論文の概要: Hybrid Wave-wind System Power Optimisation Using Effective Ensemble Covariance Matrix Adaptation Evolutionary Algorithm

• arxiv url: http://arxiv.org/abs/2505.20720v2
• Date: Wed, 28 May 2025 05:12:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.103036
• Title: Hybrid Wave-wind System Power Optimisation Using Effective Ensemble Covariance Matrix Adaptation Evolutionary Algorithm
• Title（参考訳）: 効率的なアンサンブル共分散行列適応進化アルゴリズムを用いたハイブリッドウェーブウインドシステムの電力最適化
• Authors: Mehdi Neshat, Nataliia Y. Sergiienko, Leandro S. P. da Silva, Seyedali Mirjalili, Amir H. Gandomi, Ossama Abdelkhalik, John Boland,
• Abstract要約: ハイブリッド・ウィンドウェーブシステムは、オフショア・ウィンド・プラットフォームとウェーブ・エナジー・コンバータ(WEC)を組み合わせて、コスト効率と信頼性の高いエネルギーソリューションを作成する。 本研究は,3つの球面WECを持つ5-MW OC4-DeepCwind半潜水プラットフォームを用いて,これらのシナジーを探索する。 本稿では,共分散行列適応,新規性探索,離散化技術を組み合わせた効果的なアンサンブル最適化手法を提案する。
• 参考スコア（独自算出の注目度）: 21.17017872868799
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Floating hybrid wind-wave systems combine offshore wind platforms with wave energy converters (WECs) to create cost-effective and reliable energy solutions. Adequately designed and tuned WECs are essential to avoid unwanted loads disrupting turbine motion while efficiently harvesting wave energy. These systems diversify energy sources, enhancing energy security and reducing supply risks while providing a more consistent power output by smoothing energy production variability. However, optimising such systems is complex due to the physical and hydrodynamic interactions between components, resulting in a challenging optimisation space. This study uses a 5-MW OC4-DeepCwind semi-submersible platform with three spherical WECs to explore these synergies. To address these challenges, we propose an effective ensemble optimisation (EEA) technique that combines covariance matrix adaptation, novelty search, and discretisation techniques. To evaluate the EEA performance, we used four sea sites located along Australia's southern coast. In this framework, geometry and power take-off parameters are simultaneously optimised to maximise the average power output of the hybrid wind-wave system. Ensemble optimisation methods enhance performance, flexibility, and robustness by identifying the best algorithm or combination of algorithms for a given problem, addressing issues like premature convergence, stagnation, and poor search space exploration. The EEA was benchmarked against 14 advanced optimisation methods, demonstrating superior solution quality and convergence rates. EEA improved total power output by 111%, 95%, and 52% compared to WOA, EO, and AHA, respectively. Additionally, in comparisons with advanced methods, LSHADE, SaNSDE, and SLPSO, EEA achieved absorbed power enhancements of 498%, 638%, and 349% at the Sydney sea site, showcasing its effectiveness in optimising hybrid energy systems.
• Abstract（参考訳）: ハイブリッド・ウィンドウェーブ・システムは、オフショア・ウィンド・プラットフォームとウェーブ・エナジー・コンバータ(WEC)を組み合わせて、コスト効率と信頼性の高いエネルギーソリューションを作成する。 適切に設計および調整されたWECは、効率よく波動エネルギーを回収しながらタービン運動を妨害する不要な負荷を避けるために不可欠である。 これらのシステムはエネルギー源を多様化し、エネルギーの安全性を高め、エネルギー生産の変動性を円滑にすることでより一貫した出力を提供しながら供給リスクを低減する。 しかし、そのようなシステムの最適化は、コンポーネント間の物理的および流体力学的相互作用のために複雑であり、挑戦的な最適化空間をもたらす。 本研究は,3つの球面WECを持つ5-MW OC4-DeepCwind半潜水プラットフォームを用いて,これらのシナジーを探索する。 これらの課題に対処するために,共分散行列適応,新規性探索,離散化技術を組み合わせた効果的なアンサンブル最適化(EEA)手法を提案する。 EEAの性能を評価するため,オーストラリアの南岸に4か所の海域を用いた。 この枠組みでは、ハイブリッド風速システムの平均出力を最大化するために、幾何学的および電力取出しパラメータを同時に最適化する。 アンサンブル最適化手法は、与えられた問題に対する最適なアルゴリズムやアルゴリズムの組み合わせを特定し、初期収束、停滞、検索空間探索の貧弱といった問題に対処することで、性能、柔軟性、堅牢性を高める。 EEAは14の高度な最適化手法をベンチマークし、優れたソリューション品質と収束率を示した。 EEA は WOA , EO および AHA と比較して総出力を 111%, 95%, 52% 改善した。 さらに、LSHADE、SaNSDE、SLPSOといった先進的な手法と比較して、EEAは、シドニーの海域で498%、638%、349%の吸収力増強を実現し、ハイブリッドエネルギーシステムの最適化の有効性を示した。

