文献

J-GLOBAL ID：202202231753297132   整理番号：22A0950538

エネルギーシステムモデリングにおける複雑性を低減するための深層学習の可能性【JST・京大機械翻訳】

The potential of deep learning to reduce complexity in energy system modeling

著者 (8件)： Kohnen Clara Sophie (Chair for Energy System Economics, Institute for Future Energy Consumer, Needs and Behavior (FCN), E.ON Energy Research Center, RWTH Aachen University, Aachen, Germany) ,  Priesmann Jan (Chair for Energy System Economics, Institute for Future Energy Consumer, Needs and Behavior (FCN), E.ON Energy Research Center, RWTH Aachen University, Aachen, Germany) ,  Nolting Lars (Chair for Energy System Economics, Institute for Future Energy Consumer, Needs and Behavior (FCN), E.ON Energy Research Center, RWTH Aachen University, Aachen, Germany) ,  Kotzur Leander (Techno-economic Systems Analysis (IEK-3), Forschungszentrum Juelich, Institute of Energy and Climate Research, Juelich, Germany) ,  Kotzur Leander (JARA-ENERGY, Juelich Aachen Research Alliance, Juelich, Germany) ,  Robinius Martin (Umlaut Energy GmbH, Aachen, Germany) ,  Praktiknjo Aaron (Chair for Energy System Economics, Institute for Future Energy Consumer, Needs and Behavior (FCN), E.ON Energy Research Center, RWTH Aachen University, Aachen, Germany) ,  Praktiknjo Aaron (JARA-ENERGY, Juelich Aachen Research Alliance, Aachen, Germany)
資料名： International Journal of Energy Research  (International Journal of Energy Research)
巻： 46  号： 4  ページ： 4550-4571  発行年： 2022年 
JST資料番号： A0249B  ISSN： 0363-907X  CODEN： IJERDN  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 急速な変化および不確実な将来の発展によるエネルギーシステムにおける複雑さの増加に対処するために,複数のシナリオの評価は,健全な科学的システム分析に不可欠である。したがって,効率的なモデリングアプローチと複雑性低減が緊急に必要である。しかし,従来のエネルギーシステムモデリングの範囲を超えて科学的解析が不足している。この理由で,エネルギーシステムモデリングの複雑さを低減するメタモデルの可能性を調べた。探索的研究において,著者らは,暖房システムのための電力配分と設計最適化の分野における応用の可能性と限界を調査する。最初に,小規模で予備テストを行うことによって,適切なメタモデリングアプローチを選択する。これに基づいて,著者らは,他のアプローチと比較して,それらの良い性能のために,ネットワークトポロジーとハイパーパラメータ設定の多重可能性のために,人工ニューラルネットワークを選択した。ディスパッチモデルに関しては,調査したシナリオ(平均2時間から30秒以下)当りの実行時間を大幅に削減しながら,価格複製の高精度を達成できることを示した。設計最適化モデルによって,著者らは二重エッジ結果を見つける一方,著者らはまた,この場合(Δ≦0.8時間から30秒未満)における実行時間の実質的減少を達成して,いくつかの相互依存変数の同時予測が問題であり,メタモデルの正確さが多くの場合不十分であることを示した。全体として,メタモデリングは,それらを置き換えるよりも従来のエネルギーシステムモデリングに適切なアプローチであり,(ブラックボックス)メタモデルにおけるトレーサビリティの損失が,メタモデルと基本モデルを結合するハイブリッドソリューションの重要性を示す。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *エネルギー ,  不確実性 ,  複製 ,  ニューラルネットワーク ,  変数 ,  *モデリング ,  多重化 ,  パラメータ ,  シナリオ
準シソーラス用語： 設計最適化 ,  予備実験 ,  メタモデル ,  メタモデリング ,  ハイパーパラメータ ,  *システムモデリング , 【Automatic Indexing@JST】

著者キーワード (5件)： 設計最適化 ,  ディスパッチ最適化 ,  エネルギーシステムモデル ,  機械学習 ,  メタモデリング

分類 (2件)： エネルギー政策・エネルギー制度  (LA01040K) ,  エネルギーに関する技術・経済問題  (LA01050V)

タイトルに関連する用語 (5件)： エネルギー ,  システムモデリング ,  複雑性 ,  深層学習 ,  可能性