論文の概要: AI Explainability and Governance in Smart Energy Systems: A Review
- arxiv url: http://arxiv.org/abs/2211.00069v1
- Date: Mon, 24 Oct 2022 05:09:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-06 14:46:26.484860
- Title: AI Explainability and Governance in Smart Energy Systems: A Review
- Title（参考訳）: スマートエネルギーシステムにおけるAI説明可能性とガバナンス
- Authors: Roba Alsaigh, Rashid Mehmood, Iyad Katib
- Abstract要約: AIの説明可能性と管理可能性の欠如は、ステークホルダーにとって大きな関心事である。
本稿では,スマートエネルギーシステムにおけるAI説明可能性とガバナンスについて概説する。
- 参考スコア（独自算出の注目度）: 0.36832029288386137
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Traditional electrical power grids have long suffered from operational
unreliability, instability, inflexibility, and inefficiency. Smart grids (or
smart energy systems) continue to transform the energy sector with emerging
technologies, renewable energy sources, and other trends. Artificial
intelligence (AI) is being applied to smart energy systems to process massive
and complex data in this sector and make smart and timely decisions. However,
the lack of explainability and governability of AI is a major concern for
stakeholders hindering a fast uptake of AI in the energy sector. This paper
provides a review of AI explainability and governance in smart energy systems.
We collect 3,568 relevant papers from the Scopus database, automatically
discover 15 parameters or themes for AI governance in energy and elaborate the
research landscape by reviewing over 100 papers and providing temporal
progressions of the research. The methodology for discovering parameters or
themes is based on "deep journalism", our data-driven deep learning-based big
data analytics approach to automatically discover and analyse cross-sectional
multi-perspective information to enable better decision-making and develop
better instruments for governance. The findings show that research on AI
explainability in energy systems is segmented and narrowly focussed on a few AI
traits and energy system problems. This paper deepens our knowledge of AI
governance in energy and is expected to help governments, industry, academics,
energy prosumers, and other stakeholders to understand the landscape of AI in
the energy sector, leading to better design, operations, utilisation, and risk
management of energy systems.
- Abstract（参考訳）: 従来の電力網は長年、運用上の信頼性、不安定性、柔軟性、非効率性に悩まされてきた。
スマートグリッド(またはスマートエネルギーシステム)は、新興技術、再生可能エネルギー源、その他のトレンドでエネルギーセクターを変革し続けている。
人工知能(ai)は、スマートエネルギーシステムに適用され、このセクターで大規模で複雑なデータを処理し、スマートでタイムリーな意思決定を行う。
しかし、AIの説明可能性や統治性がないことは、エネルギーセクターにおけるAIの急速な取り込みを妨げる利害関係者にとって大きな関心事である。
本稿では,スマートエネルギーシステムにおけるAI説明可能性とガバナンスについて概説する。
我々は、Scopusデータベースから3,568件の関連論文を収集し、エネルギーにおけるAIガバナンスの15のパラメータやテーマを自動的に発見し、100以上の論文をレビューし、研究の時間的進歩を提供することで、研究の展望を精査する。
パラメータやテーマを発見するための方法論は、データ駆動型ディープラーニングベースのビッグデータ分析アプローチである“ディープジャーナリズム(deep journalism)”に基づいています。
その結果、エネルギーシステムにおけるai説明可能性の研究は分断され、いくつかのai特性とエネルギーシステムの問題に焦点を当てていることがわかった。
本稿では、エネルギー分野におけるAIガバナンスの知識を深め、エネルギー分野におけるAIの展望を理解し、エネルギーシステムのより良い設計、運用、活用、リスク管理を実現するために、政府、産業、学術、エネルギー調達者、その他の利害関係者を支援することが期待されている。
関連論文リスト
