論文の概要: Integrated Learning and Optimization for Congestion Management and Profit Maximization in Real-Time Electricity Market

• arxiv url: http://arxiv.org/abs/2412.18003v2
• Date: Mon, 06 Jan 2025 05:46:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-07 17:02:17.555114
• Title: Integrated Learning and Optimization for Congestion Management and Profit Maximization in Real-Time Electricity Market
• Title（参考訳）: リアルタイム電力市場における混雑管理と利益最大化のための総合学習と最適化
• Authors: Imran Pervez, Ricardo Pinto Lima, Omar Knio,
• Abstract要約: 我々は,経済派遣(ED)と直流最適潮流(DCOPF)問題を解決するため,新たな統合学習・最適化手法を開発した。 提案手法は、負荷とPTDF予測を経済的な操作よりも正確に訓練する逐次学習と最適化(SLO)と比較する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We develop novel integrated learning and optimization (ILO) methodologies to solve economic dispatch (ED) and DC optimal power flow (DCOPF) problems for better economic operation. The optimization problem for ED is formulated with load being an unknown parameter while DCOPF consists of load and power transfer distribution factor (PTDF) matrix as unknown parameters. PTDF represents the incremental variations of real power on transmission lines which occur due to real power transfers between two regions. These values represent a linearized approximation of power flows over the transmission lines. We develop novel ILO formulations to solve post-hoc penalties in electricity market and line congestion problems using ED and DCOPF optimization formulations. Our proposed methodologies capture the real-time electricity market and line congestion behavior to train the regret function which eventually train unknown loads at different buses and line PTDF matrix to achieve the afore-mentioned post-hoc goals. The proposed methodology is compared to sequential learning and optimization (SLO) which train load and PTDF forecasts for accuracy rather than economic operation. Our experimentation prove the superiority of ILO in minimizing the post-hoc penalties in electricity markets and minimizing the line congestion thereby improving the economic operation with noticeable amount.
• Abstract（参考訳）: 我々は,経済活動を改善するために,経済派遣(ED)と直流最適潮流(DCOPF)問題を解決するための新たな統合学習・最適化手法を開発した。 DCOPFは未知のパラメータとして負荷分散係数(PTDF)行列からなるが、EDの最適化問題は未知のパラメータである負荷で定式化される。 PTDFは、2つの領域間の電力伝達によって生じる伝送線路における実電力の漸進的な変動を表す。 これらの値は送電線上の電力の流れの線形近似を表す。 電気市場におけるポストホックなペナルティと,EDおよびDCOPF最適化を用いたライン混雑問題の解決を目的とした新しいILO定式化を開発した。 提案手法は, リアルタイム電気市場と線路混雑挙動を捉えて, 最終的に異なるバスやPTDFマトリクスで未知の負荷を訓練し, 先述のポストホック目標を達成する。 提案手法は、負荷とPTDF予測を経済的な操作よりも正確に訓練する逐次学習と最適化(SLO)と比較する。 我々の実験は、電気市場におけるポストホック罰の最小化とライン混雑の最小化においてILOの優位性を証明し、目立った量で経済活動を改善した。