関連論文リスト

• Joint Resource Management for Energy-efficient UAV-assisted SWIPT-MEC: A Deep Reinforcement Learning Approach [50.52139512096988]
  6G Internet of Things (IoT)ネットワークは、地上インフラストラクチャが利用できない遠隔地や災害シナリオにおいて、課題に直面している。 本稿では、指向性アンテナにより強化された新しい無人航空機(UAV)支援コンピューティングシステムを提案する。
  論文  参考訳（メタデータ） (2025-05-06T06:46:19Z)
• Coordinated Power Smoothing Control for Wind Storage Integrated System with Physics-informed Deep Reinforcement Learning [13.266525968718275]
  電力平滑化制御(PSC)を用いた風力発電統合システムは, 効率と信頼性を両立させる有望なソリューションとして浮上している。 既存のPSC戦略は、バッテリと風力タービンの複雑な制御相互作用を見落とし、ウェイク効果やバッテリ劣化コストを考慮していない。 本稿では,これらの課題を効果的に解決するために,階層レベルの新しい協調制御フレームワークを考案した。
  論文  参考訳（メタデータ） (2024-12-17T11:37:46Z)
• Synergistic Development of Perovskite Memristors and Algorithms for Robust Analog Computing [53.77822620185878]
  本稿では,ペロブスカイト・メムリスタの製作を同時に最適化し,ロバストなアナログDNNを開発するための相乗的手法を提案する。 BO誘導ノイズインジェクションを利用したトレーニング戦略であるBayesMultiを開発した。 我々の統合されたアプローチは、より深くより広いネットワークでのアナログコンピューティングの使用を可能にし、最大100倍の改善を実現します。
  論文  参考訳（メタデータ） (2024-12-03T19:20:08Z)
• A Novel Hybrid Algorithm for Optimized Solutions in Ocean Renewable Energy Industry: Enhancing Power Take-Off Parameters and Site Selection Procedure of Wave Energy Converters [0.0]
  海洋再生エネルギー、特に波浪エネルギーは、地球規模のエネルギーポートフォリオを多様化するための重要な要素となっている。 本研究は、オフショア発振サージ波エネルギー変換器(OSWEC)におけるパワーテイクオフパラメータ(PTO)の最適化とサイト選択過程について検討する。 HC-EGWO法を用いることで,他の方法と比較して最大3.31%の出力向上を実現した。
  論文  参考訳（メタデータ） (2023-09-19T13:30:17Z)
• Joint Age-based Client Selection and Resource Allocation for Communication-Efficient Federated Learning over NOMA Networks [8.030674576024952]
  FL(Federated Learning)では、分散クライアントは、自身のトレーニングデータをローカルに保持しながら、共有グローバルモデルを共同でトレーニングすることができる。 本稿では,非直交多重アクセス(NOMA)を利用した無線ネットワーク上でのFLにおける各ラウンドの総時間消費を最小化することを目的とした,クライアント選択とリソース割り当ての協調最適化問題を定式化する。 さらに、各ラウンドで選択されていないクライアントのFLモデルを予測し、FL性能をさらに向上するために、サーバサイド人工知能ニューラルネットワーク(ANN)を提案する。
  論文  参考訳（メタデータ） (2023-04-18T13:58:16Z)
• Movement Penalized Bayesian Optimization with Application to Wind Energy Systems [84.7485307269572]
  文脈ベイズ最適化(CBO)は、与えられた側情報を逐次決定する強力なフレームワークである。 この設定では、学習者は各ラウンドでコンテキスト(天気条件など)を受け取り、アクション(タービンパラメータなど)を選択する必要がある。 標準的なアルゴリズムは、すべてのラウンドで意思決定を切り替えるコストを前提としませんが、多くの実用的なアプリケーションでは、このような変更に関連するコストが最小化されるべきです。
  論文  参考訳（メタデータ） (2022-10-14T20:19:32Z)
• Optimization Study of Hydraulic Power Take-off System for an Ocean Wave Energy Converter [0.0]
  本研究の目的は,オーストラリア西部のパースの波浪シナリオにおける直線波エネルギー変換器のPTOシステムパラメータを最適化することである。 非線形問題を解くために10の最適化アルゴリズムが組み込まれている。 遺伝的アルゴリズム、サロゲートアルゴリズム、fminsearchアルゴリズムの修正された組み合わせは、研究された波動シナリオにおいて他のアルゴリズムよりも優れている。
  論文  参考訳（メタデータ） (2021-12-17T23:22:56Z)
• Optimisation of Large Wave Farms using a Multi-strategy Evolutionary Framework [1.4211973704803558]
  本研究の目的は, 完全潜水三重波エネルギー変換器(WEC)からなる大波農場の総利用電力を最大化することである。 大規模波動農場におけるWEC間の流体力学的相互作用の計算に費用がかかるため, 大規模波動農場のエネルギー最大化は困難な探索問題である。 本稿では, スマート初期化, バイナリ集団に基づく進化アルゴリズム, 離散局所探索, 連続的グローバル最適化を組み合わせた, ハイブリッドなマルチストラテジー進化フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-21T07:07:50Z)
• Design optimisation of a multi-mode wave energy converter [1.250168619098462]
  カーネギークリーンエナジーが開発したCETOシステムに類似した波動エネルギー変換器(WEC)を設計最適化として検討する。 最適化のための設計パラメータは、ブイ半径、ブイ高さ、テザー傾斜角、および制御変数(減衰と剛性)である。 その結果、このようなシステムの製造コストを考慮せずに、エネルギー生産を最大化することに関心があるなら、ブイをできるだけ大きなものにすべきであることがわかった。
  論文  参考訳（メタデータ） (2020-01-24T12:46:36Z)

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。