In this work, we model the energy m

In this work, we model the energy management problem in
smart grids as a multi-objective optimization problem subject
to a constraint on the generation capacity of the smart grid.
Efficient energy management involves tradeoffs between the
cost associated with energy consumption and a utility function.
The utility function can represent the living comfort of users or
gross income of the utility company. The utility function is non
decreasing with respect to total utilized power. Hence, it is
important to understand the tradeoffs between energy
consumption and utility.
The main goal of a multi-objective optimization algorithm is
to discover a set of mutually non-comparable solutions called
the Pareto-front which characterizes the tradeoff between
multiple objectives. Multi-objective evolutionary algorithms
simultaneously pursue the search for multiple solutions with
varying emphasis on different objective functions. They have
recently been applied to solve various multi-objective
optimization problems [5-7]. This paper employs a recently
developed algorithm called the Evolutionary Multi-Objective
Crowding algorithm (EMOCA) for solving the the energy
management problem in smart grids. EMOCA has
outperformed state-of-the-art multi-objective optimization
algorithms on several benchmark test functions and also
successfully used in sensor network optimization problems [8,
9]. Simulation results show that EMOCA successfully obtains
several Pareto-optimal solutions and outperforms a well-known
optimization algorithm called Strength Pareto Evolutionary
Algorithm II (SPEA-II) [10]. The rest of the paper is organized
as follows. Section II formulates our problem and describes the
objectives to be optimized. Section III explains the principles
of multi-objective optimization. Section IV describes the
proposed evolutionary algorithm for efficient energy
management. Simulation results and conclusions are presented
in sections V and VI respectively.
978-1-4673-7263-3/15/$31.00 ©2015 IEEE
978-1-

ผลลัพธ์ (ไทย) 1:

ในงานนี้ ที่เราจำลองปัญหาการจัดการพลังงานในสมาร์ทกริดเป็นเรื่องปัญหาหลายวัตถุประสงค์การเพิ่มประสิทธิภาพข้อจำกัดมีกำลังการผลิตรุ่นของสมาร์ทกริดการจัดการพลังงานที่มีประสิทธิภาพเกี่ยวข้องกับการยืนยันระหว่างการต้นทุนที่เกี่ยวข้องกับฟังก์ชันอรรถประโยชน์และการใช้พลังงานฟังก์ชันอรรถประโยชน์สามารถแสดงสิ่งใช้สอยของผู้ใช้ หรือรายได้รวมของบริษัทยูทิลิตี้ ฟังก์ชั่นอรรถประโยชน์คือไม่ใช่ลดลงเกี่ยวกับการใช้พลังงาน ด้วยเหตุนี้ มันเป็นต้องเข้าใจยืนยันระหว่างพลังงานการใช้และประโยชน์เป็นเป้าหมายหลักของอัลกอริทึมแบบหลายวัตถุประสงค์การเพิ่มประสิทธิภาพการค้นพบชุดของโซลูชั่นกันไม่เทียบเท่าที่เรียกว่าหน้า Pareto ซึ่งแสดงลักษณะข้อดีข้อเสียระหว่างวัตถุประสงค์ที่หลาย อัลกอริทึมแบบวิวัฒนาการพร้อมกันติดตามค้นหาโซลูชันหลายเน้นฟังก์ชันวัตถุประสงค์ที่แตกต่างกันแตกต่างกัน พวกเขามีเมื่อเร็ว ๆ นี้ ถูกใช้เพื่อแก้ปัญหาต่าง ๆ หลายวัตถุประสงค์เพิ่มประสิทธิภาพปัญหา [5-7] กระดาษนี้พนักงานที่เพิ่งอัลกอริธึมที่พัฒนาขึ้นเรียกว่าวิวัฒนาการหลายวัตถุประสงค์กครั้งอัลกอริทึม (EMOCA) สำหรับการแก้การพลังงานปัญหาการจัดการในสมาร์ทกริด มี EMOCAกรรมการเพิ่มประสิทธิภาพแบบของศิลปะอัลกอริทึมในหลายมาตรฐานทดสอบฟังก์ชันและใช้เซ็นเซอร์เครือข่ายปัญหา [89] . จำลองผลแสดงที่ EMOCA ได้รับเรียบร้อยแล้วหลายโซลูชั่น Pareto ที่เหมาะสม และมีประสิทธิภาพสูงกว่ารู้จักกันอัลกอริทึมการเพิ่มประสิทธิภาพที่เรียกว่าความแรงของ Pareto วิวัฒนาการอัลกอริทึม II (SPEA-II) [10] ส่วนเหลือของกระดาษจัดเป็นดังนี้ ส่วนที่สองกำหนดปัญหา และอธิบายการวัตถุประสงค์ที่จะเพิ่มประสิทธิภาพ ส่วนที่สามอธิบายหลักการของการเพิ่มประสิทธิภาพแบบนี้ ส่วน IV อธิบายการนำเสนอวิวัฒนาการอัลกอริธึมสำหรับพลังงานอย่างมีประสิทธิภาพการบริหารจัดการ นำเสนอผลการทดลองและข้อสรุปในส่วน V และ VI ตามลำดับ978-1-4673-7263-3/15/$31.00 © 2015 IEEE978-1 -

