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
- Metalearners for Ranking Treatment Effects [1.469168639465869]
政策の漸進的な利益曲線の下で、ランク付けの学習がいかにその領域を最大化できるかを示す。
政策の漸進的な利益曲線の下で、ランク付けの学習がいかにその領域を最大化できるかを示す。
論文 参考訳(メタデータ) (2024-05-03T15:31:18Z) - Optimistic Online Non-stochastic Control via FTRL [10.25772015681554]
本稿は、オンライン非確率制御(NSC)の新しいフレームワークに「最適化」の概念をもたらす。
すなわち,将来的なコスト予測に寄与する未知品質の予測オラクルから,NSCがどのような恩恵を受けられるかを検討する。
新しい境界は、完全な予測から、全ての予測が失敗してもオーダー最適化の $mathcalO(sqrtT)$ まで、オラクルの精度と相容れない。
論文 参考訳(メタデータ) (2024-04-04T09:08:04Z) - 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) - 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。