論文の概要: Towards Improving Operation Economics: A Bilevel MIP-Based Closed-Loop
Predict-and-Optimize Framework for Prescribing Unit Commitment
- arxiv url: http://arxiv.org/abs/2208.13065v2
- Date: Sat, 29 Apr 2023 21:10:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-02 19:37:34.865800
- Title: Towards Improving Operation Economics: A Bilevel MIP-Based Closed-Loop
Predict-and-Optimize Framework for Prescribing Unit Commitment
- Title（参考訳）: 運用経済改善に向けた二段階的MIPベース予測最適化フレームワーク
- Authors: Xianbang Chen, Yikui Liu, Lei Wu
- Abstract要約: 本稿では,運用経済を改善するための規範的UCを提供する,クローズドループ予測最適化フレームワークを提案する。
双方向混合整数プログラミングモデルを用いて、最適なシステム操作に適したコスト指向予測器を訓練する。
トレーニングされた予測器の組込み可能性により、規範的なUCモデルが提供され、RES保存予測とUC決定を、強化された運用経済学で同時に提供する。
- 参考スコア（独自算出の注目度）: 3.2931415075553576
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generally, system operators conduct the economic operation of power systems
in an open-loop predict-then-optimize process: the renewable energy source
(RES) availability and system reserve requirements are first predicted; given
the predictions, system operators solve optimization models such as unit
commitment (UC) to determine the economical operation plans accordingly.
However, such an open-loop process could essentially compromise the operation
economics because its predictors myopically seek to improve the immediate
statistical prediction errors instead of the ultimate operation cost. To this
end, this paper presents a closed-loop predict-and-optimize framework, offering
a prescriptive UC to improve the operation economics. First, a bilevel
mixed-integer programming model is leveraged to train cost-oriented predictors
tailored for optimal system operations: the upper level trains the RES and
reserve predictors based on their induced operation cost; the lower level, with
given predictions, mimics the system operation process and feeds the induced
operation cost back to the upper level. Furthermore, the embeddability of the
trained predictors grants a prescriptive UC model, which simultaneously
provides RES-reserve predictions and UC decisions with enhanced operation
economics. Finally, numerical case studies using real-world data illustrate the
potential economic and practical advantages of prescriptive UC over
deterministic, robust, and stochastic UC models.
- Abstract（参考訳）: システムオペレータは、一般に、再生可能エネルギー源(RES)の可用性とシステム予備要件を最初に予測し、予測により、ユニットコミットメント(UC)などの最適化モデルを解き、それに応じて経済的な運用計画を決定する。
しかし、そのようなオープンループプロセスは、その予測器が究極の演算コストではなく即時統計的予測誤差を改善するために、本質的に運用経済学を損なう可能性がある。
そこで,本稿では,演算経済学を改善するための規範的な uc を提供するクローズドループ予測最適化フレームワークを提案する。
まず, 2レベル混合整数プログラミングモデルを用いて, 最適システム動作に適したコスト指向予測器を訓練する: 上位レベルは, 誘導運転コストに基づいて RES および予備予測器を訓練する; 下位レベルは, 与えられた予測によりシステム動作プロセスを模倣し, 誘導運転コストを上位レベルに戻す。
さらに、トレーニングされた予測器の組込み可能性により、規範的なUCモデルが与えられ、RES保存予測とUC決定を同時に行なえる。
最後に、実世界のデータを用いた数値ケーススタディでは、決定論的、堅牢で確率的なUCモデルよりも、規範的UCの経済的および実践的な利点が示される。
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) - There is No Silver Bullet: Benchmarking Methods in Predictive Combinatorial Optimization [59.27851754647913]
予測最適化(英: Predictive optimization)は、エネルギーコストを意識したスケジューリングや広告予算配分など、多くの現実世界のアプリケーションの正確なモデリングである。
モジュールレベルでの設計選択を含む、両方のアプローチのシステマティックなベンチマークはありません。
本研究は,8ベンチマーク中7ベンチマークにおいて,PnOアプローチがPtOよりも優れていることを示すが,PnOの設計選択に銀の弾丸は見つからない。
論文 参考訳（メタデータ） (2023-11-13T13:19:34Z) - 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) - 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。