論文の概要: MERLIN: Multi-agent offline and transfer learning for occupant-centric energy flexible operation of grid-interactive communities using smart meter data and CityLearn

• arxiv url: http://arxiv.org/abs/2301.01148v1
• Date: Sat, 31 Dec 2022 21:37:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-04 14:23:17.927478
• Title: MERLIN: Multi-agent offline and transfer learning for occupant-centric energy flexible operation of grid-interactive communities using smart meter data and CityLearn
• Title（参考訳）: merlin:smartmeterデータとcitylearnを用いたグリッド対話型コミュニティの占有者中心エネルギーフレキシブル運用のためのマルチエージェントオフライン・転送学習
• Authors: Kingsley Nweye and Siva Sankaranarayanan and Zoltan Nagy
• Abstract要約: ビルの脱炭は, 送電網の信頼性に新たな課題をもたらす。 我々は,MERLINフレームワークを提案し,CityLearnの現実的なグリッド・インタラクティブな住宅コミュニティのデジタルツインを利用する。 電池の独立型RL制御器は、個々の建物に対するポリシーを調整することによって、基準よりも建物や地区レベルが向上することを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The decarbonization of buildings presents new challenges for the reliability of the electrical grid as a result of the intermittency of renewable energy sources and increase in grid load brought about by end-use electrification. To restore reliability, grid-interactive efficient buildings can provide flexibility services to the grid through demand response. Residential demand response programs are hindered by the need for manual intervention by customers. To maximize the energy flexibility potential of residential buildings, an advanced control architecture is needed. Reinforcement learning is well-suited for the control of flexible resources as it is able to adapt to unique building characteristics compared to expert systems. Yet, factors hindering the adoption of RL in real-world applications include its large data requirements for training, control security and generalizability. Here we address these challenges by proposing the MERLIN framework and using a digital twin of a real-world 17-building grid-interactive residential community in CityLearn. We show that 1) independent RL-controllers for batteries improve building and district level KPIs compared to a reference RBC by tailoring their policies to individual buildings, 2) despite unique occupant behaviours, transferring the RL policy of any one of the buildings to other buildings provides comparable performance while reducing the cost of training, 3) training RL-controllers on limited temporal data that does not capture full seasonality in occupant behaviour has little effect on performance. Although, the zero-net-energy (ZNE) condition of the buildings could be maintained or worsened as a result of controlled batteries, KPIs that are typically improved by ZNE condition (electricity price and carbon emissions) are further improved when the batteries are managed by an advanced controller.
• Abstract（参考訳）: 建物の脱炭素化は、再生可能エネルギー源の断続性とエンドユース電化による電力負荷の増加の結果、電力網の信頼性に新たな課題をもたらす。 信頼性を回復するため、グリッドインタラクティブな効率的なビルは需要応答を通じてグリッドに柔軟なサービスを提供することができる。 住宅需要対応プログラムは、顧客の手動介入の必要性によって妨げられている。 住宅のエネルギー柔軟性を最大化するためには,高度な制御構造が必要である。 強化学習は、エキスパートシステムと比較してユニークな建築特性に適応できるため、柔軟な資源の制御に適している。 しかし、現実世界のアプリケーションでrlを採用するのを妨げる要因には、トレーニング、制御セキュリティ、一般化性に対する大きなデータ要件が含まれる。 ここでは,merlinフレームワークの提案と,実世界の17-building grid-interactive residential communityのデジタルツインを用いて,これらの課題に対処する。 私たちはそれを示します 1) 独立した電池用RL制御器は, 個別の建物にポリシーを合わせることにより, RBCと比較して, ビルや地区レベルのKPIを改善している。 2) 独特な占有行動にもかかわらず, いずれか一方の建物から他の建物へのRL政策の移転は, 訓練コストを低減しつつ, 同等のパフォーマンスを提供する。 3) 利用者行動の季節性を完全に把握しない限られた時間データに基づくRL制御器の訓練は,性能にはほとんど影響しない。 制御された電池によって建物のゼロネットエネルギー(zne)状態は維持または悪化するが、zne条件(電力価格と二酸化炭素排出量)によって通常改善されるkpiは、高度な制御装置によって管理されるとさらに改善される。

