論文の概要: A Hierarchical Approach to Multi-Energy Demand Response: From
Electricity to Multi-Energy Applications
- arxiv url: http://arxiv.org/abs/2005.02339v1
- Date: Tue, 5 May 2020 17:17:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-06 14:53:21.860893
- Title: A Hierarchical Approach to Multi-Energy Demand Response: From
Electricity to Multi-Energy Applications
- Title(参考訳): 多エネルギー需要応答の階層的アプローチ:電力から多エネルギーアプリケーションへ
- Authors: Ali Hassan, Samrat Acharya, Michael Chertkov, Deepjyoti Deka and Yury
Dvorkin
- Abstract要約: 本稿では,多くの住宅,商業,産業の消費者の集合体のエネルギー消費を制御する機会を探る。
このアンサンブル制御は、マルチエネルギーインフラシステムのモデリングツールのセットへの現代的な需要応答となる。
- 参考スコア(独自算出の注目度): 1.5084441395740482
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Due to proliferation of energy efficiency measures and availability of the
renewable energy resources, traditional energy infrastructure systems
(electricity, heat, gas) can no longer be operated in a centralized manner
under the assumption that consumer behavior is inflexible, i.e. cannot be
adjusted in return for an adequate incentive. To allow for a less centralized
operating paradigm, consumer-end perspective and abilities should be integrated
in current dispatch practices and accounted for in switching between different
energy sources not only at the system but also at the individual consumer
level. Since consumers are confined within different built environments, this
paper looks into an opportunity to control energy consumption of an aggregation
of many residential, commercial and industrial consumers, into an ensemble.
This ensemble control becomes a modern demand response contributor to the set
of modeling tools for multi-energy infrastructure systems.
- Abstract(参考訳): エネルギー効率対策の増大と再生可能エネルギー資源の可用性により、消費者の行動が柔軟性がないという前提の下で、従来のエネルギーインフラシステム(電力、熱、ガス)は、適切なインセンティブの見返りに調整できないという仮定の下で、集中的に運用することはできない。
集中的でない運用パラダイムを実現するために、消費者の視点と能力は現在のディスパッチプラクティスに統合され、システムだけでなく個々の消費者レベルで異なるエネルギー源を切り替える上でも考慮すべきである。
消費者は、異なる構築環境に閉じ込められているため、多くの住宅、商業、産業の消費者の集合体のエネルギー消費を、アンサンブルに制御する機会を探る。
このアンサンブル制御は、マルチエネルギーインフラシステムのモデリングツールのセットへの現代的な需要応答となる。
関連論文リスト
- Leveraging Hypernetworks and Learnable Kernels for Consumer Energy Forecasting Across Diverse Consumer Types [0.9208007322096533]
本稿では,ハイパーネットを活用し,多様な消費者に適用可能な複雑なパターンのモデリングを改善する消費者エネルギー予測戦略を提案する。
提案されたHyperEnergyは、学生の住居、別荘、電気自動車充電のある家、タウンハウスなど多様な消費者を対象に評価された。
すべてのコンシューマータイプにおいて、HyperEnergyはLSTM、AttentionLSTM、Transformerといった最先端モデルを含む10のテクニックを一貫して上回りました。
論文 参考訳(メタデータ) (2025-02-07T17:25:54Z) - MAHTM: A Multi-Agent Framework for Hierarchical Transactive Microgrids [0.0]
本稿では,マイクログリッド内のエネルギー取引を管理するためのマルチエージェント強化学習フレームワークを提案する。
炭素フットプリントを最小化し、すべての利害関係者に利益を与えることで、利用可能なリソースの使用を最適化することを目指している。
論文 参考訳(メタデータ) (2023-03-15T08:42:48Z) - 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) - Renewable energy integration and microgrid energy trading using
multi-agent deep reinforcement learning [2.0427610089943387]
マルチエージェント強化学習はハイブリッドエネルギー貯蔵システムを制御するために使用される。
エージェントは、短期、中長期、長期の記憶に適した3種類のエネルギー貯蔵システムを制御することを学ぶ。
電力網に売るのではなく、他のマイクログリッドと取引できることは、電力網の貯蓄を大幅に増加させることが判明した。
論文 参考訳(メタデータ) (2021-11-21T21:11:00Z) - Modelling the transition to a low-carbon energy supply [91.3755431537592]
気候変動の影響を制限するため、低炭素電力供給への移行が不可欠である。
二酸化炭素排出量の削減は、世界がピーク点に達するのを防ぐのに役立ちます。
排気ガスの排出は、世界中の気象条件の極端に繋がる可能性がある。
論文 参考訳(メタデータ) (2021-09-25T12:37:05Z) - Virtual Microgrid Management via Software-defined Energy Network for
Electricity Sharing [10.13696311830345]
本稿では,ソフトウェア定義エネルギーネットワーク(SDEN)として動作する仮想マイクログリッドの構築手法を提案する。
提案したサイバー物理システムは、電気エネルギーがメンバー間で共有され、コンピュータネットワーク、無線通信、ピアツーピアインターネットアプリケーション(BitTorrentなど)で使用されるリソース割り当て手法にインスパイアされたハンドシェイクによって、サイバードメイン内でのエネルギー共有が有効であると仮定する。
本稿は、提案手法が既存の規制に概ね準拠するが、中央から長期に支配的な電化エネルギーシステムを組織化するための非常に破壊的な可能性を秘めていると結論付けている。
論文 参考訳(メタデータ) (2021-02-01T06:09:40Z) - Continuous Multiagent Control using Collective Behavior Entropy for
Large-Scale Home Energy Management [36.82414045535202]
大規模マイクログリッド上での微粒化制御を実現するために,連続的な動作空間を持つ集合MA-DRLアルゴリズムを提案する。
提案手法は,電力コスト削減と日次ピーク負荷最適化に関する最先端手法を著しく上回っている。
論文 参考訳(メタデータ) (2020-05-14T16:07:55Z) - Towards a Peer-to-Peer Energy Market: an Overview [68.8204255655161]
本研究は, 電力市場を中心に, 現状と, プロシューマーによる分散型自己生成能力の増大傾向を比較した。
我々はP2P(Peer-to-Peer)エネルギー市場のための潜在的多層アーキテクチャを導入し、マイクログリッドの一部として、地域生産と地域消費の基本的な側面について議論する。
読者に全体像を示すため、スマートコントラクトやグリッド安定性といったエネルギー取引の関連要素についても精査する。
論文 参考訳(メタデータ) (2020-03-02T20:32:10Z) - 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) - NeurOpt: Neural network based optimization for building energy
management and climate control [58.06411999767069]
モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。
イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
論文 参考訳(メタデータ) (2020-01-22T00:51:03Z)
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。