論文の概要: Dynamic residential load scheduling based on an adaptive consumption
level pricing scheme
- arxiv url: http://arxiv.org/abs/2007.11932v1
- Date: Thu, 23 Jul 2020 11:14:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-08 10:58:06.993154
- Title: Dynamic residential load scheduling based on an adaptive consumption
level pricing scheme
- Title（参考訳）: 適応的消費水準価格体系に基づく動的住宅負荷スケジューリング
- Authors: Haider Tarish Haider, Ong Hang See, W. Elmenreich
- Abstract要約: 適応消費水準(ACLPS)に基づく家電の最適スケジューリング手法としてDRLSを提案する。
提案する負荷スケジューリングシステムでは,省エネ化を実現するため,提案したDR料金体系の可利用消費許諾(CA)内でのエネルギー消費の管理が促進される。
ケーススタディでは, ACLPSに基づく住宅負荷スケジューリングシステムにより, 顧客はエネルギー料金を最大53%削減し, ピーク負荷を最大35%削減できる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Demand response (DR) for smart grids, which intends to balance the required
power demand with the available supply resources, has been gaining widespread
attention. The growing demand for electricity has presented new opportunities
for residential load scheduling systems to improve energy consumption by
shifting or curtailing the demand required with respect to price change or
emergency cases. In this paper, a dynamic residential load scheduling system
(DRLS) is proposed for optimal scheduling of household appliances on the basis
of an adaptive consumption level (CL) pricing scheme (ACLPS). The proposed load
scheduling system encourages customers to manage their energy consumption
within the allowable consumption allowance (CA) of the proposed DR pricing
scheme to achieve lower energy bills. Simulation results show that employing
the proposed DRLS system benefits the customers by reducing their energy bill
and the utility companies by decreasing the peak load of the aggregated load
demand. For a given case study, the proposed residential load scheduling system
based on ACLPS allows customers to reduce their energy bills by up to 53% and
to decrease the peak load by up to 35%.
- Abstract（参考訳）: 電力需要と利用可能な供給資源のバランスを図るスマートグリッドに対する需要応答(dr)が注目されている。
電力需要の増大は、住宅の負荷スケジューリングシステムにおいて、価格変化や緊急時の需要のシフトや削減によってエネルギー消費を改善する新たな機会を与えている。
本稿では,aclp(adaptive consumption level)価格体系に基づいて,家電機器の最適スケジューリングのための動的住宅負荷スケジューリングシステム(drls)を提案する。
提案する負荷スケジューリングシステムでは,省エネ化を実現するため,提案したDR料金体系の可利用消費許諾(CA)内でのエネルギー消費の管理が促進される。
シミュレーションの結果,提案するdrlsシステムの利用は,エネルギー費を削減し,電力事業者は総負荷のピーク負荷を低減し,顧客にとって有益であることがわかった。
ケーススタディでは, ACLPSに基づく住宅負荷スケジューリングシステムにより, 顧客はエネルギー料金を最大53%削減し, ピーク負荷を最大35%削減できる。
関連論文リスト
- Online Dynamic Pricing for Electric Vehicle Charging Stations with Reservations [0.3374875022248865]
電気自動車(EV)への移行は、電力網に大きな影響を与える。
従来の燃料源とは異なり、EVの電力はグリッド容量、価格変動、長時間のEV充電時間によって制約される。
本稿では,リザーブドEV充電サービスのオンライン動的価格設定モデルを提案する。
