論文の概要: Decentralized Smart Charging of Large-Scale EVs using Adaptive Multi-Agent Multi-Armed Bandits

• arxiv url: http://arxiv.org/abs/2307.10704v1
• Date: Thu, 20 Jul 2023 08:53:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-21 13:47:38.793798
• Title: Decentralized Smart Charging of Large-Scale EVs using Adaptive Multi-Agent Multi-Armed Bandits
• Title（参考訳）: 適応型マルチエージェントマルチアーム付きバンディットを用いた大規模evの分散型スマート充電
• Authors: Sharyal Zafar (ENS Rennes, SATIE), Rapha\"el Feraud, Anne Blavette (ENS Rennes, SATIE), Guy Camilleri (UT3, IRIT), Hamid Ben (SATIE, ENS Rennes)
• Abstract要約: 適応型マルチエージェントシステムの哲学を用いて,完全分散型スマート充電システムを提案する。 提示されたシステムは分散化され、スケーラブルで、リアルタイムで、モデルフリーであり、さまざまなプレイヤーの間で公平さを考慮に入れている。
• 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: The drastic growth of electric vehicles and photovoltaics can introduce new challenges, such as electrical current congestion and voltage limit violations due to peak load demands. These issues can be mitigated by controlling the operation of electric vehicles i.e., smart charging. Centralized smart charging solutions have already been proposed in the literature. But such solutions may lack scalability and suffer from inherent drawbacks of centralization, such as a single point of failure, and data privacy concerns. Decentralization can help tackle these challenges. In this paper, a fully decentralized smart charging system is proposed using the philosophy of adaptive multi-agent systems. The proposed system utilizes multi-armed bandit learning to handle uncertainties in the system. The presented system is decentralized, scalable, real-time, model-free, and takes fairness among different players into account. A detailed case study is also presented for performance evaluation.
• Abstract（参考訳）: 電気自動車と太陽光発電の急激な成長は、ピーク負荷要求による電流混雑や電圧制限違反などの新しい課題をもたらす可能性がある。 これらの問題は、電気自動車、すなわちスマート充電の動作を制御することで軽減することができる。 集中型スマート充電ソリューションはすでに文献で提案されている。 しかし、このようなソリューションはスケーラビリティに欠ける可能性があり、単一障害点やデータプライバシの懸念など、中央集権化の固有の欠点に苦しむ。 分散化はこれらの課題に取り組むのに役立つ。 本稿では,適応型マルチエージェントシステムの哲学を用いて,完全分散型スマート充電システムを提案する。 提案システムでは,マルチアームバンディット学習を用いて不確実性を扱う。 提示されたシステムは分散化、スケーラブル、リアルタイム、モデルフリーであり、異なるプレイヤー間で公平性を考慮している。 また,性能評価のための詳細なケーススタディも提示した。

関連論文リスト

• Centralized vs. Decentralized Multi-Agent Reinforcement Learning for Enhanced Control of Electric Vehicle Charging Networks [1.9188272016043582]
  本稿では,MARL(Multi-Agent Reinforcement Learning)フレームワークを用いた分散・協調型充電戦略の新たなアプローチを提案する。 本手法は, 住宅街におけるEV群を対象としたDDPGアルゴリズムに基づいて構築した。 以上の結果から, CTDE-DDPGフレームワークは, 政策のばらつきや訓練の複雑さが高いにもかかわらず, 総変動率を約36パーセント, 充電コストを平均9.1程度削減することにより, 充電効率を著しく向上させることが示唆された。
  論文  参考訳（メタデータ） (2024-04-18T21:50:03Z)
• EV-EcoSim: A grid-aware co-simulation platform for the design and optimization of electric vehicle charging infrastructure [1.3271805797333298]
  EV-EcoSimは電気自動車の充電、バッテリーシステム、ソーラー太陽光発電システム、グリッドトランスフォーマー、制御戦略、配電システムを組み合わせたシミュレーションプラットフォームである。 このピソンベースのプラットフォームは、リアルタイム操作のための後退地平線制御スキームと、計画問題のためのワンショット制御スキームを実行することができる。 本研究では,電気自動車充電施設の計画において,電池の完全性は決定を完全に変えることができることを示す。
  論文  参考訳（メタデータ） (2024-01-09T18:08:34Z)
• Charge Manipulation Attacks Against Smart Electric Vehicle Charging Stations and Deep Learning-based Detection Mechanisms [49.37592437398933]
  電気自動車充電ステーション(EVCS)は、グリーントランスポートの実現に向けた重要なステップとなる。 我々は、攻撃者がスマート充電操作中に交換された情報を操作しているEV充電に対する充電操作攻撃(CMA)を調査した。 本稿では,EV充電に関わるパラメータを監視してCMAを検出する,教師なしのディープラーニングに基づくメカニズムを提案する。
  論文  参考訳（メタデータ） (2023-10-18T18:38:59Z)
• 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)
• 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)
• Active Distribution System Coordinated Control Method via Artificial Intelligence [0.0]
  通常の電圧と周波数で確実に確実に電力を供給するためには、システムを制御する必要がある。 自己認識機構を持つニューラルネットワークは,システムの最適化に役立つ可能性が示唆された。
  論文  参考訳（メタデータ） (2022-07-12T13:46:38Z)
• Learning to Operate an Electric Vehicle Charging Station Considering Vehicle-grid Integration [4.855689194518905]
  本稿では、充電ステーションの利益を最大化するために、新しい集中的アロケーションと分散実行(CADE)強化学習(RL)フレームワークを提案する。 集中配置プロセスでは、EVを待機スポットまたは充電スポットに割り当て、分散実行プロセスでは、各充電器は、共有再生メモリからアクション値関数を学習しながら、独自の充電/放電判定を行う。 数値計算により,提案したCADEフレームワークは計算効率が高く,拡張性も高く,ベースラインモデル予測制御(MPC)よりも優れていた。
  論文  参考訳（メタデータ） (2021-11-01T23:10:28Z)
• 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)
• Demand-Side Scheduling Based on Multi-Agent Deep Actor-Critic Learning for Smart Grids [56.35173057183362]
  家庭用家電をネットでスケジュールできるスマートメーターが各家庭に備わっている需要側エネルギー管理の問題点を考察する。 目標は、リアルタイムの料金体系の下で全体のコストを最小化することです。 マルコフゲームとしてスマートグリッド環境の定式化を提案する。
  論文  参考訳（メタデータ） (2020-05-05T07:32:40Z)
• Graph Neural Networks for Decentralized Controllers [171.6642679604005]
  自律エージェントで構成される動的システムは、ロボット工学、スマートグリッド、スマートシティなど、多くの関連する問題に現れる。 最適な集中型コントローラは容易に利用できるが、スケーラビリティと実用的な実装の面で制限に直面している。 グラフニューラルネットワーク(GNN)を用いて,データから分散制御系を学習するフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-23T13:51:18Z)
• Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
  マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。 ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
  論文  参考訳（メタデータ） (2020-02-21T02:14:38Z)

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。