ผลลัพธ์ (ไทย) 2:

ในงานนี้เรารูปแบบการจัดการปัญหาพลังงานใน
มาร์ทกริดเป็นหลายวัตถุประสงค์เรื่องปัญหาการเพิ่มประสิทธิภาพ
ให้กับข้อ จำกัด ในรุ่นความจุของตารางสมาร์ท.
การจัดการพลังงานอย่างมีประสิทธิภาพเกี่ยวข้องกับความสมดุลระหว่าง
ค่าใช้จ่ายที่เกี่ยวข้องกับการใช้พลังงานและฟังก์ชั่นยูทิลิตี้
ฟังก์ชั่นยูทิลิตี้สามารถเป็นตัวแทนของความสะดวกสบายที่อยู่อาศัยของผู้ใช้หรือ
รายได้รวมของ บริษัท ยูทิลิตี้ ฟังก์ชั่นยูทิลิตี้จะไม่
ลดลงด้วยความเคารพอำนาจใช้ทั้งหมด จึงเป็นสิ่ง
สำคัญที่จะเข้าใจความสมดุลระหว่างพลังงานที่
การบริโภคและยูทิลิตี้.
เป้าหมายหลักของขั้นตอนวิธีการเพิ่มประสิทธิภาพหลายวัตถุประสงค์คือ
การค้นพบชุดของการแก้ปัญหาร่วมกันที่ไม่ได้เปรียบที่เรียกว่า
Pareto ด้านหน้าซึ่งเป็นลักษณะเฉพาะของการถ่วงดุลอำนาจระหว่าง
หลายวัตถุประสงค์ ขั้นตอนวิธีวิวัฒนาการหลายวัตถุประสงค์
พร้อมกันติดตามการค้นหาสำหรับการแก้ปัญหาหลายที่มี
แตกต่างกันความสำคัญกับฟังก์ชั่นที่แตกต่างกันโดยมีวัตถุประสงค์ พวกเขาได้
เมื่อเร็ว ๆ นี้ถูกนำมาใช้ในการแก้ปัญหาหลายวัตถุประสงค์ต่างๆ
ปัญหาการเพิ่มประสิทธิภาพ [5-7] กระดาษนี้มีพนักงานเมื่อเร็ว ๆ นี้
ขั้นตอนวิธีการพัฒนาที่เรียกว่าวิวัฒนาการหลายวัตถุประสงค์
ขั้นตอนวิธีการกำหนดจำนวน (EMOCA) เพื่อแก้ปัญหาพลังงาน
ปัญหาการบริหารจัดการในสมาร์ทกริด EMOCA มี
ประสิทธิภาพสูงกว่ารัฐของศิลปะการเพิ่มประสิทธิภาพหลายวัตถุประสงค์
ขั้นตอนวิธีการในหลายฟังก์ชั่นการทดสอบมาตรฐานและยัง
ใช้ประสบความสำเร็จในการแก้ปัญหาการเพิ่มประสิทธิภาพเครือข่ายเซ็นเซอร์ [8,
9] ผลการจำลองแสดงให้เห็นว่า EMOCA ประสบความสำเร็จได้รับ
การแก้ปัญหาที่ดีที่สุด Pareto หลายแห่งและมีประสิทธิภาพดีกว่าที่รู้จักกันดี
ขั้นตอนวิธีการเพิ่มประสิทธิภาพที่เรียกว่าความแรงของ Pareto วิวัฒนาการ
ขั้นตอนวิธีการที่สอง (SPEA-II) [10] ส่วนที่เหลือของกระดาษที่มีการจัดระเบียบ
ดังต่อไปนี้ ส่วนครั้งที่สองกำหนดปัญหาของเราและอธิบายถึง
วัตถุประสงค์ที่จะเพิ่มประสิทธิภาพ มาตรา III อธิบายหลักการ
ของการเพิ่มประสิทธิภาพหลายวัตถุประสงค์ มาตรา IV อธิบายถึง
ขั้นตอนวิธีวิวัฒนาการเสนอให้พลังงานที่มีประสิทธิภาพ
การบริหารจัดการ ผลการจำลองและข้อสรุปจะถูกนำเสนอ
ในส่วนวีวีและตามลำดับ.
978-1-4673-7263-3 / 15 / $ 31.00 © 2015 IEEE
978-1-

