論文の概要: Improving Electricity Market Economy via Closed-Loop
Predict-and-Optimize
- arxiv url: http://arxiv.org/abs/2208.13065v1
- Date: Sat, 27 Aug 2022 18:03:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-30 14:53:01.850016
- Title: Improving Electricity Market Economy via Closed-Loop
Predict-and-Optimize
- Title(参考訳): クローズドループ予測と最適化による電力市場経済の改善
- Authors: Xianbang Chen, Yikui Liu, Lei Wu
- Abstract要約: 本稿では,電力市場浄化のためのクローズドループ予測最適化(C-PO)フレームワークを提案する。
それは、究極の市場経済を改善するために調整された経済志向の予測器を訓練する。
訓練された経済志向の予測器はUCモデルに組み込まれ、規範的なUCモデルを形成する。
- 参考スコア(独自算出の注目度): 3.2931415075553576
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The electricity market clearing is usually implemented via an open-loop
predict-then-optimize (O-PO) process: it first predicts the available power of
renewable energy sources (RES) and the system reserve requirements; then, given
the predictions, the markets are cleared via optimization models, i.e., unit
commitment (UC) and economic dispatch (ED), to pursue the optimal electricity
market economy. However, the market economy could suffer from the open-loop
process because its predictions may be overly myopic to the optimizations,
i.e., the predictions seek to improve the immediate statistical forecasting
errors instead of the ultimate market economy. To this end, this paper proposes
a closed-loop predict-and-optimize (C-PO) framework based on the tri-level
mixed-integer programming, which trains economy-oriented predictors tailored
for the market-clearing optimization to improve the ultimate market economy.
Specifically, the upper level trains the economy-oriented RES and reserve
predictors according to their induced market economy; the middle and lower
levels, with given predictions, mimic the market-clearing process and feed the
induced market economy results back to the upper level. The trained
economy-oriented predictors are then embedded into the UC model, forming a
prescriptive UC model that can simultaneously provide RES-reserve predictions
and UC decisions with enhanced market economy. Numerical case studies on an
IEEE 118-bus system illustrate potential economic and practical advantages of
C-PO over O-PO, robust UC, and stochastic UC.
- Abstract(参考訳): 電力市場清算は通常、オープンループ予測最適化(O-PO)プロセスを通じて実施され、まず再生可能エネルギー源(RES)の利用可能な電力とシステム予備需要を予測し、その後、予測を前提として、最適化モデル、すなわち単位コミットメント(UC)と経済派遣(ED)を通じて市場をクリアし、最適な電力市場経済を追求する。
しかし、市場経済は、その予測が最適化に過度に近づき、すなわち、究極の市場経済ではなく、即時統計予測エラーの改善を図っているため、オープンループのプロセスに苦しむ可能性がある。
そこで本稿では,市場開拓最適化に適した経済指向予測器を訓練し,市場経済を改善するための三段階混合インテガープログラミングに基づく閉ループ予測・最適化(c-po)フレームワークを提案する。
特に、上位層は、その誘導市場経済に応じて、経済志向のresとreserve予測者を訓練し、中間層と下位層は、所定の予測で、市場決定過程を模倣し、誘導市場経済の結果を上位層に戻す。
訓練された経済志向の予測器はUCモデルに組み込まれ、市場経済の強化とともにRES保存予測とUC決定を同時に提供できる規範的なUCモデルを形成する。
IEEE 118バスシステムに関する数値ケーススタディでは、O-PO、ロバストUC、確率UCに対するC-POの潜在的経済的および実用的利点が示されている。
関連論文リスト
- OptScaler: A Hybrid Proactive-Reactive Framework for Robust Autoscaling
