論文の概要: Optimizing carbon tax for decentralized electricity markets using an
agent-based model
- arxiv url: http://arxiv.org/abs/2006.01601v1
- Date: Thu, 28 May 2020 06:54:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-27 04:54:30.002614
- Title: Optimizing carbon tax for decentralized electricity markets using an
agent-based model
- Title（参考訳）: エージェントモデルによる分散型電力市場における炭素税の最適化
- Authors: Alexander J. M. Kell, A. Stephen McGough, Matthew Forshaw
- Abstract要約: 人為的気候変動の影響を避けるためには、化石燃料から低炭素技術への移行が必要である。
炭素税は、この移行を支援する効率的な方法であることが示されている。
NSGA-IIの遺伝的アルゴリズムを用いて、電力混合の平均電気価格と相対炭素強度を最小化する。
- 参考スコア（独自算出の注目度）: 69.3939291118954
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Averting the effects of anthropogenic climate change requires a transition
from fossil fuels to low-carbon technology. A way to achieve this is to
decarbonize the electricity grid. However, further efforts must be made in
other fields such as transport and heating for full decarbonization. This would
reduce carbon emissions due to electricity generation, and also help to
decarbonize other sources such as automotive and heating by enabling a
low-carbon alternative. Carbon taxes have been shown to be an efficient way to
aid in this transition. In this paper, we demonstrate how to to find optimal
carbon tax policies through a genetic algorithm approach, using the electricity
market agent-based model ElecSim. To achieve this, we use the NSGA-II genetic
algorithm to minimize average electricity price and relative carbon intensity
of the electricity mix. We demonstrate that it is possible to find a range of
carbon taxes to suit differing objectives. Our results show that we are able to
minimize electricity cost to below \textsterling10/MWh as well as carbon
intensity to zero in every case. In terms of the optimal carbon tax strategy,
we found that an increasing strategy between 2020 and 2035 was preferable. Each
of the Pareto-front optimal tax strategies are at least above
\textsterling81/tCO2 for every year. The mean carbon tax strategy was
\textsterling240/tCO2.
- Abstract（参考訳）: 気候変動の影響を回避するためには、化石燃料から低炭素技術への移行が必要である。
これを実現する方法の1つは、電力網の脱炭である。
しかし、完全脱炭のための輸送や加熱といった他の分野でのさらなる努力が必要となる。
これにより、発電による二酸化炭素排出量が減少し、自動車や暖房などの他のエネルギー源の脱炭にも寄与する。
炭素税は、この移行を支援する効率的な方法であることが示されている。
本稿では, 電力市場エージェントモデルであるElecSimを用いて, 遺伝的アルゴリズムによる最適炭素税政策の探索方法を示す。
これを実現するために、NSGA-II遺伝的アルゴリズムを用いて、電気ミックスの平均電気価格と相対炭素強度を最小化する。
異なる目的に適合する炭素税の範囲を見出すことが可能であることを実証する。
以上の結果から, 電力コストを<textsterling10/MWh以下に抑え, 炭素強度を0以下に抑えることが可能であることが示唆された。
最適炭素税戦略については,2020年から2035年にかけての増税戦略が好まれていた。
pareto-frontの最適税制戦略は、少なくとも毎年、textsterling81/tco2より上である。
平均炭素税戦略はtextsterling240/tco2であった。
関連論文リスト
- Carbon Market Simulation with Adaptive Mechanism Design [55.25103894620696]
炭素市場(英: carbon market)は、個人の利益をグローバルユーティリティーと整合させる経済エージェントをインセンティブとする、市場ベースのツールである。
階層型モデルフリーマルチエージェント強化学習(MARL)を用いて市場をシミュレートする適応機構設計フレームワークを提案する。
MARLは、政府エージェントが生産性、平等、二酸化炭素排出のバランスをとることができることを示している。
論文 参考訳（メタデータ） (2024-06-12T05:08:51Z) - Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている
本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。
本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
論文 参考訳（メタデータ） (2024-04-28T05:46:28Z) - CarbNN: A Novel Active Transfer Learning Neural Network To Build De Novo
Metal Organic Frameworks (MOFs) for Carbon Capture [0.0]
二酸化炭素捕獲に用いられる現在の材料は、効率性、持続可能性、コストに欠けている。
二酸化炭素の電気触媒化は、二酸化炭素を還元し、燃料として工業的に使用される新しいアプローチである。
この目的は、二酸化炭素を吸着して一酸化炭素と酸素を低コストで触媒するMOFを計算的に設計することである。
論文 参考訳（メタデータ） (2023-11-09T01:21:19Z) - Equitable Network-Aware Decarbonization of Residential Heating at City
Scale [0.9099663022952497]
都市規模で住宅暖房を脱炭酸するためのネットワーク対応最適化フレームワークを提案する。
我々は、実世界のガス使用量、電気使用量、グリッドインフラデータを用いて、米国のニューイングランドの都市に我々の枠組みを適用する。
論文 参考訳（メタデータ） (2023-01-11T22:55:30Z) - Decarbonizing Indian Electricity Grid [0.0]
インドは世界の二酸化炭素排出量の7%を担っている。
電力部門は国内からの排出の35%近くを占めている。
化石燃料から再生可能エネルギーへの転換は、このセクターを脱炭する鍵となる。
論文 参考訳（メタデータ） (2022-11-07T16:51:50Z) - Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language
Model [72.65502770895417]
176ビリオンパラメータ言語モデルBLOOMの炭素フットプリントを,そのライフサイクルにわたって定量化する。
BLOOMの最終訓練で約24.7トンのカルボネックが放出されたと推定する。
本稿では,機械学習モデルの炭素フットプリントを正確に推定することの難しさについて論じる。
論文 参考訳（メタデータ） (2022-11-03T17:13:48Z) - 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) - Towards the Systematic Reporting of the Energy and Carbon Footprints of
Machine Learning [68.37641996188133]
我々は、リアルタイムエネルギー消費と二酸化炭素排出量を追跡するための枠組みを導入する。
エネルギー効率のよい強化学習アルゴリズムのためのリーダーボードを作成します。
炭素排出量削減とエネルギー消費削減のための戦略を提案する。
論文 参考訳（メタデータ） (2020-01-31T05:12:59Z)
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。