論文の概要: Model-Free Approach to Fair Solar PV Curtailment Using Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2212.06542v1
• Date: Tue, 13 Dec 2022 12:54:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-14 14:09:28.236291
• Title: Model-Free Approach to Fair Solar PV Curtailment Using Reinforcement Learning
• Title（参考訳）: 強化学習を用いた太陽光発電の公平化へのモデルフリーアプローチ
• Authors: Zhuo Wei, Frits de Nijs, Jinhao Li, Hao Wang
• Abstract要約: 現在、PVインバータは過電圧に応じてエネルギー生産量を削減し、電子機器の損傷を防ぐ。 これは供給者の遠方の世帯に不当に影響を及ぼし、生産されるエネルギーの潜在的な価値を不当に割り当てる結果となった。 本稿では,システムとのインタラクションにより,適切なPV削減戦略を徐々に最適化する強化学習について検討する。
• 参考スコア（独自算出の注目度）: 6.175137568373435
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid adoption of residential solar photovoltaics (PV) has resulted in regular overvoltage events, due to correlated reverse power flows. Currently, PV inverters prevent damage to electronics by curtailing energy production in response to overvoltage. However, this disproportionately affects households at the far end of the feeder, leading to an unfair allocation of the potential value of energy produced. Globally optimizing for fair curtailment requires accurate feeder parameters, which are often unknown. This paper investigates reinforcement learning, which gradually optimizes a fair PV curtailment strategy by interacting with the system. We evaluate six fairness metrics on how well they can be learned compared to an optimal solution oracle. We show that all definitions permit efficient learning, suggesting that reinforcement learning is a promising approach to achieving both safe and fair PV coordination.
• Abstract（参考訳）: 住宅用太陽光発電(PV)の急速な普及は、相関する逆流によって定期的に過電圧が発生する。 現在、PVインバータは過電圧に応じてエネルギー生産量を削減することで電子機器の損傷を防ぐ。 しかし、これは供給者の遠方の世帯に不公平に影響を及ぼし、生産されるエネルギーの潜在的な価値を不当に割り当てる結果となった。 公正な削減のためにグローバルに最適化するには正確なフィードパラメータが必要であるが、しばしば不明である。 本稿では,システムとのインタラクションにより,適切なPV削減戦略を徐々に最適化する強化学習について検討する。 最適解のオラクルと比較して,6つのフェアネスの指標がどの程度学習できるかを評価する。 すべての定義が効率的な学習を可能にすることを示し、強化学習が安全かつ公平なPV協調を達成するための有望なアプローチであることを示唆する。

関連論文リスト

• TinyML NLP Approach for Semantic Wireless Sentiment Classification [49.801175302937246]
  本稿では,エネルギー効率のよいプライバシ保護型小型機械学習(MLTiny)方式としてスプリットラーニング(SL)を導入する。 その結果,SLは高い精度を維持しながら処理能力とCO2排出量を低減し,FLは効率とプライバシのバランスのとれた妥協を提供することがわかった。
  論文  参考訳（メタデータ） (2024-11-09T21:26:59Z)
• Fair Reinforcement Learning Algorithm for PV Active Control in LV Distribution Networks [1.75493501156941]
  分散エネルギー資源の導入により、電力ネットワーク制御における新しい複雑な課題が提示された。 PVパネルによる重要なエネルギー生産により、ネットワーク内の電圧問題は問題となっている。 PVパネルのアクティブな出力を減らすことは、一部の顧客に不公平であると見なされ、将来の設置を妨げている。 能動電力削減の公平性を考慮しつつ, 配電系統の電圧問題に対処する強化学習手法を提案する。
  論文  参考訳（メタデータ） (2024-09-09T10:51:08Z)
• Unveiling the Invisible: Enhanced Detection and Analysis of Deteriorated Areas in Solar PV Modules Using Unsupervised Sensing Algorithms and 3D Augmented Reality [1.0310343700363547]
  本稿では,太陽光発電モジュールのホットスポットやスネールトレイルなどの異常を自動的に同定し,解析する基盤となる手法を提案する。 従来の診断法と修復法を変換することにより,効率を高めるだけでなく,PVシステムのメンテナンスコストを大幅に削減する。 我々の目指すのは、リアルタイムで自動ソーラーパネル検出にドローン技術を活用することで、PVのメンテナンスの有効性を大幅に向上させることです。
  論文  参考訳（メタデータ） (2023-07-11T09:27:00Z)
• Data-driven soiling detection in PV modules [58.6906336996604]
  太陽光発電モジュールの土質比を推定する問題について検討した。 私たちのアルゴリズムの重要な利点は、ラベル付きデータでトレーニングする必要がない、土壌を推定することです。 実験により, 土質比を推定するための工法として, 現状を著しく上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2023-01-30T14:35:47Z)
• Solar Power driven EV Charging Optimization with Deep Reinforcement Learning [6.936743119804558]
  電気自動車(EV)や太陽光発電システム(PV)などの分散型エネルギー資源は、住宅用電力システムに継続的に統合されている。 本稿では、クリーンで太陽エネルギーの消費を優先しながら、家庭用EV充電の課題に対処することを目的とする。
  論文  参考訳（メタデータ） (2022-11-17T11:52:27Z)
• 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)
• Feature Construction and Selection for PV Solar Power Modeling [1.8960797847221296]
  太陽光発電(PV)発電を予測するモデルを構築することで、意思決定者はエネルギー不足を補うことができる。 太陽エネルギーの出力は、光や天気など多くの要因に依存する時系列データである。 本研究では, 過去のデータをもとに, 1時間先進太陽エネルギー予測のための機械学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2022-02-13T06:49:28Z)
• Optimizing a domestic battery and solar photovoltaic system with deep reinforcement learning [69.68068088508505]
  バッテリーと太陽光発電システムのコストの低下は、ソーラーバッテリーの家庭用システムの増加に繋がった。 本研究では,システム内の電池の充電および放電挙動を最適化するために,深い決定論的ポリシーアルゴリズムを用いる。
  論文  参考訳（メタデータ） (2021-09-10T10:59:14Z)
• Enforcing Policy Feasibility Constraints through Differentiable Projection for Energy Optimization [57.88118988775461]
  本稿では,ニューラルポリシー内での凸操作制約を強制するために,PROF(Projected Feasibility)を提案する。 エネルギー効率の高い建築操作とインバータ制御の2つの応用についてPROFを実証する。
  論文  参考訳（メタデータ） (2021-05-19T01:58:10Z)
• Autonomous Charging of Electric Vehicle Fleets to Enhance Renewable Generation Dispatchability [1.6251898162696201]
  カリフォルニア州の発電能力の合計19%はPVユニットによって提供され、数ヶ月で、このエネルギーの10%以上が削減されます。 本研究では、電気自動車の充電調整による再生可能エネルギーの低減とシステムの柔軟性向上に向けた新しいアプローチを示す。
  論文  参考訳（メタデータ） (2020-12-22T18:56:24Z)

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。