論文の概要: Genetic Algorithm Based Coordination and Optimization Model for Generation Grid Load Storage in Active Distribution Networks
- arxiv url: http://arxiv.org/abs/2606.20672v1
- Date: Fri, 12 Jun 2026 11:37:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:15:59.202904
- Title: Genetic Algorithm Based Coordination and Optimization Model for Generation Grid Load Storage in Active Distribution Networks
- Title（参考訳）: 遺伝的アルゴリズムによるアクティブ配電系統における発電グリッド負荷蓄積のコーディネートと最適化モデル
- Authors: Jinlu Zhang, Fujian Chi, Tianhan Ling, Yulong He, Kejia Zhang, Hongxing Lv, Sheng Wang,
- Abstract要約: このプロジェクトはファジィ集合表現を用いて再生可能エネルギー生成、負荷曲線、市場価格をモデル化する。
遺伝的アルゴリズムはシステム管理にファジィ要素を導入し、安定性を改善するためにスルーペナルティ要因を調整する。
これにより、分散ネットワーク計画における不確実性評価の科学的基礎を提供する。
- 参考スコア（独自算出の注目度）: 5.6099061092572775
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Create an optimization framework that combines fuzzy logic and genetic algorithms for risk assessment and coordination of generation, grid connection, load, and energy storage facilities in active distribution networks. In order to capture the system uncertainties caused by weather factors and dynamic user demands, this project uses fuzzy set representation to model renewable energy generation, load curves, and market prices. In the evolutionary process, genetic algorithms introduce fuzzy elements into system management, adjusting thru penalty factors to improve stability and seeking better scheduling or power dispatch solutions. At the same time, by penalizing uncertainty and constraint violations, the fitness function of the hybrid model aims to optimize the expected operational costs; it can produce feasible and economical results under unknown parameter conditions. Under conditions with a large supply of renewable energy and installed energy storage systems, simulation results for the IEEE-69 power system indicate that the fuzzy genetic algorithm strategy effectively reduces technical constraints compared to deterministic optimization schemes. The total investment remains at a similar level. Other data indicate that thru fuzzy reasoning optimization, unreasonable choices or impossible situations are avoided during the network adaptation process. This framework-based technical approach helps to construct an effective computational scheme that is aware of uncertainty in its outputs. This will provide a scientific basis for the uncertainty assessment in distribution network planning.
- Abstract（参考訳）: アクティブ配信ネットワークにおける生成、グリッド接続、負荷、エネルギー貯蔵設備のリスク評価と調整のためのファジィ論理と遺伝的アルゴリズムを組み合わせた最適化フレームワークを作成する。
気象要因や動的なユーザ要求によるシステムの不確実性を捉えるため, 再生可能エネルギー生成, 負荷曲線, 市場価格のモデル化にファジィ集合表現を用いる。
進化過程において、遺伝的アルゴリズムはシステム管理にファジィ要素を導入し、安定性を向上させるためにスルーペナルティ要素を調整する。
同時に、不確実性と制約違反をペナルティ化することにより、ハイブリッドモデルの適合度関数は、期待される運用コストを最適化することを目的としており、未知パラメータ条件下で実現可能かつ経済的な結果を得ることができる。