関連論文リスト

• Optimizing Diffusion Models for Joint Trajectory Prediction and Controllable Generation [49.49868273653921]
  拡散モデルは、自律運転における共同軌道予測と制御可能な生成を約束する。 最適ガウス拡散(OGD)と推定クリーンマニフォールド(ECM)誘導を導入する。 提案手法は生成過程の合理化を図り,計算オーバーヘッドを低減した実用的な応用を実現する。
  論文  参考訳（メタデータ） (2024-08-01T17:59:59Z)
• Federated Learning of Large Language Models with Parameter-Efficient Prompt Tuning and Adaptive Optimization [71.87335804334616]
  フェデレートラーニング(FL)は、分散データとの協調モデルトレーニングを可能にする、有望なパラダイムである。 LLM(Large Language Models)のトレーニングプロセスは一般的に重要なパラメータの更新を引き起こす。 本稿では,性能と効率を同時に向上する効率的な部分的プロンプトチューニング手法を提案する。
  論文  参考訳（メタデータ） (2023-10-23T16:37:59Z)
• Multiagent Reinforcement Learning with an Attention Mechanism for Improving Energy Efficiency in LoRa Networks [52.96907334080273]
  ネットワーク規模が大きくなるにつれて、パケット衝突によるLoRaネットワークのエネルギー効率は急激に低下する。 マルチエージェント強化学習(MALoRa)に基づく伝送パラメータ割り当てアルゴリズムを提案する。 シミュレーションの結果,MALoRaはベースラインアルゴリズムと比較してシステムEEを著しく改善することがわかった。
  論文  参考訳（メタデータ） (2023-09-16T11:37:23Z)
• Fair and Efficient Distributed Edge Learning with Hybrid Multipath TCP [62.81300791178381]
  無線による分散エッジ学習のボトルネックは、コンピューティングから通信へと移行した。 DEL用の既存のTCPベースのデータネットワークスキームは、アプリケーションに依存しず、アプリケーション層要求に応じて調整を施さない。 DELのためのモデルベースと深部強化学習(DRL)に基づくMP TCPを組み合わせたハイブリッドマルチパスTCP(MP TCP)を開発した。
  論文  参考訳（メタデータ） (2022-11-03T09:08:30Z)
• A Deep Reinforcement Learning-Based Charging Scheduling Approach with Augmented Lagrangian for Electric Vehicle [2.686271754751717]
  本稿では,EV充電スケジューリング問題を制約付きマルコフ決定過程(CMDP)として定式化する。 本稿では, CMDP を解くために, 安全な非政治強化学習(RL)手法を提案する。 実世界の電力価格を用いた総合的な数値実験により,提案アルゴリズムは高解最適性と制約コンプライアンスを実現することができることを示した。
  論文  参考訳（メタデータ） (2022-09-20T14:56:51Z)
• 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)
• Multi-parametric Analysis for Mixed Integer Linear Programming: An Application to Transmission Planning and Congestion Control [9.981355007576715]
  既存の送電線を拡大することは、送電渋滞に対処し、需要の増加とともに送電セキュリティを確保するのに有用なツールである。 本研究は,キャパシティを拡張すべきラインの選択と,システムコストを最小化するための独立系演算子(ISO)の観点から,その選択について検討する。 我々はISO単位のコミットメントと経済的なディスパッチモデルを開発し、混合整数線形プログラミング(MILP)問題に対する右側の不確実性多重パラメトリック解析として示す。
  論文  参考訳（メタデータ） (2022-07-19T15:27:10Z)
• Machine Learning for Electricity Market Clearing [1.3824488054100905]
  本稿では,最適電力フロー(OPF)最適化の機械学習双対を設計する。 電力市場における市場浄化の手順で用いられる。
  論文  参考訳（メタデータ） (2022-05-23T21:33:59Z)
• Learning Optimization Proxies for Large-Scale Security-Constrained Economic Dispatch [11.475805963049808]
  SCED(Security-Constrained Economic Dispatch)は、送信システムオペレーター(TSO)の基本最適化モデルである 本稿では,SCEDの最適解をミリ秒で予測できる機械学習(ML)モデルとして,SCEDの最適化プロキシを学習することを提案する。 数値実験は、フランスの送信システム上で報告され、リアルタイム操作と互換性のある時間枠内で、その手法が生成できることを実証する。
  論文  参考訳（メタデータ） (2021-12-27T00:44:06Z)
• Efficient Representation for Electric Vehicle Charging Station Operations using Reinforcement Learning [5.815007821143811]
  我々は、EV充電の緊急時、すなわち遅延値に基づくアグリゲーションスキームを開発する。 EVCSの総充電パワーのみを考慮するために、最低遅延第一規則(LLF)が採用されている。 また,同じ最適政策を達成するための等価な状態アグリゲーションを提案する。
  論文  参考訳（メタデータ） (2021-08-07T00:34:48Z)
• High-Fidelity Machine Learning Approximations of Large-Scale Optimal Power Flow [49.2540510330407]
  AC-OPFは、多くの電力システムアプリケーションにおいて重要なビルディングブロックである。 本稿では, 再生可能エネルギーの普及にともなって, AC-OPFの効率的な近似を実現するための深層学習について検討する。
  論文  参考訳（メタデータ） (2020-06-29T20:22:16Z)

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。