論文の概要: Probability Estimation and Scheduling Optimization for Battery Swap Stations via LRU-Enhanced Genetic Algorithm and Dual-Factor Decision System
- arxiv url: http://arxiv.org/abs/2504.07453v1
- Date: Thu, 10 Apr 2025 04:58:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-11 12:22:56.347553
- Title: Probability Estimation and Scheduling Optimization for Battery Swap Stations via LRU-Enhanced Genetic Algorithm and Dual-Factor Decision System
- Title（参考訳）: LRU強化遺伝的アルゴリズムと2要素決定システムによる電池スワップステーションの確率推定とスケジューリング最適化
- Authors: Anzhen Li, Shufan Qing, Xiaochang Li, Rui Mao, Mingchen Feng,
- Abstract要約: 本研究では,充電杭データに基づく確率推定モデルを提案し,9つのシナリオ固有の電池交換需要データセットを構築した。
これは、グローバル最適化機能を効果的に強化するガイド付き検索機構を組み込んでいる。
即時スワップ・アンド・チャージ戦略に対するベンチマークでは,最大で13.96%のコスト削減を実現している。
- 参考スコア（独自算出の注目度）: 2.845879685273271
- License:
- Abstract: To address the challenges of limited Battery Swap Stations datasets, high operational costs, and fluctuating user charging demand, this research proposes a probability estimation model based on charging pile data and constructs nine scenario-specific battery swap demand datasets. In addition, this study combines Least Recently Used strategy with Genetic Algorithm and incorporates a guided search mechanism, which effectively enhances the global optimization capability. Thus, a dual-factor decision-making based charging schedule optimization system is constructed. Experimental results show that the constructed datasets exhibit stable trend characteristics, adhering to 24-hour and 168-hour periodicity patterns, with outlier ratios consistently below 3.26%, confirming data validity. Compared to baseline, the improved algorithm achieves better fitness individuals in 80% of test regions under the same iterations. When benchmarked against immediate swap-and-charge strategy, our algorithm achieves a peak cost reduction of 13.96%. Moreover, peak user satisfaction reaches 98.57%, while the average iteration time remains below 0.6 seconds, demonstrating good computational efficiency. The complete datasets and optimization algorithm are open-sourced at https://github.com/qingshufan/GA-EVLRU.
- Abstract（参考訳）: 本研究では,バッテリ・スワップ・ステーション(Battery Swap Stations)の限られたデータセット,高い運用コスト,および変動するユーザ・充電需要の課題に対処するため,充電杭データに基づく確率推定モデルを提案し,9つのシナリオ固有のバッテリ・スワップ・サプライ・データセットを構築した。
さらに,本研究では,Last recent Used Strategyと遺伝的アルゴリズムを併用し,グローバル最適化能力を効果的に向上するガイド付き探索機構を組み込んだ。
これにより、二要素決定に基づく充電スケジュール最適化システムを構築する。
実験の結果, 構築したデータセットは24時間および168時間周期パターンに固執し, 3.26%以下でデータの有効性が確認された。
ベースラインと比較して、改良されたアルゴリズムは、同じイテレーションでテスト領域の80%でより良い適合性を達成する。
即時スワップ・アンド・チャージ戦略に対するベンチマークでは,最大で13.96%のコスト削減を実現している。
さらに、ピーク時のユーザの満足度は98.57%に達し、平均イテレーション時間は0.6秒未満であり、計算効率は良好である。
完全なデータセットと最適化アルゴリズムはhttps://github.com/qingshufan/GA-EVLRUでオープンソース化されている。
関連論文リスト
- Optimal Dataset Size for Recommender Systems: Evaluating Algorithms' Performance via Downsampling [0.0]
この論文は、レコメンデーションシステムのエネルギー効率を最適化するための戦略としてデータセットのダウンサンプリングを調査している。
