論文の概要: Optimizing Appliance Scheduling for Solar Energy Management Using Metaheuristic Algorithms
- arxiv url: http://arxiv.org/abs/2606.13407v1
- Date: Thu, 11 Jun 2026 14:37:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-12 15:55:27.854605
- Title: Optimizing Appliance Scheduling for Solar Energy Management Using Metaheuristic Algorithms
- Title（参考訳）: メタヒューリスティックアルゴリズムを用いた太陽エネルギー管理のためのアプライアンススケジューリングの最適化
- Authors: Hiba Ahmed, Alexander E. I. Brownlee, Jason Adair, Simon T. Powers,
- Abstract要約: 本研究の目的は, 再生可能エネルギー利用を最大化する最適アプライアンス開始時間を決定することである。
本稿では,Iterated Local Search (ILS) と Simulated Annealing (SA) を用いたメタヒューリスティックなアプローチを提案する。
その結果, 逐次的マルチデイスケジューリングフレームワークは, 排他的太陽光発電の下でのユーザ利便性を確保しつつ, システムの制約を効果的に管理することを示した。
- 参考スコア（独自算出の注目度）: 39.25009925193028
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Renewable energy is essential for meeting future energy demands; however, solar energy generation, which occurs only during daylight hours often does not align with household consumption patterns. Appliances such as cookers, washing machines, and dryers are typically operated according to user preferred schedules rather than solar energy availability, creating a scheduling optimization problem. The objective is to determine optimal appliance start times to maximize renewable energy utilization while minimizing user inconvenience and adhering to system constraints. This paper presents a metaheuristic approach using Iterated Local Search (ILS) and Simulated Annealing (SA) to optimize appliance start times, while considering appliance operating durations, power consumption, inverter limit, battery state of charge constraints, and solar generation forecasts. Unlike most existing work, the scheduling is extended beyond a single day to accommodate unfinished tasks from previous days (spillover), ensuring operational continuity and enabling sequential operation across multiple days. Experimental results show that the sequential multi-day scheduling framework effectively manages system constraints while ensuring user convenience under exclusive solar generation. These findings also open opportunities for future research on multi-objective trade-offs between investment in equipment of various sizes, return on that investment, and user satisfaction.
- Abstract（参考訳）: 再生可能エネルギーは将来のエネルギー需要を満たすために不可欠であるが、日中のみ発生する太陽エネルギーの発生は家庭の消費パターンと一致しないことが多い。
調理装置、洗濯機、乾燥機などの機器は通常、太陽エネルギーの可用性よりもユーザーが好むスケジュールに従って運用され、スケジューリング最適化の問題が生じる。
本研究の目的は, ユーザの不便さを最小限に抑え, システムの制約に固執しつつ, 再生可能エネルギー利用を最大化する最適アプライアンス開始時間を決定することである。
本稿では, 家電の運転時間, 電力消費, インバータ限界, 充電制約の電池状態, 太陽光発電予測を考慮しつつ, 家電の起動時間を最適化するために, ILSとSAを用いたメタヒューリスティックアプローチを提案する。
既存の作業とは異なり、スケジューリングは1日を超えて、前日(スパイルオーバー)から未完了のタスクを許容し、運用の継続性を確保し、複数日にわたってシーケンシャルな操作を可能にする。
実験結果から, 逐次マルチデイスケジューリングフレームワークは, 排他的太陽光発電の下でのユーザ利便性を確保しつつ, システムの制約を効果的に管理することを示した。
これらの発見はまた、様々な規模の機器への投資、その投資の返却、およびユーザー満足度の間の多目的トレードオフに関する将来の研究の機会も開かれた。
関連論文リスト
- Ultra-short-term solar power forecasting by deep learning and data reconstruction [60.200987006598524]
深層学習に基づく超短周期太陽エネルギー予測とデータ再構成を提案する。
我々は、ターゲット予測期間に対する長期的および短期的依存関係をキャプチャするために、ディープラーニングモデルを用いる。
論文 参考訳（メタデータ） (2025-09-21T14:22:35Z) - 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) - Real-time scheduling of renewable power systems through planning-based
reinforcement learning [13.65517429683729]
再生可能エネルギー源は 従来の電力スケジューリングに 重大な課題をもたらしています
強化学習の新たな発展は、この問題を解く可能性を実証している。
我々は、最先端の強化学習アルゴリズムと実電力グリッド環境に基づく体系的なソリューションを最初に提案する。
論文 参考訳（メタデータ） (2023-03-09T12:19:20Z) - Distributed Energy Management and Demand Response in Smart Grids: A
Multi-Agent Deep Reinforcement Learning Framework [53.97223237572147]
本稿では、自律制御と再生可能エネルギー資源のスマート電力グリッドシステムへの統合のための多エージェント深層強化学習(DRL)フレームワークを提案する。
特に,提案フレームワークは,住宅利用者に対する需要応答 (DR) と分散エネルギー管理 (DEM) を共同で検討している。
論文 参考訳（メタデータ） (2022-11-29T01:18:58Z) - Optimal activity and battery scheduling algorithm using load and solar
generation forecasts [0.0]
5textsuperscriptth IEEE-CIS(IEEE Computational Intelligence Society)コンペティションは、建築活動のスケジューリングによる電力料金の引き下げという現実的な問題を提起した。
本稿では、太陽光発電と需要予測と最適スケジューリング問題に対処するための技術的シーケンスを提案し、そこでは、太陽光発電予測法と最適大学講義スケジューリングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-10-24T07:26:21Z) - Adaptive Energy Management for Self-Sustainable Wearables in Mobile
Health [21.97214707198675]
ウェアラブルデバイスの小さなフォームファクタは、バッテリーのサイズと寿命を制限します。
ウェアラブル機器の持続可能な運用に有効な方法として、エネルギー収穫が出現している。
本稿では, 蓄電池エネルギーを補充し, ユーザによる手動充電を減らすことで, 自己維持可能なウェアラブルを目標とする適応型エネルギー管理の新たな課題について検討する。
論文 参考訳（メタデータ） (2022-01-16T23:49:20Z) - Memory-Aware Partitioning of Machine Learning Applications for Optimal
Energy Use in Batteryless Systems [17.072240411944914]
電池レスアプリケーションの総エネルギーコストを最適化する自動化手法であるJulinningを提案する。
本手法では, エネルギー負荷を0.12%に抑えながら, 必要なエネルギー貯蔵量を94%以上削減できる。
論文 参考訳（メタデータ） (2021-08-05T09:49:42Z) - ECO: Enabling Energy-Neutral IoT Devices through Runtime Allocation of
Harvested Energy [0.8774604259603302]
本稿では,エネルギー制約下での目標デバイスの有用性を最適化するランタイムベースのエネルギー配分フレームワークを提案する。
提案フレームワークは, 効率的な反復アルゴリズムを用いて, 初期エネルギー割り当てを1日の初めに計算する。
このフレームワークは、太陽と運動エネルギーの収穫モードと、4772の異なるユーザーからのアメリカンタイムユースサーベイデータを使用して評価します。
論文 参考訳（メタデータ） (2021-02-26T17:21:25Z) - Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A
Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。
ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
論文 参考訳（メタデータ） (2020-02-21T02:14:38Z) - 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)
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。