Fugu-MT 論文翻訳(概要): Online Decision Making for Trading Wind Energy

論文の概要: Online Decision Making for Trading Wind Energy

arxiv url: http://arxiv.org/abs/2209.02009v3
Date: Fri, 19 May 2023 08:13:59 GMT
ステータス: 処理完了
システム内更新日: 2023-05-22 19:41:58.961385
Title: Online Decision Making for Trading Wind Energy
Title（参考訳）: 風力エネルギー取引のためのオンライン意思決定
Authors: Miguel Angel Mu\~noz, Pierre Pinson and Jalal Kazempour
Abstract要約: 我々は、電力市場における風力エネルギーの取引のための新しいアルゴリズムを提案し、開発する。我々は、勾配降下アルゴリズムのコンポーネントワイド適応版と、機能駆動型ニュースモデルの最近の進歩を組み合わせる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose and develop a new algorithm for trading wind energy in electricity markets, within an online learning and optimization framework. In particular, we combine a component-wise adaptive variant of the gradient descent algorithm with recent advances in the feature-driven newsvendor model. This results in an online offering approach capable of leveraging data-rich environments, while adapting to the nonstationary characteristics of energy generation and electricity markets, also with a minimal computational burden. The performance of our approach is analyzed based on several numerical experiments, showing both better adaptability to nonstationary uncertain parameters and significant economic gains.
Abstract（参考訳）: 我々は,オンライン学習最適化フレームワークを用いて電力市場における風力エネルギー取引のための新しいアルゴリズムを提案し,開発する。特に、勾配降下アルゴリズムのコンポーネントワイド適応版と、機能駆動型ニューズベンダーモデルにおける最近の進歩を組み合わせる。これにより、データ豊富な環境を活用でき、エネルギーと電力市場の非定常特性に適応し、計算負担を最小限に抑えるオンライン提供アプローチが実現される。提案手法の性能はいくつかの数値実験に基づいて解析され,非定常的不確実なパラメータへの適応性および有意な経済効果を示す。

関連論文リスト

HireVAE: An Online and Adaptive Factor Model Based on Hierarchical and Regime-Switch VAE [113.47287249524008]
オンラインで適応的な環境で株価予測を行うファクターモデルを構築することは、依然としてオープンな疑問である。本稿では,オンラインおよび適応型要素モデルであるHireVAEを,市場状況とストックワイド潜在要因の関係を埋め込んだ階層型潜在空間として提案する。 4つの一般的な実市場ベンチマークにおいて、提案されたHireVAEは、以前の手法よりもアクティブリターンの点で優れたパフォーマンスを示している。
論文参考訳（メタデータ） (2023-06-05T12:58:13Z)
On-line reinforcement learning for optimization of real-life energy trading strategy [0.9790236766474201]
本稿では,中規模プロシューマーによる日頭エネルギー市場における自動取引について考察する。我々は,オフラインデータを用いて実生活で適用可能な戦略を最適化できるフレームワークを定式化する。我々はこの戦略を最適化するために最先端強化学習(RL)アルゴリズムを用いる。
論文参考訳（メタデータ） (2023-03-28T19:27:02Z)
GP CC-OPF: Gaussian Process based optimization tool for Chance-Constrained Optimal Power Flow [54.94701604030199]
Gaussian Process (GP) ベースのChance-Constrained Optimal Flow (CC-OPF) は、電力グリッドにおけるエコノミックディスパッチ(ED)問題のためのオープンソースのPythonコードである。 CC-OPモデルに基づく新しいデータ駆動手法を提案し,複雑性と精度のトレードオフにより大規模な回帰問題を解く。
論文参考訳（メタデータ） (2023-02-16T17:59:06Z)
Movement Penalized Bayesian Optimization with Application to Wind Energy Systems [84.7485307269572]
文脈ベイズ最適化(CBO)は、与えられた側情報を逐次決定する強力なフレームワークである。この設定では、学習者は各ラウンドでコンテキスト(天気条件など)を受け取り、アクション(タービンパラメータなど)を選択する必要がある。標準的なアルゴリズムは、すべてのラウンドで意思決定を切り替えるコストを前提としませんが、多くの実用的なアプリケーションでは、このような変更に関連するコストが最小化されるべきです。
論文参考訳（メタデータ） (2022-10-14T20:19:32Z)
Data-Driven Chance Constrained AC-OPF using Hybrid Sparse Gaussian Processes [57.70237375696411]
入力不確実性を伴う潮流方程式をモデル化するために,スパースプロセスとハイブリッドガウスプロセス(GP)フレームワークを用いた高速データ駆動構成を提案する。提案手法の有効性は,複数のIEEEテストケースに対して,最大2倍の高速かつ高精度な解を示す数値的な研究によって主張する。
論文参考訳（メタデータ） (2022-08-30T09:27:59Z)
Data-Driven Stochastic AC-OPF using Gaussian Processes [54.94701604030199]
大量の再生可能エネルギーを電力網に統合することは、おそらく気候変動を遅らせる電力網からの二酸化炭素排出量を減らす最も有効な方法だろう。本稿では、不確実な入力を組み込むことのできる交流電力流方程式に基づく代替データ駆動方式を提案する。 GPアプローチは、このギャップを交流電力流方程式に閉じるために、単純だが制約のないデータ駆動アプローチを学ぶ。
論文参考訳（メタデータ） (2022-07-21T23:02:35Z)
Optimal Parameter-free Online Learning with Switching Cost [47.415099037249085]
オンライン学習における自由とは、後ろ向きの最適決定に対するアルゴリズムの適応性を指す。本稿では,パラメータフリーで要求される楽観的な更新を,スイッチングコストを前提として,そのようなアルゴリズムを設計する。本稿では,オンライン線形最適化 (OLO) のための簡易かつ強力なアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-05-13T18:44:27Z)
Risk-Aware Control and Optimization for High-Renewable Power Grids [11.352041887858322]
RAMCプロジェクトは、この決定論的設定からリスク認識フレームワークに移行する方法について調査している。本稿では、RAMCがリスク対応市場クリアリングにどのようにアプローチするかをレビューし、不確実性定量化、最適化、機械学習におけるイノベーションの一部を提示する。
論文参考訳（メタデータ） (2022-04-02T22:58:08Z)
Graph Neural Networks for Learning Real-Time Prices in Electricity Market [21.402299307739558]
OPFの解決から電力市場価格を予測するための新しいグラフニューラルネットワーク(GNN)フレームワークを提案する。提案するGNN-for-OPFフレームワークは、価格の局所性を革新的に活用し、物理対応の正規化を導入する。従来の手法に比べて,提案手法の学習効率と適応性の向上が検証された。
論文参考訳（メタデータ） (2021-06-19T16:34:56Z)
Probabilistic Load Forecasting Based on Adaptive Online Learning [7.373617024876726]
本稿では,隠れマルコフモデルの適応型オンライン学習に基づく確率的負荷予測手法を提案する。本稿では,理論的保証のある学習予測手法を提案し,その性能を複数のシナリオで実験的に評価する。その結果,提案手法は様々なシナリオにおいて既存手法の性能を大幅に向上させることができることがわかった。
論文参考訳（メタデータ） (2020-11-30T12:02:26Z)

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。