論文の概要: A Probabilistic Forecast-Driven Strategy for a Risk-Aware Participation in the Capacity Firming Market

• arxiv url: http://arxiv.org/abs/2105.13801v1
• Date: Fri, 28 May 2021 13:13:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-13 13:58:01.529325
• Title: A Probabilistic Forecast-Driven Strategy for a Risk-Aware Participation in the Capacity Firming Market
• Title（参考訳）: キャパシティ市場におけるリスク意識型参加のための確率論的予測型戦略
• Authors: Jonathan Dumas, Colin Cointe, Antoine Wehenkel, Antonio Sutera, Xavier Fettweis, and Bertrand Corn\'elusse
• Abstract要約: 本稿では,グリッド接続型再生可能発電プラントとキャパシティホルディング市場における蓄電池装置のエネルギー管理について述べる。 近年開発された「正規化フロー」と呼ばれる深層学習モデルを用いて再生可能生成の定量的予測を生成する。
• 参考スコア（独自算出の注目度）: 30.828362290032935
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper addresses the energy management of a grid-connected renewable generation plant coupled with a battery energy storage device in the capacity firming market, designed to promote renewable power generation facilities in small non-interconnected grids. A recently developed deep learning model known as normalizing flows is used to generate quantile forecasts of renewable generation. They provide a general mechanism for defining expressive probability distributions, only requiring the specification of a base distribution and a series of bijective transformations. Then, a probabilistic forecast-driven strategy is designed, modeled as a min-max-min robust optimization problem with recourse, and solved using a Benders decomposition. The convergence is improved by building an initial set of cuts derived from domain knowledge. Robust optimization models the generation randomness using an uncertainty set that includes the worst-case generation scenario and protects this scenario under the minimal increment of costs. This approach improves the results over a deterministic approach with nominal point forecasts by finding a trade-off between conservative and risk-seeking policies. Finally, a dynamic risk-averse parameters selection strategy based on the quantile forecasts distribution provides an additional gain. The case study uses the photovoltaic generation monitored on-site at the University of Li\`ege (ULi\`ege), Belgium.
• Abstract（参考訳）: 本稿では,小型非連系電力網における再生可能発電施設の推進を目的として,電池エネルギー貯蔵装置と組み合わされた電力貯蔵装置の電力管理について述べる。 近年開発された「正規化フロー」と呼ばれる深層学習モデルを用いて再生可能生成の定量的予測を生成する。 それらは表現的確率分布を定義するための一般的なメカニズムを提供し、基底分布と一連の単射変換の仕様のみを必要とする。 次に、確率的予測駆動戦略を設計、再帰を伴うmin-max-minロバスト最適化問題としてモデル化し、ベンダー分解を用いて解く。 収束性は、ドメイン知識から導かれた最初のカットセットを構築することで改善される。 ロバスト最適化は、最悪のケース生成シナリオを含む不確実性セットを使用して生成ランダム性をモデル化し、このシナリオを最小限のコストで保護する。 このアプローチは、保守的な政策とリスクを問う政策の間のトレードオフを見出すことによって、名目上のポイント予測による決定論的アプローチよりも結果を改善する。 最後に、量子量予測分布に基づく動的リスク逆パラメータ選択戦略により、さらなるゲインが得られる。 ケーススタディでは,ベルギーのリエージュ大学 (ULi\`ege) の現場で観測された太陽光発電を利用した。