論文 参考訳（メタデータ） (2024-10-07T22:36:40Z) - Optimal Scheduling of Electric Vehicle Charging with Deep Reinforcement
Learning considering End Users Flexibility [1.3812010983144802]
本研究は、Deep Reinforcement Learning、より具体的にはDeep Q-Networks (DQN)を用いて、家庭のEVコスト削減課金政策を、タイム・オブ・ユース関税方式で識別することを目的とする。
新しいエンドユーザーフレキシビリティ・ポテンシャル報酬は、ソーラー発電の家庭がアルゴリズムの訓練とテストに使われている歴史的データ分析から推測される。
論文 参考訳（メタデータ） (2023-10-13T12:07:36Z) - Sustainable AIGC Workload Scheduling of Geo-Distributed Data Centers: A
Multi-Agent Reinforcement Learning Approach [48.18355658448509]
生成的人工知能の最近の進歩は、機械学習トレーニングの需要が急増し、エネルギー消費の大幅な増加によるコスト負担と環境問題を引き起こしている。
地理的に分散したクラウドデータセンタ間でのトレーニングジョブのスケジューリングは、安価で低炭素エネルギーのコンピューティング能力の使用を最適化する機会を浮き彫りにする。
本研究では,実生活におけるワークロードパターン,エネルギー価格,炭素強度を組み込んだクラウドシステムと対話することで,マルチエージェント強化学習とアクタクリティカルな手法に基づく最適協調スケジューリング戦略の学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-17T02:12:30Z) - 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) - Optimal Load Scheduling Using Genetic Algorithm to Improve the Load
Profile [0.0]
遺伝的アルゴリズム(GA)はリアルタイム価格信号(RTP)を介して負荷をスケジュールするために使用される
総利用エネルギーコストとピークから平均比を削減し,負荷分布を改善することで,住宅用家電のスケジューリングに最適なソリューションがGAにあると結論付けた。
論文 参考訳（メタデータ） (2021-10-14T04:47:17Z) - Prescribing net demand for two-stage electricity generation scheduling [0.0]
本稿では,フォワードディスパッチとリアルタイム再配信からなる2段階のスケジューリング問題について考察する。
標準産業の実践は、前段階における不確実な純需要に対処し、条件付き予測を適切に見積もって置き換える。
本稿では,電力系統のコスト非対称性を考慮に入れたネット需要の基準を策定するバイレベルプログラムを提案する。
論文 参考訳（メタデータ） (2021-08-02T16:05:53Z) - The impact of online machine-learning methods on long-term investment
decisions and generator utilization in electricity markets [69.68068088508505]
電力需要プロファイルを24時間以内に予測するために,オフライン11とオンライン5の学習アルゴリズムが与える影響を調査した。
最良オフラインアルゴリズムと比較して,オンラインアルゴリズムを用いて平均絶対誤差を30%削減できることを示した。
また,予測精度の大きな誤差は,17年間の投資に不均等な誤差があることを示す。
論文 参考訳（メタデータ） (2021-03-07T11:28:54Z) - Investigating Underlying Drivers of Variability in Residential Energy
Usage Patterns with Daily Load Shape Clustering of Smart Meter Data [53.51471969978107]
スマートメータの大規模展開は、日々の負荷パターンの分散を探求する研究の動機となっている。
本稿では,電力消費パターンが変動性を示すメカニズムを明らかにすることを目的とした。
論文 参考訳（メタデータ） (2021-02-16T16:56:27Z) - A Multi-Agent Deep Reinforcement Learning Approach for a Distributed
Energy Marketplace in Smart Grids [58.666456917115056]
本稿では,マイクログリッドを支配下に置くために,強化学習に基づくエネルギー市場を提案する。
提案する市場モデルにより,リアルタイムかつ需要に依存した動的価格設定環境が実現され,グリッドコストが低減され,消費者の経済的利益が向上する。
論文 参考訳（メタデータ） (2020-09-23T02:17:51Z) - Intelligent Residential Energy Management System using Deep
Reinforcement Learning [5.532477732693001]
本稿では,仮想エージェントが人間のようにタスクを学習する要求応答のための深層強化学習(DRL)モデルを提案する。
本手法は,負荷ピーク低減のための混合整数線形計画法(MILP)の精度を向上した。
論文 参考訳（メタデータ） (2020-05-28T19:51:22Z) - 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。