7つのデータセット、12のアルゴリズム、そして2つのレベルのコアプルーニングに2つのダウンサンプリングアプローチを適用することで、この研究はランタイムと二酸化炭素排出量を大幅に削減することを示した。
論文 参考訳（メタデータ） (2025-02-12T23:32:09Z) - Value-Based Deep RL Scales Predictably [100.21834069400023]
本研究は, 地域社会が病的行動に不安を抱いているにもかかわらず, 価値に基づく非政治的RL法が予測可能であることを示す。
SAC、BRO、PQLの3つのアルゴリズムを使って、DeepMind Control、OpenAI gym、IsaacGymの3つのアプローチを検証する。
論文 参考訳（メタデータ） (2025-02-06T18:59:47Z) - Testing the Efficacy of Hyperparameter Optimization Algorithms in Short-Term Load Forecasting [0.0]
我々は、Panaama Electricityデータセットを用いて、サロゲート予測アルゴリズムであるXGBoostのHPOアルゴリズムの性能を、精度(MAPE、$R2$)とランタイムで評価する。
その結果,Random SearchよりもHPOアルゴリズムが優れていることがわかった。
論文 参考訳（メタデータ） (2024-10-19T09:08:52Z) - Acquiring Better Load Estimates by Combining Anomaly and Change Point Detection in Power Grid Time-series Measurements [0.49478969093606673]
提案手法は,可視データに対する堅牢かつ一般化可能な性能を確保しつつ,解釈可能性の優先順位付けを行う。
その結果, 濾過が適用されない場合に, 洗浄電位が明らかになることが示唆された。
我々の方法論の解釈可能性によって、重要なインフラ計画に特に適しています。
論文 参考訳（メタデータ） (2024-05-25T10:15:51Z) - A Meta-Learning Approach to Predicting Performance and Data Requirements [163.4412093478316]
本稿では,モデルが目標性能に達するために必要なサンプル数を推定する手法を提案する。
モデル性能を推定するデファクト原理であるパワー法則が,小さなデータセットを使用する場合の誤差が大きいことが判明した。
本稿では,2つのデータを異なる方法で処理するPPL法について紹介する。
論文 参考訳（メタデータ） (2023-03-02T21:48:22Z) - Federated Learning for Energy-limited Wireless Networks: A Partial Model
Aggregation Approach [79.59560136273917]
デバイス間の限られた通信資源、帯域幅とエネルギー、およびデータ不均一性は、連邦学習(FL)の主要なボトルネックである
まず、部分モデルアグリゲーション(PMA)を用いた新しいFLフレームワークを考案する。
提案されたPMA-FLは、2つの典型的な異種データセットにおいて2.72%と11.6%の精度を改善する。
論文 参考訳（メタデータ） (2022-04-20T19:09:52Z) - Optimizing Coordinative Schedules for Tanker Terminals: An Intelligent
Large Spatial-Temporal Data-Driven Approach -- Part 1 [4.181498820782148]
提案手法は,カーネルとして拡張粒子群最適化 (ePSO) と,グローバルな最適探索として拡張ファイアフライアルゴリズム (AFA) から構成される。
実験の結果,両手法がポート効率を効果的に向上させることができることがわかった。
論文 参考訳（メタデータ） (2022-04-08T07:56:32Z) - Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase
Classification Using EEG [56.155331323304]
本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。
チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
論文 参考訳（メタデータ） (2021-12-18T14:17:49Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-14T12:38:21Z) - Towards Efficient Scheduling of Federated Mobile Devices under
Computational and Statistical Heterogeneity [16.069182241512266]
本稿では,モバイルデバイス上での分散学習の実装について検討する。
チューニングノブとしてデータを使用し、異なるワークロードをスケジュールする2つの効率的な時間アルゴリズムを提案する。
一般的なベンチマークと比較すると,提案アルゴリズムはCIFAR10で2-100倍の高速化,2-7%の精度向上,収束率を100%以上達成している。
論文 参考訳（メタデータ） (2020-05-25T18:21:51Z) - Towards a Competitive End-to-End Speech Recognition for CHiME-6 Dinner
Party Transcription [73.66530509749305]
本稿では,難しい場合であっても,ハイブリッドベースラインに近い性能を示すエンドツーエンドアプローチについて論じる。
CTC-Attention と RNN-Transducer のアプローチと RNN と Transformer のアーキテクチャを比較し,解析する。
RNN-Transducerをベースとしたベストエンド・ツー・エンドモデルでは、ビームサーチの改善とともに、LF-MMI TDNN-F CHiME-6 Challengeのベースラインよりも品質が3.8%向上した。
論文 参考訳（メタデータ） (2020-04-22T19:08:33Z)
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。