関連論文リスト

• Conformal Generative Modeling with Improved Sample Efficiency through Sequential Greedy Filtering [55.15192437680943]
  生成モデルは出力に対する厳密な統計的保証を欠いている。 厳密な統計的保証を満たす予測セットを生成する逐次共形予測法を提案する。 このことは、高い確率で予測セットが少なくとも1つの許容可能な(または有効な)例を含むことを保証している。
  論文  参考訳（メタデータ） (2024-10-02T15:26:52Z)
• On the Impact of PRB Load Uncertainty Forecasting for Sustainable Open RAN [2.526444902695476]
  持続可能なOpen Radio Access Network(O-RAN)アーキテクチャへの移行は、リソース管理に新たな課題をもたらす。 本稿では,確率的予測手法を用いて物理資源ブロック(PRB)負荷を特徴付ける新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-07-19T15:25:20Z)
• Conformal Prediction for Stochastic Decision-Making of PV Power in Electricity Markets [0.0]
  コンフォメーション予測(CP)は、日々の太陽光発電電力予測の確率予測手法である。 CPを特定の入札戦略と組み合わせることで、エネルギーの不均衡を最小限に抑えて高い利益を得ることができる。 具体的には、k-アネレスト近傍の共形予測システムと無作為な森林回帰の後にモンドリアン・ビンニングを用いると、最良の利益が得られる。
  論文  参考訳（メタデータ） (2024-03-29T12:34:57Z)
• Generative Probabilistic Time Series Forecasting and Applications in Grid Operations [47.19756484695248]
  生成確率予測は、過去の時系列観測で与えられた条件付き確率分布に基づいて、将来の時系列サンプルを生成する。 本稿では、独立かつ同一に分散したイノベーションシーケンスを抽出する、弱いイノベーションオートエンコーダアーキテクチャと学習アルゴリズムを提案する。 弱いイノベーションシーケンスはベイズ的であり、弱イノベーションオートエンコーダが生成確率予測のための標準アーキテクチャとなることを示す。
  論文  参考訳（メタデータ） (2024-02-21T15:23:21Z)
• An Energy-Based Prior for Generative Saliency [62.79775297611203]
  本稿では,情報的エネルギーベースモデルを事前分布として採用する,新たな生成正当性予測フレームワークを提案する。 生成サリエンシモデルを用いて,画像から画素単位の不確実性マップを得ることができ,サリエンシ予測におけるモデル信頼度を示す。 実験結果から, エネルギーベース先行モデルを用いた生成塩分率モデルでは, 精度の高い塩分率予測だけでなく, 人間の知覚と整合した信頼性の高い不確実性マップを実現できることが示された。
  論文  参考訳（メタデータ） (2022-04-19T10:51:00Z)
• A VAE-Based Bayesian Bidirectional LSTM for Renewable Energy Forecasting [0.4588028371034407]
  再生可能エネルギーの断続的な性質は ネットワークの運用計画に 新たな課題をもたらします 本稿では,データとモデルの不確実性に対処し,再生可能発電予測のための新しいベイズ確率的手法を提案する。 VAE-Bayesian BiLSTMは、データセットの異なるサイズに対する予測精度と計算効率において、他の確率的深層学習法よりも優れていると推定された。
  論文  参考訳（メタデータ） (2021-03-24T03:47:20Z)
• Learning Interpretable Deep State Space Model for Probabilistic Time Series Forecasting [98.57851612518758]
  確率的時系列予測は、その歴史に基づいて将来の分布を推定する。 本稿では,非線形エミッションモデルと遷移モデルとをネットワークによってパラメータ化した,確率的時系列予測のための深部状態空間モデルを提案する。 実験では,我々のモデルが正確かつ鋭い確率予測を生成することを示す。
  論文  参考訳（メタデータ） (2021-01-31T06:49:33Z)
• Probabilistic electric load forecasting through Bayesian Mixture Density Networks [70.50488907591463]
  確率的負荷予測(PLF)は、スマートエネルギーグリッドの効率的な管理に必要な拡張ツールチェーンの重要なコンポーネントです。 ベイジアン混合密度ネットワークを枠とした新しいPLFアプローチを提案する。 後方分布の信頼性と計算にスケーラブルな推定を行うため,平均場変動推定と深層アンサンブルを統合した。
  論文  参考訳（メタデータ） (2020-12-23T16:21:34Z)
• Forecasting Photovoltaic Power Production using a Deep Learning Sequence to Sequence Model with Attention [0.0]
  本稿では,PV発電のエンド・ツー・エンド予測のための教師付きディープラーニングモデルを提案する。 提案モデルは2つの基本概念に基づいており、他のシーケンス関連分野の大幅な性能向上につながった。 その結果、新しい設計は、PV電力予測技術の現在の状態以上で実行可能であることがわかった。
  論文  参考訳（メタデータ） (2020-08-06T17:20:08Z)
• 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)

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。