関連論文リスト

• CityLearn v2: Energy-flexible, resilient, occupant-centric, and carbon-aware management of grid-interactive communities [8.658740257657564]
  CityLearnは、単純で高度な分散エネルギー資源制御アルゴリズムをベンチマークするための環境を提供する。 本研究は、v2環境設計を詳述し、蓄電池システムの充電/放電サイクル、車両間制御、ヒートポンプ電力変調時の熱快適性を管理するための強化学習を利用した応用例を提供する。
  論文  参考訳（メタデータ） (2024-05-02T16:31:09Z)
• Explainable Reinforcement Learning-based Home Energy Management Systems using Differentiable Decision Trees [4.573008040057806]
  住宅セクターは、太陽光発電、家庭用バッテリー、EVの採用の増加により、柔軟性を損なう主要かつ未解決の源となっている。 微分可能な決定木を用いた強化学習に基づくアプローチを提案する。 このアプローチは、データ駆動強化学習のスケーラビリティと(微分可能)決定木の説明可能性を統合する。 概念実証として,家庭内エネルギー管理問題を用いて提案手法を解析し,その性能を市販のルールベースベースラインと標準ニューラルネットワークベースRLコントローラと比較した。
  論文  参考訳（メタデータ） (2024-03-18T16:40:41Z)
• Global Transformer Architecture for Indoor Room Temperature Forecasting [49.32130498861987]
  本研究は,多室ビルにおける室内温度予測のためのグローバルトランスフォーマーアーキテクチャを提案する。 エネルギー消費を最適化し、HVACシステムに関連する温室効果ガス排出を削減することを目的としている。 本研究は,マルチルームビルにおける室内温度予測にトランスフォーマーアーキテクチャを適用した最初の事例である。
  論文  参考訳（メタデータ） (2023-10-31T14:09:32Z)
• Real-World Implementation of Reinforcement Learning Based Energy Coordination for a Cluster of Households [3.901860248668672]
  本研究では, 住宅8棟の電力消費調整における強化学習(RL)の有効性について検討した。 以上の結果から,データ駆動方式で学習したRLに基づくランキングの有効性が示された。
  論文  参考訳（メタデータ） (2023-10-29T21:10:38Z)
• Hybrid Reinforcement Learning for Optimizing Pump Sustainability in Real-World Water Distribution Networks [55.591662978280894]
  本稿では,実世界の配水ネットワーク(WDN)のリアルタイム制御を強化するために,ポンプスケジューリング最適化問題に対処する。 我々の主な目的は、エネルギー消費と運用コストを削減しつつ、物理的な運用上の制約を遵守することである。 進化に基づくアルゴリズムや遺伝的アルゴリズムのような伝統的な最適化手法は、収束保証の欠如によってしばしば不足する。
  論文  参考訳（メタデータ） (2023-10-13T21:26:16Z)
• Distributed Energy Management and Demand Response in Smart Grids: A Multi-Agent Deep Reinforcement Learning Framework [53.97223237572147]
  本稿では、自律制御と再生可能エネルギー資源のスマート電力グリッドシステムへの統合のための多エージェント深層強化学習(DRL)フレームワークを提案する。 特に,提案フレームワークは,住宅利用者に対する需要応答 (DR) と分散エネルギー管理 (DEM) を共同で検討している。
  論文  参考訳（メタデータ） (2022-11-29T01:18:58Z)
• Low Emission Building Control with Zero-Shot Reinforcement Learning [70.70479436076238]
  強化学習(RL)による制御は、建築エネルギー効率を著しく向上させることが示されている。 我々は、ゼロショットビルディング制御と呼ばれるパラダイムを優先せずに、排出削減ポリシーを得られることを示す。
  論文  参考訳（メタデータ） (2022-08-12T17:13:25Z)
• Zero-Shot Building Control [0.0]
  強化学習(RL)による制御は、建築エネルギー効率を著しく向上させることが示されている。 既存のソリューションでは、世界中のすべての建物で入手するのに非常に高価なシミュレーターを事前訓練する必要がある。 システム識別とモデルベースRLのアイデアを組み合わせることで,建物を安全かつゼロショットで制御できることを示す。
  論文  参考訳（メタデータ） (2022-06-28T17:56:40Z)
• Investigating Underlying Drivers of Variability in Residential Energy Usage Patterns with Daily Load Shape Clustering of Smart Meter Data [53.51471969978107]
  スマートメータの大規模展開は、日々の負荷パターンの分散を探求する研究の動機となっている。 本稿では,電力消費パターンが変動性を示すメカニズムを明らかにすることを目的とした。
  論文  参考訳（メタデータ） (2021-02-16T16:56:27Z)
• NeurOpt: Neural network based optimization for building energy management and climate control [58.06411999767069]
  モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。 イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
  論文  参考訳（メタデータ） (2020-01-22T00:51:03Z)

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。