- Artificial Intelligence Approaches for Energy Efficiency: A Review [0.0]
国連は持続可能な開発目標を設定し、この論文は、第7(住宅・クリーンエネルギー)、第9(産業・イノベーション・インフラ)、第13(クライムアクション)の目標に焦点を当てている。
論文 参考訳（メタデータ） (2024-07-31T16:24:52Z) - Present and Future of AI in Renewable Energy Domain : A Comprehensive Survey [0.0]
人工知能(AI)は、様々な産業におけるプロセスを合理化するための重要な手段となっている。
現代の電力システムの再生可能エネルギー(RE)を支援するため、9つのAIベースの戦略がここで特定されている。
この研究は、再生可能エネルギー生成にAI技術を使用すること、再生可能エネルギー予測にAIを活用すること、エネルギーシステムの最適化という3つの主要なトピックについても論じている。
論文 参考訳（メタデータ） (2024-06-22T04:36:09Z) - Green Edge AI: A Contemporary Survey [46.11332733210337]
AIの変換力は、ディープニューラルネットワーク(DNN)の利用から導かれる。
ディープラーニング(DL)は、エンドユーザーデバイス(EUD)に近い無線エッジネットワークに移行しつつある。
その可能性にもかかわらず、エッジAIは大きな課題に直面している。主な原因は、無線エッジネットワークのリソース制限と、DLのリソース集約的な性質の分離である。
論文 参考訳（メタデータ） (2023-12-01T04:04:37Z) - On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。
高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。
コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文 参考訳（メタデータ） (2023-11-01T11:16:41Z) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳（メタデータ） (2023-04-10T15:38:12Z) - Machine learning applications for electricity market agent-based models:
A systematic literature review [68.8204255655161]
エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。
エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。
我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
論文 参考訳（メタデータ） (2022-06-05T14:52:26Z) - Automated Extraction of Energy Systems Information from Remotely Sensed
Data: A Review and Analysis [10.137044808866053]
高品質なエネルギーシステム情報は、エネルギーシステムの研究、モデリング、意思決定にとって重要な入力である。
近年、リモートセンシングされたデータは、エネルギーシステム情報の豊富な情報源として浮上している。
機械学習の最近の進歩は、有用な情報の自動化と迅速な抽出を可能にしている。
論文 参考訳（メタデータ） (2022-02-18T14:38:49Z) - Learning, Computing, and Trustworthiness in Intelligent IoT
Environments: Performance-Energy Tradeoffs [62.91362897985057]
Intelligent IoT Environment(iIoTe)は、半自律IoTアプリケーションを協調実行可能な異種デバイスで構成されている。
本稿では,これらの技術の現状を概観し,その機能と性能,特にリソース,レイテンシ,プライバシ,エネルギー消費のトレードオフに注目した。
論文 参考訳（メタデータ） (2021-10-04T19:41:42Z) - Artificial intelligence for Sustainable Energy: A Contextual Topic
Modeling and Content Analysis [0.0]
LDA、BERT、Clusteringを組み合わせた新しいコンテキストトピックモデリングを提供する。
次に、これらの計算分析と関連する学術出版物のコンテンツ分析を組み合わせて、持続可能なAIに関する科学研究における主要な学術的話題、サブテーマ、および横断テーマを特定した。
我々の研究は、持続可能な建物、都市水管理のためのAIベースのDSS、気候人工知能、農業4、AIとIoTの融合、再生可能技術の評価を含む8つの主要なトピックを特定した。
論文 参考訳（メタデータ） (2021-10-02T15:51:51Z) - Artificial Intelligence Based Prognostic Maintenance of Renewable Energy
Systems: A Review of Techniques, Challenges, and Future Research Directions [3.1123064748686287]
データ分析と機械学習(ML)技術は、これらの予後維持システムの全体的な効率を高めるために使われています。
本稿では,文献に報告されている予測/予測保守フレームワークの概要について述べる。
MLベースのソリューションの重要な側面として、ドメインで一般的に使用されるデータセットについても議論します。
論文 参考訳（メタデータ） (2021-04-20T11:41:00Z) - Empowering Things with Intelligence: A Survey of the Progress,
Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。
まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。
最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文 参考訳（メタデータ） (2020-11-17T13:14:28Z)
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。