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
- Achieving Fairness in Predictive Process Analytics via Adversarial Learning [50.31323204077591]
本稿では、デバイアスフェーズを予測ビジネスプロセス分析に組み込むことの課題に対処する。
本研究の枠組みは, 4つのケーススタディで検証し, 予測値に対する偏り変数の寄与を著しく低減することを示した。
論文 参考訳（メタデータ） (2024-10-03T15:56:03Z) - Forecast-PEFT: Parameter-Efficient Fine-Tuning for Pre-trained Motion Forecasting Models [68.23649978697027]
Forecast-PEFTは、モデルのパラメータの大部分を凍結し、新しく導入されたプロンプトとアダプタの調整に集中する微調整戦略である。
実験の結果,Forecast-PEFTは動作予測タスクにおいて従来のフルチューニング手法よりも優れていた。
Forecast-FTは予測性能をさらに改善し、従来のベースライン法よりも最大9.6%向上した。
論文 参考訳（メタデータ） (2024-07-28T19:18:59Z) - SkipPredict: When to Invest in Predictions for Scheduling [10.895221249490984]
そこで本研究では,予測手法であるSkipPredict(SkipPredict)を導入し,そのコストに対処する手法を提案する。
これを実現するために、ジョブを短くも長くも分類するために、1ビットの“チープ予測”を使用します。
2つの異なるモデルに対して、このコストが与える影響について検討する。
論文 参考訳（メタデータ） (2024-02-05T22:24:19Z) - Electricity Price Prediction for Energy Storage System Arbitrage: A
Decision-focused Approach [4.992622806418143]
電力価格予測はエネルギー貯蔵システム(ESS)管理において重要な役割を担っている。
現在の予測モデルは、予測エラーを減らすことに重点を置いているが、下流の意思決定への影響を見落としている。
本稿では,下流最適化モデルから予測モデルへのギャップを埋めるため,ESS調停のための意思決定型電力価格予測手法を提案する。
論文 参考訳（メタデータ） (2023-04-30T00:43:26Z) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。
我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
論文 参考訳（メタデータ） (2023-04-15T19:22:37Z) - CILP: Co-simulation based Imitation Learner for Dynamic Resource
Provisioning in Cloud Computing Environments [13.864161788250856]
レイテンシクリティカルなタスクの主な課題は、積極的にプロビジョニングする将来のワークロード要求を予測することだ。
既存のAIベースのソリューションは、プロビジョニングのオーバーヘッド、異種VMコスト、クラウドシステムの品質(QoS)など、すべての重要な側面を公平に考慮しない傾向があります。
予測と最適化の2つのサブプロブレムとしてVMプロビジョニング問題を定式化するCILPと呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2023-02-11T09:15:34Z) - 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) - Benefits of Permutation-Equivariance in Auction Mechanisms [90.42990121652956]
競売人の収益を最大化しつつ、競売人の過去の後悔を最小限にする競売メカニズムは、経済学において重要であるが複雑な問題である。
ニューラルネットワークによる最適なオークションメカニズムの学習を通じて、注目すべき進歩が達成されている。
論文 参考訳（メタデータ） (2022-10-11T16:13:25Z) - 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) - Right Decisions from Wrong Predictions: A Mechanism Design Alternative
to Individual Calibration [107.15813002403905]
意思決定者は、しばしば不完全な確率予測に頼る必要がある。
本稿では,予測ユーティリティが実際に取得したユーティリティと一致することを保証する補償機構を提案する。
本研究では、乗客が飛行遅延確率に基づいて、個々の旅行計画をどのように確実に最適化できるかを示すアプリケーションを示す。
論文 参考訳（メタデータ） (2020-11-15T08:22:39Z) - An Economic Perspective on Predictive Maintenance of Filtration Units [0.0]
企業による予測保守の導入率は依然として低い。
主な問題は、ほとんどの上級管理職が予測保守の考えを十分に確信していないことである。
本研究は,予測保守の技術的領域とビジネス領域のギャップを埋めることを目的としている。
論文 参考訳（メタデータ） (2020-08-25T14:43:30Z)
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。