in the Cloud [11.340252931723063]
オートスケーリングはクラウドコンピューティングにおいて重要なメカニズムであり、動的ワークロード下でのコンピューティングリソースの自律的な調整をサポートする。
既存のアクティブ自動スケーリングメソッドは将来のワークロードを予測し、事前にリソースをスケールしますが、リアクティブメソッドはリアルタイムシステムフィードバックに依存します。
本稿では,CPU利用制御のためのプロアクティブ手法とリアクティブ手法の両方のパワーを統合するハイブリッド自動スケーリングフレームワークであるOpsScalerを提案する。
論文 参考訳(メタデータ) (2023-10-26T04:38:48Z) - Refined Mechanism Design for Approximately Structured Priors via Active
Regression [50.71772232237571]
我々は、大量の商品を戦略的入札者に販売する収益を最大化する販売業者の問題を考える。
この設定の最適かつほぼ最適のメカニズムは、特徴付けや計算が難しいことで有名である。
論文 参考訳(メタデータ) (2023-10-11T20:34:17Z) - Model-based Causal Bayesian Optimization [74.78486244786083]
乗算重み付き因果ベイズ最適化のための最初のアルゴリズム(CBO-MW)を提案する。
グラフ関連の量に自然に依存するCBO-MWに対する後悔の限界を導出する。
我々の実験は、共有モビリティシステムにおいて、ユーザの需要パターンを学習するためにCBO-MWをどのように使用できるかの現実的なデモを含む。
論文 参考訳(メタデータ) (2023-07-31T13:02:36Z) - Prediction-Oriented Bayesian Active Learning [51.426960808684655]
予測情報ゲイン(EPIG)は、パラメータではなく予測空間における情報ゲインを測定する。
EPIGは、さまざまなデータセットやモデルにわたるBALDと比較して、予測パフォーマンスが向上する。
論文 参考訳(メタデータ) (2023-04-17T10:59:57Z) - Model-based Causal Bayesian Optimization [78.120734120667]
モデルに基づく因果ベイズ最適化(MCBO)を提案する。
MCBOは介入と逆のペアをモデリングするのではなく、完全なシステムモデルを学ぶ。
標準的なベイズ最適化とは異なり、我々の取得関数は閉形式では評価できない。
論文 参考訳(メタデータ) (2022-11-18T14:28:21Z) - A Note on Task-Aware Loss via Reweighing Prediction Loss by
Decision-Regret [11.57423546614283]
我々は予測最適化の意思決定対応版を提案する。
コストの(非重みのない)パイロット推定器が犯した決定の後悔による予測誤差を再検討する。
このアプローチは"予測を最適化する"フレームワークよりも改善する可能性があることを示す。
論文 参考訳(メタデータ) (2022-11-09T18:59:35Z) - A Data-driven Case-based Reasoning in Bankruptcy Prediction [8.134323103135173]
本研究では,倒産予測のためのデータ駆動型ケースベース推論システムを提案する。
実験の結果,提案手法は既存の代替CBRシステムよりも優れていることがわかった。
多くの研究から、予測精度と説明可能性のトレードオフが示唆されているが、我々の発見は今後の研究の道筋を示している。
論文 参考訳(メタデータ) (2022-11-02T07:10:09Z) - Interpreting and predicting the economy flows: A time-varying parameter
global vector autoregressive integrated the machine learning model [0.0]
本稿では,先進地域経済変数の予測と分析を行うための時間変化パラメータグローバルベクトル自己回帰フレームワークを提案する。
提案したモデルが,すべての経済変数における説得力のあるインサンプルと,異なる周波数の経済入力を持つ比較的高精度なアウト・オブ・サンプル予測を示す。
論文 参考訳(メタデータ) (2022-07-31T06:24:15Z) - What Should I Know? Using Meta-gradient Descent for Predictive Feature
Discovery in a Single Stream of Experience [63.75363908696257]
計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。
この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。
本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
論文 参考訳(メタデータ) (2022-06-13T21:31:06Z) - Video Prediction via Example Guidance [156.08546987158616]
ビデオ予測タスクでは、将来のコンテンツとダイナミクスのマルチモーダルな性質を捉えることが大きな課題である。
本研究では,有効な将来状態の予測を効果的に行うための,シンプルで効果的なフレームワークを提案する。
論文 参考訳(メタデータ) (2020-07-03T14:57:24Z) - Fast, Optimal, and Targeted Predictions using Parametrized Decision
Analysis [0.0]
我々はベイズ決定解析のためのパラメータ化された行動のクラスを開発し、最適でスケーラブルで単純な目標予測を生成する。
全国健康栄養検査調査の身体活動データに対する予測が作成されている。
論文 参考訳(メタデータ) (2020-06-23T15:55:47Z)
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。