再生可能エネルギーの大量供給とエネルギー貯蔵システムの導入条件下では、IEEE-69電力システムのシミュレーション結果は、ファジィ遺伝的アルゴリズム戦略が決定論的最適化方式に比べて技術的制約を効果的に減らすことを示している。
投資総額も同様の水準にとどまっている。
その他のデータは、ネットワーク適応プロセスにおいて、ファジィ推論最適化、不合理な選択、あるいは不可能な状況を避けることを示唆している。
このフレームワークに基づく技術的アプローチは、その出力の不確実性を認識した効果的な計算スキームを構築するのに役立つ。
これにより、分散ネットワーク計画における不確実性評価の科学的基礎を提供する。
関連論文リスト
- S3TS: Stochastic Scenario-Structured Tree Search for Advanced Planning Under Uncertainty [4.2329543571238615]
効果的な計画戦略は、高度で潜在的に非線形なシステムモデルに対応する必要がある。
既存のアプローチは非線形性(モンテカルロ木探索など)や不確実性に対処することができる。
本研究ではシナリオツリーによる不確実性を明確に表現するS3TSアルゴリズムを提案する。
論文 参考訳（メタデータ） (2026-06-01T12:17:41Z) - PowerGrow: Feasible Co-Growth of Structures and Dynamics for Power Grid Synthesis [75.14189839277928]
本稿では,運用効率を維持しながら計算オーバーヘッドを大幅に削減する,共同生成フレームワークPowerGrowを提案する。
ベンチマーク設定による実験では、PowerGrowはフィデリティと多様性において、事前の拡散モデルよりも優れていた。
これは、運用上有効で現実的な電力グリッドシナリオを生成する能力を示している。
論文 参考訳（メタデータ） (2025-08-29T01:47:27Z) - 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) - Global-Decision-Focused Neural ODEs for Proactive Grid Resilience Management [50.34345101758248]
本稿では,機能停止予測とグローバルに最適化された介入を統合するフレームワークPATOGを提案する。
提案手法は,空間的かつ時間的に整合性のある意思決定を保証し,予測精度と操作効率を両立させる。
合成および実世界のデータセットの実験では、停止予測一貫性とグリッドレジリエンスが大幅に改善された。
論文 参考訳（メタデータ） (2025-02-25T16:15:35Z) - Optimizing Load Scheduling in Power Grids Using Reinforcement Learning and Markov Decision Processes [0.0]
本稿では,動的負荷スケジューリングの課題に対処する強化学習(RL)手法を提案する。
提案手法は実時間負荷スケジューリングのためのロバストでスケーラブルなソリューションを提供する。
論文 参考訳（メタデータ） (2024-10-23T09:16:22Z) - Grid-SiPhyR: An end-to-end learning to optimize framework for
combinatorial problems in power systems [0.0]
SiPhyRは物理インフォームド機械学習フレームワークで、エンドツーエンドの学習で問題解決を最適化する。
クリーンエネルギーシステムの新たなパラダイムにおけるSiPhyRの有効性を実証する。
論文 参考訳（メタデータ） (2022-06-11T16:06:36Z) - Model-Informed Generative Adversarial Network (MI-GAN) for Learning
Optimal Power Flow [5.407198609685119]
最適電力フロー(OPF)問題は、電力系統の運用において重要な要素であり、電力系統にたらされる再生可能エネルギーの変動、断続性、予測不能により、解決がますます困難になる。
ニューラルネットワークのようなディープラーニング技術は、最近、データの利用によってOPF問題を解決する際の計算効率を改善するために開発されている。
本稿では,不確実性下でOPFを解決するための最適化モデルインフォームド・ジェネレーティブ・逆数ネットワーク(MI-GAN)フレームワークを提案する。
論文 参考訳（メタデータ） (2022-06-04T00:37:37Z) - Optimal Operation of Power Systems with Energy Storage under
Uncertainty: A Scenario-based Method with Strategic Sampling [0.0]
エネルギー貯蔵(ES)、断続再生可能エネルギー、制御不能電力負荷の多周期ダイナミクスは、電力系統運用(PSO)の最適化を困難にしている。
不確実性下での多周期最適PSOは、確率制約付き確率最適化(CCO)モデルパラダイムを用いて定式化される。
本稿では,この難解なCCO問題に対する新しい解法を提案する。
論文 参考訳（メタデータ） (2021-07-21T11:21:50Z) - Data-Driven Random Access Optimization in Multi-Cell IoT Networks with
NOMA [78.60275748518589]
非直交多重アクセス(NOMA)は、5Gネットワーク以降で大規模なマシンタイプ通信(mMTC)を可能にする重要な技術です。
本稿では,高密度空間分散マルチセル無線IoTネットワークにおけるランダムアクセス効率向上のために,NOMAを適用した。
ユーザ期待容量の幾何学的平均を最大化するために,各IoTデバイスの伝送確率を調整したランダムチャネルアクセス管理の新たな定式化を提案する。
論文 参考訳（メタデータ） (2021-01-02T15:21:08Z)
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。