論文の概要: Equitable Time-Varying Pricing Tariff Design: A Joint Learning and Optimization Approach

• arxiv url: http://arxiv.org/abs/2307.15088v1
• Date: Wed, 26 Jul 2023 20:14:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-31 14:51:39.510296
• Title: Equitable Time-Varying Pricing Tariff Design: A Joint Learning and Optimization Approach
• Title（参考訳）: 公平な時間変動価格関税設計--共同学習と最適化アプローチ
• Authors: Liudong Chen and Bolun Xu
• Abstract要約: 時変価格の関税は、消費者に電力需要のシフトとコスト削減を動機付けるが、応答能力に制限のある消費者のエネルギー負担を増大させる可能性がある。 本稿では,適切な時間変動関税を設計するための共同学習に基づく識別と最適化手法を提案する。
• 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: Time-varying pricing tariffs incentivize consumers to shift their electricity demand and reduce costs, but may increase the energy burden for consumers with limited response capability. The utility must thus balance affordability and response incentives when designing these tariffs by considering consumers' response expectations. This paper proposes a joint learning-based identification and optimization method to design equitable time-varying tariffs. Our proposed method encodes historical prices and demand response data into a recurrent neural network (RNN) to capture high-dimensional and non-linear consumer price response behaviors. We then embed the RNN into the tariff design optimization, formulating a non-linear optimization problem with a quadratic objective. We propose a gradient-based solution method that achieves fast and scalable computation. Simulation using real-world consumer data shows that our equitable tariffs protect low-income consumers from price surges while effectively motivating consumers to reduce peak demand. The method also ensures revenue recovery for the utility company and achieves robust performance against demand response uncertainties and prediction errors.
• Abstract（参考訳）: 時間変動価格関税は、消費者に電力需要のシフトとコストの削減を奨励するが、応答能力の制限された消費者のエネルギー負担を増加させる可能性がある。 したがって、消費者の反応期待を考慮し、これらの関税を設計する際には、有用性と応答インセンティブのバランスをとらなければならない。 本稿では,適切な時間変動関税を設計するための共同学習に基づく識別と最適化手法を提案する。 提案手法は,歴史価格と需要応答データをリカレントニューラルネットワーク(RNN)に符号化し,高次元および非線形の消費者価格応答挙動を捉える。 次に、RNNを関税設計最適化に組み込み、非線形最適化問題を2次目的に定式化する。 本稿では,高速かつスケーラブルな計算を実現する勾配に基づく解法を提案する。 実世界の消費者データを用いたシミュレーションは、我々の平等関税が低所得消費者を価格上昇から保護し、消費者にピーク需要を減らす動機付けを与えていることを示している。 また、ユーティリティ企業の収益回復を確実にし、需要応答の不確実性や予測エラーに対して堅牢な性能を達成する。

