平均して時間分解能モデルを作成し、平均絶対誤差、ルート平均二乗誤差、正規化ルート平均二乗誤差、平均絶対二乗誤差を用いて評価した。
  論文  参考訳（メタデータ） (2025-01-16T14:12:03Z)
• PearSAN: A Machine Learning Method for Inverse Design using Pearson Correlated Surrogate Annealing [66.27103948750306]
  PearSANは、大きな設計空間を持つ逆設計問題に適用可能な機械学習支援最適化アルゴリズムである。 ピアソン相関代理モデルを用いて、真の設計計量のメリットの図形を予測する。 最先端の最大設計効率は97%で、少なくとも以前の方法よりも桁違いに高速である。
  論文  参考訳（メタデータ） (2024-12-26T17:02:19Z)
• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• Location Agnostic Source-Free Domain Adaptive Learning to Predict Solar Power Generation [0.0]
  本稿では,気象特性を用いた太陽発電を推定するためのドメイン適応型ディープラーニングフレームワークを提案する。 フィードフォワード深部畳み込みネットワークモデルは、既知の位置データセットを教師付きでトレーニングし、後に未知の場所の太陽エネルギーを予測するために使用される。 我々の手法では、カリフォルニア(CA)、フロリダ(FL)、ニューヨーク(NY)の順応的でない手法と比較して、太陽エネルギー予測精度が10.47 %、7.44 %、5.11%の改善が見られた。
  論文  参考訳（メタデータ） (2024-01-24T02:08:48Z)
• Improving day-ahead Solar Irradiance Time Series Forecasting by Leveraging Spatio-Temporal Context [46.72071291175356]
  太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。 しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。 本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-06-01T19:54:39Z)
• A Comparative Study on Generative Models for High Resolution Solar Observation Imaging [59.372588316558826]
  本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。 スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
  論文  参考訳（メタデータ） (2023-04-14T14:40:32Z)
• Short term solar energy prediction by machine learning algorithms [0.47791962198275073]
  機械学習技術の強みを利用した日次太陽エネルギー予測について報告する。 線形, 尾根, ラッソ, 決定木, ランダム森林, 人工ニューラルネットワークなどのベースライン回帰器の予測モデルを実装した。 改良された精度は,2つのグリッドサイズでランダム森林と尾根回帰器によって達成されている。
  論文  参考訳（メタデータ） (2020-10-25T17:56:03Z)
• Controlling Rayleigh-B\'enard convection via Reinforcement Learning [62.997667081978825]
  固定外熱勾配下での対流熱交換を抑制または促進するための効果的な制御戦略の同定は、重要な基本的かつ技術的問題である。 本研究では,最先端の強化学習(RL)アルゴリズムに基づく新しい手法を提案する。 我々のRL制御は導電系を安定させ、対流の開始をレイリー数にすることができることを示す。
  論文  参考訳（メタデータ） (2020-03-31T16:39:25Z)
• Evaluation of electrical efficiency of photovoltaic thermal solar collector [1.9604116035607555]
  本研究では, 太陽光発電用ソーラーコレクタ(PV/T)の熱特性を機械学習で予測する。 入射温度、流量、熱、太陽放射、太陽熱は入力変数として検討されている。 提案した LSSVM モデルは ANFIS と ANNs モデルより優れていた。
  論文  参考訳（メタデータ） (2020-02-11T21:11:54Z)
• 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。