論文の概要: Equilibrio de carga para transformadores de distribución eléctrica mejorando la calidad de servicio en fin de línea

• arxiv url: http://arxiv.org/abs/2505.09235v1
• Date: Wed, 14 May 2025 09:23:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-15 21:44:09.408139
• Title: Equilibrio de carga para transformadores de distribución eléctrica mejorando la calidad de servicio en fin de línea
• Title（参考訳）: エキリリリオ・デ・カルガ・パラ・トランスフォーメーション(Equilibrio de Carga para transformadores de Distribución eléctrica mejorando la calidad de servicio en fin de línea)
• Authors: Juan M. Bordón, Victor A. Jimenez, Adrian Will,
• Abstract要約: 本研究は,ネットワークの終端ノードにおける位相バランスと電圧品質を改善するために,どの負荷を再割り当てすべきかを最適に識別する遺伝的アルゴリズムを提案する。 このアルゴリズムは電力フロー解析ツールであるPandaPowerを用いてシミュレーションにより評価され、ツクムアンにおける電気システムの実環境特性に基づく単純なネットワークをモデル化した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The distribution of electrical energy faces global challenges, such as increasing demand, the integration of distributed generation, high energy losses, and the need to improve service quality. In particular, load imbalance-where loads are not evenly distributed across the circuit phase-can reduce efficiency, shorten equipment lifespan, and increase susceptibility to service interruptions. While methods that involve shifting loads from one phase to another can be costly, they are effective when smart meters are available and implemented efficiently. This work proposes the use of genetic algorithms to optimally identify which loads should be reassigned in order to improve both phase balance and voltage quality at the end nodes of the network while minimizing the number of required changes. The algorithm was evaluated through simulations using PandaPower, a power flow analysis tool, modeling simple networks based on real-world characteristics of the electrical system in Tucum\'an.
• Abstract（参考訳）: 電気エネルギーの分配は、需要の増加、分散型電源の統合、高エネルギー損失、サービス品質の改善の必要性など、世界的な課題に直面している。 特に、負荷不均衡の負荷は回路相間で均等に分散されないため、効率を低下させ、設備寿命を短縮し、サービス中断に対する感受性を高めることができる。 負荷をあるフェーズから別のフェーズにシフトさせる手法はコストがかかるが、スマートメーターが利用可能であれば有効であり、効率的に実装できる。 本研究は,ネットワークの終端ノードにおける位相バランスと電圧品質の両方を改善するために,要求される変更数を最小化しながら,どの負荷を再割り当てすべきかを最適に識別する遺伝的アルゴリズムを提案する。 このアルゴリズムは、電力フロー解析ツールであるPandaPowerを用いて、ツクムアンにおける電気システムの実環境特性に基づく単純なネットワークをモデル化し、シミュレーションにより評価した。

関連論文リスト

• Adaptive Dynamic Programming for Energy-Efficient Base Station Cell Switching [19.520603265594108]
  無線ネットワークの省エネは、次世代のセルネットワークの進化に対する需要が増大しているため、重要になっている。 本稿では,ネットワーク電力消費量を減らすために,オンライン最適化と併用して,基地局のセルをオン/オフする近似動的プログラミング(ADP)手法を提案する。
  論文  参考訳（メタデータ） (2023-10-05T14:50:12Z)
• 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)
• DClEVerNet: Deep Combinatorial Learning for Efficient EV Charging Scheduling in Large-scale Networked Facilities [5.78463306498655]
  電気自動車(EV)は配電ネットワークを著しくストレスし、性能を劣化させ、安定性を損なう可能性がある。 現代の電力網は、EV充電スケジューリングをスケーラブルで効率的な方法で最適化できる、コーディネートまたはスマートな充電戦略を必要とする。 ネットワークの利用可能な電力容量とステーションの占有限度を考慮しつつ、EV利用者の総福祉利益を最大化する時間結合二元最適化問題を定式化する。
  論文  参考訳（メタデータ） (2023-05-18T14:03:47Z)
• Stabilizing Voltage in Power Distribution Networks via Multi-Agent Reinforcement Learning with Transformer [128.19212716007794]
  本稿では,変圧器を用いたマルチエージェント・アクタ・クリティカル・フレームワーク(T-MAAC)を提案する。 さらに、電圧制御タスクに適した新しい補助タスクトレーニングプロセスを採用し、サンプル効率を向上する。
  論文  参考訳（メタデータ） (2022-06-08T07:48:42Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Deep Learning for Radio Resource Allocation with Diverse Quality-of-Service Requirements in 5G [53.23237216769839]
  本研究では,基地局の最適資源配分ポリシーを近似するディープラーニングフレームワークを開発する。 完全接続ニューラルネットワーク(NN)は,近似誤差とサブキャリア数の量子化誤差により,要求を完全に保証できないことがわかった。 無線チャネルの分布と無線ネットワークにおけるサービスのタイプが定常的でないことを考慮し,非定常的無線ネットワークにおけるNNの更新にディープトランスファー学習を適用した。
  論文  参考訳（メタデータ） (2020-03-29T04:48:22Z)
• Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable Edge Computing Systems [87.4519172058185]
  エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。 定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。 実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
  論文  参考訳（メタデータ） (2020-02-20T04:58:07Z)
• Wireless Power Control via Counterfactual Optimization of Graph Neural Networks [124.89036526192268]
  本稿では,無線ネットワークにおけるダウンリンク電力制御の問題点について考察する。 コンカレントトランスミッション間の干渉を軽減するために,ネットワークトポロジを活用してグラフニューラルネットワークアーキテクチャを構築する。 次に、教師なし原始対実対実最適化手法を用いて最適電力配分決定を学習する。
  論文  参考訳（メタデータ） (2020-02-17T07:54:39Z)

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。