関連論文リスト

• Leveraging Microservices Architecture for Dynamic Pricing in the Travel Industry: Algorithms, Scalability, and Impact on Revenue and Customer Satisfaction [1.03590082373586]
  本研究では,旅行分野を対象としたリアルタイム動的価格体系の実装について検討する。 このシステムは、需要、競合価格、その他の外部状況などの要因をリアルタイムに解決するように設計されている。 コントロールされたシミュレーションと実生活のアプリケーションの両方で、収益生成が22%、価格応答時間が17%改善した。
  論文  参考訳（メタデータ） (2024-11-03T17:24:02Z)
• Switchable Decision: Dynamic Neural Generation Networks [98.61113699324429]
  本稿では,各データインスタンスのリソースを動的に割り当てることで,推論を高速化するスイッチブルな決定を提案する。 提案手法は, 同一の精度を維持しながら, 推論時のコスト低減に有効である。
  論文  参考訳（メタデータ） (2024-05-07T17:44:54Z)
• Learning and Optimization for Price-based Demand Response of Electric Vehicle Charging [0.9124662097191375]
  PBDRモデリングのための新しい意思決定型エンドツーエンドフレームワークを提案する。 EV客のPBDRパターンを用いた充電ステーション運転シミュレーションにおける本手法の有効性を評価する。
  論文  参考訳（メタデータ） (2024-04-16T06:39:30Z)
• Incentivising Demand Side Response through Discount Scheduling using Hybrid Quantum Optimization [3.6021182997326022]
  デマンドサイド・レスポンス(Demand Side Response, DSR)は、消費者が電気需要の管理に積極的に参加できるようにする戦略である。 本稿では,D-Wave の Leap Hybrid Cloud ランタイムを用いたハイブリッド量子コンピューティング手法を提案する。 古典的分解法は, 最大3200人の消費者が抱える問題に対して, 最高の総合的再検診品質が得られることを観察する。
  論文  参考訳（メタデータ） (2023-09-11T14:44:12Z)
• Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
  消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。 我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。 提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
  論文  参考訳（メタデータ） (2023-03-28T00:23:23Z)
• Smoothed Online Convex Optimization Based on Discounted-Normal-Predictor [68.17855675511602]
  円滑なオンライン凸最適化(SOCO)のためのオンライン予測戦略について検討する。 提案アルゴリズムは,各区間の切替コストで適応的後悔を最小限に抑えることができることを示す。
  論文  参考訳（メタデータ） (2022-05-02T08:48:22Z)
• Approaching sales forecasting using recurrent neural networks and transformers [57.43518732385863]
  深層学習技術を用いて,日・店・店レベルでの顧客販売予測問題に対処する3つの方法を開発した。 実験結果から,データ前処理を最小限に抑えた単純なシーケンスアーキテクチャを用いて,優れた性能を実現することができることを示す。 提案した解は約0.54の RMSLE を達成し、Kaggle コンペティションで提案された問題に対する他のより具体的な解と競合する。
  論文  参考訳（メタデータ） (2022-04-16T12:03:52Z)
• Electricity Consumption Forecasting for Out-of-distribution Time-of-Use Tariffs [14.524613608854242]
  電気市場では、小売業者やブローカーは、消費者に関税プロファイルを割り当てることで利益を最大化したいと考えている。 我々は、最適な関税プロファイル割り当てによってブローカー全体の利益を最大化する、欲張りのソリューションを検討する。 このインターンでは、すべての関税プロファイルに対して、各ユーザの電力消費量を予測する必要がある。
  論文  参考訳（メタデータ） (2022-02-11T09:13:55Z)
• Data-Driven Online Interactive Bidding Strategy for Demand Response [0.30586855806896046]
  需要応答(DR)は、ピークシェービングのサービスを提供し、短い応答期間と低コストで再生可能エネルギー利用の効率を高める。 自動DR、インセンティブDR、緊急DR、需要入札など、さまざまなカテゴリーのDRが確立されている。 本稿では,スマートメーターデータと関数を併用した入札・購買戦略について検討する。 その結果, 多様な状況に直面した場合, 提案モデルでは, 入札ルールをオフラインで学習し, 適切な入札を行うことにより, 最適利益を得ることができることがわかった。
  論文  参考訳（メタデータ） (2022-02-09T02:44:20Z)
• Low-Cost Algorithmic Recourse for Users With Uncertain Cost Functions [74.00030431081751]
  本稿では,ユーザ固有のコスト関数の概念を定式化し,ユーザのための行動可能なリコースを識別する新しい手法を提案する。 本手法は,強いベースライン法に比べて最大25.89パーセントのユーザを満足させる。
  論文  参考訳（メタデータ） (2021-11-01T19:49:35Z)
• Cost-Efficient Online Hyperparameter Optimization [94.60924644778558]
  実験の単一実行でヒトのエキスパートレベルのパフォーマンスに達するオンラインHPOアルゴリズムを提案します。 提案するオンラインhpoアルゴリズムは,実験の1回で人間のエキスパートレベルのパフォーマンスに到達できるが,通常のトレーニングに比べて計算オーバーヘッドは少ない。
  論文  参考訳（メタデータ） (2021-01-17T04:55:30Z)

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。