ผลลัพธ์ (ไทย) 3:

ในงานนี้เราจำลองปัญหาในการจัดการพลังงานสมาร์ทกริดเป็นปัญหาหลายเรื่องที่เหมาะสมจะเป็นข้อจำกัดในรุ่นความจุของตารางสมาร์ทการจัดการพลังงานที่มีประสิทธิภาพเกี่ยวข้องกับ tradeoffs ระหว่างค่าใช้จ่ายที่เกี่ยวข้องกับการใช้พลังงานและยูทิลิตี้ฟังก์ชันฟังก์ชันยูทิลิตี้ที่สามารถเป็นตัวแทนของความอยู่สบายของผู้ใช้หรือรายได้รวมของ บริษัท สาธารณูปโภค ฟังก์ชันอรรถประโยชน์ไม่ด้วยความเคารพทั้งหมดที่ลดใช้พลังงาน ดังนั้น มันคือที่สำคัญเข้าใจ tradeoffs ระหว่างพลังงานการบริโภคและสาธารณูปโภคเป้าหมายหลักของขั้นตอนวิธีการเพิ่มประสิทธิภาพหลายคือการค้นพบชุดของกันและกันไม่เทียบเท่าโซลูชั่นที่เรียกว่าการโตด้านหน้าซึ่ง characterizes ข้อเสียระหว่างวัตถุประสงค์หลาย ขั้นตอนวิธีเชิงวิวัฒนาการแบบหลายวัตถุประสงค์พร้อมติดตามค้นหาหลายวิธีด้วยการเน้นเป้าหมายการทำงานที่แตกต่างกัน พวกเขามีถูกนำมาใช้เพื่อแก้ปัญหาต่าง ๆ หลาย เมื่อเร็วๆ นี้การเพิ่มประสิทธิภาพปัญหา [ 5-7 ] กระดาษนี้ใช้เมื่อเร็ว ๆ นี้ที่พัฒนาขึ้นมาใหม่นี้เรียกว่าวิวัฒนาการแบบหลายวัตถุประสงค์ที่อยู่ ( emoca ) ขั้นตอนวิธีสำหรับการแก้ปัญหาพลังงานปัญหาการจัดการในกริดสมาร์ท emoca ได้การเพิ่มประสิทธิภาพของหลายเดือนขั้นตอนวิธีในการทำงานทดสอบ Benchmark หลาย และยังใช้ประสบความสำเร็จในปัญหาเครือข่ายเซ็นเซอร์ที่เหมาะสม [ 89 ] ผลการจำลองระบบแสดงให้เห็นว่า emoca ไว้เรียบร้อยแล้วพาเรโตและหลายโซลูชั่นที่เหมาะสมโปรย ที่รู้จักกันดีขั้นตอนวิธีการหาค่าความแข็งแรงของพาเรโต เรียกว่า วิวัฒนาการวิธีที่ 2 ( spea-ii ) [ 10 ] ส่วนที่เหลือของกระดาษที่ถูกจัดดังนี้ ส่วนที่ ii PayPal ปัญหาของเราและอธิบายวัตถุประสงค์เพื่อให้เหมาะ ส่วนที่ 3 อธิบายหลักการหลายของการเพิ่มประสิทธิภาพ ส่วนที่ 4 อธิบายเสนอขั้นตอนวิธีวิวัฒนาการประหยัดพลังงานการจัดการ ผลและข้อสรุปเสนอในส่วนที่ 5 และ 6 ตามลำดับ978-1-4673-7263-3 / 15 / $ 31.00 สงวนลิขสิทธิ์โดย 2015978-1 -