論文の概要: Machine learning applications for electricity market agent-based models:
A systematic literature review
- arxiv url: http://arxiv.org/abs/2206.02196v1
- Date: Sun, 5 Jun 2022 14:52:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-08 11:28:58.134115
- Title: Machine learning applications for electricity market agent-based models:
A systematic literature review
- Title（参考訳）: 電力市場エージェントモデルのための機械学習応用:系統的文献レビュー
- Authors: Alexander J. M. Kell, Stephen McGough, Matthew Forshaw
- Abstract要約: エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。
エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。
我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
- 参考スコア（独自算出の注目度）: 68.8204255655161
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The electricity market has a vital role to play in the decarbonisation of the
energy system. However, the electricity market is made up of many different
variables and data inputs. These variables and data inputs behave in sometimes
unpredictable ways which can not be predicted a-priori. It has therefore been
suggested that agent-based simulations are used to better understand the
dynamics of the electricity market. Agent-based models provide the opportunity
to integrate machine learning and artificial intelligence to add intelligence,
make better forecasts and control the power market in better and more efficient
ways. In this systematic literature review, we review 55 papers published
between 2016 and 2021 which focus on machine learning applied to agent-based
electricity market models. We find that research clusters around popular
topics, such as bidding strategies. However, there exists a long-tail of
different research applications that could benefit from the high intensity
research from the more investigated applications.
- Abstract（参考訳）: 電力市場はエネルギーシステムの脱炭素化において重要な役割を担っている。
しかし、電力市場は様々な変数とデータ入力で構成されている。
これらの変数とデータ入力は、a-prioriを予測できない予測不能な方法で振る舞う。
したがって、エージェントベースのシミュレーションは電力市場のダイナミクスをよりよく理解するために使われることが示唆されている。
エージェントベースのモデルは、機械学習と人工知能を統合して、インテリジェンスを追加し、より良い予測を行い、電力市場をより効率的に制御する機会を提供する。
本稿では,エージェントベース電気市場モデルに適用した機械学習に焦点を当てた,2016年から2021年の間に発行された55の論文を整理する。
入札戦略など,一般的なトピックを中心に研究が集結していることが分かりました。
しかし、より調査されたアプリケーションから高強度の研究の恩恵を受けることができる様々な研究応用の長い部分が存在する。
関連論文リスト
- Electricity Price Forecasting in the Irish Balancing Market [0.0]
この研究は、広く研究されている日頭市場で成功した様々な価格予測手法をアイルランドのバランス市場に適用する。
異なるトレーニングサイズの影響を調査するフレームワークを用いて,統計モデル,機械学習モデル,ディープラーニングモデルを比較した。
大規模な数値的な研究により、日頭市場における良いパフォーマンスのモデルはバランスの取れないモデルではうまく機能しないことが示された。
論文 参考訳（メタデータ） (2024-02-09T15:18:00Z) - Power Hungry Processing: Watts Driving the Cost of AI Deployment? [74.19749699665216]
生成された多目的AIシステムは、機械学習(ML)モデルをテクノロジに構築するための統一的なアプローチを約束する。
この「一般性」の野心は、これらのシステムが必要とするエネルギー量と放出する炭素量を考えると、環境に急激なコストがかかる。
これらのモデルを用いて,代表的なベンチマークデータセット上で1,000の推論を行うのに必要なエネルギーと炭素の量として,デプロイメントコストを測定した。
本稿は、多目的MLシステムの展開動向に関する議論から締めくくり、エネルギーと排出の面でコストの増大に対して、その実用性はより意図的に重み付けされるべきである、と警告する。
論文 参考訳（メタデータ） (2023-11-28T15:09:36Z) - A Machine Learning Framework to Deconstruct the Primary Drivers for
Electricity Market Price Events [0.8192907805418581]
電力グリッドは100%再生可能エネルギー源バルク電力グリッドに向かっている。
従来の根本原因分析と統計的アプローチは、価格形成の背後にある主要な要因を分析し、推測するために適用できない。
再生可能エネルギーの高い近代電力市場における価格スパイクイベントの主要因を分解する機械学習に基づく分析フレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-12T09:24:21Z) - A Glimpse in ChatGPT Capabilities and its impact for AI research [4.2245880148320705]
大規模言語モデル(LLM)は、人工知能(AI)研究の分野で最近人気になった。
これらのモデルは大量のデータに基づいて訓練されており、言語翻訳、テキスト生成、質問応答など幅広いタスクに使用できる。
論文 参考訳（メタデータ） (2023-05-10T12:10:51Z) - OSOUM Framework for Trading Data Research [79.0383470835073]
私たちは、私たちの知る限り、最初のオープンソースのシミュレーションプラットフォームであるOpen SOUrce Market Simulator(OSOUM)を提供して、トレーディング市場、特にデータ市場を分析します。
我々は、購入に利用可能なさまざまなデータセットを所有する売り手と、購入に有効な適切なデータセットを検索する買い手という2つのタイプのエージェントからなる、特定のデータ市場モデルを記述し、実装する。
データ市場を扱うための商用フレームワークはすでに存在していますが、購入者および販売者の両方が(データ)市場に参加することの可能な振る舞いをシミュレートするための、自由で広範なエンドツーエンドの研究ツールを提供しています。
論文 参考訳（メタデータ） (2021-02-18T09:20:26Z) - Learning Discrete Energy-based Models via Auxiliary-variable Local
Exploration [130.89746032163106]
離散構造データに対する条件付きおよび非条件付きEMMを学習するための新しいアルゴリズムであるALOEを提案する。
エネルギー関数とサンプリング器は、新しい変分型電力繰り返しにより効率よく訓練できることを示す。
本稿では、ソフトウェアテストのためのエネルギーモデルガイド付ファジィザについて、libfuzzerのようなよく設計されたファジィエンジンに匹敵する性能を実現する。
論文 参考訳（メタデータ） (2020-11-10T19:31:29Z) - Smart Grid: A Survey of Architectural Elements, Machine Learning and
Deep Learning Applications and Future Directions [0.0]
ビッグデータ分析、機械学習(ML)、ディープラーニング(DL)は、この膨大なデータの分析と貴重な洞察の生成において重要な役割を果たす。
本稿では、スマートグリッドのコンテキストにおいて、スマートグリッドアーキテクチャ要素、機械学習、ディープラーニングベースのアプリケーションおよびアプローチを調査し、調査する。
論文 参考訳（メタデータ） (2020-10-16T01:40:24Z) - Transfer Learning for Electricity Price Forecasting [0.0]
本稿では,他の電力価格市場からの情報を予測に活用する手段として,トランスファーラーニング(Transfer Learning)を提案する。
5つの異なる日頭市場における実験から,移動学習は電力価格予測の性能を統計的に有意な方法で向上させることが示された。
論文 参考訳（メタデータ） (2020-07-05T17:24:36Z) - 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) - 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)
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。