論文の概要: Dynamic Incentive Allocation for City-scale Deep Decarbonization
- arxiv url: http://arxiv.org/abs/2502.08877v1
- Date: Thu, 13 Feb 2025 01:25:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-14 13:49:29.569553
- Title: Dynamic Incentive Allocation for City-scale Deep Decarbonization
- Title（参考訳）: 都市規模深部脱炭のための動的インセンティブアロケーション
- Authors: Anupama Sitaraman, Adam Lechowicz, Noman Bashir, Xutong Liu, Mohammad Hajiesmaili, Prashant Shenoy,
- Abstract要約: 政府や公共事業は、屋上PVやヒートポンプといった脱炭技術の採用を促進するインセンティブを設計している。
本稿では, 炭素化に関する総合的, エミッションベース, 都市規模の視点を取り入れた, 新たなデータ駆動型アプローチを提案する。
我々の枠組みは、最適解の炭素削減の78.84%を達成し、社会経済グループ全体のインセンティブを公平に配分するために、株式に配慮した制約に適合できることを示す。
- 参考スコア（独自算出の注目度）: 4.146808838321321
- License:
- Abstract: Greenhouse gas emissions from the residential sector represent a significant fraction of global emissions. Governments and utilities have designed incentives to stimulate the adoption of decarbonization technologies such as rooftop PV and heat pumps. However, studies have shown that many of these incentives are inefficient since a substantial fraction of spending does not actually promote adoption, and incentives are not equitably distributed across socioeconomic groups. We present a novel data-driven approach that adopts a holistic, emissions-based and city-scale perspective on decarbonization. We propose an optimization model that dynamically allocates a total incentive budget to households to directly maximize city-wide carbon reduction. We leverage techniques for the multi-armed bandits problem to estimate human factors, such as a household's willingness to adopt new technologies given a certain incentive. We apply our proposed framework to a city in the Northeast U.S., using real household energy data, grid carbon intensity data, and future price scenarios. We show that our learning-based technique significantly outperforms an example status quo incentive scheme, achieving up to 32.23% higher carbon reductions. We show that our framework can accommodate equity-aware constraints to equitably allocate incentives across socioeconomic groups, achieving 78.84% of the carbon reductions of the optimal solution on average.
- Abstract（参考訳）: 住宅セクターから排出される温室効果ガスは、世界の排出量のかなりの部分を占めている。
政府や公共事業は、屋上PVやヒートポンプといった脱炭技術の採用を促進するインセンティブを設計している。
しかし、研究によると、これらのインセンティブの多くは、かなりの支出が実際に採用を促進するものではないため非効率であり、インセンティブは社会経済グループに均等に分散していない。
本稿では, 炭素化に関する総合的, エミッションベース, 都市規模の視点を取り入れた, 新たなデータ駆動型アプローチを提案する。
本研究では,都市全体の炭素削減を直接的に最大化するために,世帯に全インセンティブ予算を動的に割り当てる最適化モデルを提案する。
我々は、多武装の盗賊問題のテクニックを活用して、特定のインセンティブを与えられた新しい技術を採用する世帯の意思など、人間の要因を推定する。
提案手法を米国北東部の都市に適用し,実家計エネルギーデータ,グリッドカーボン強度データ,今後の価格シナリオについて検討する。
学習に基づく手法は, 最大で32.23%の炭素削減を実現し, 現状クオインセンティブを著しく上回ることを示す。
この枠組みは, 社会経済グループ全体のインセンティブを均等に配分する上で, 最適解の炭素削減率の78.84%を達成できることを示す。
関連論文リスト
- Carbon Market Simulation with Adaptive Mechanism Design [55.25103894620696]
炭素市場(英: carbon market)は、個人の利益をグローバルユーティリティーと整合させる経済エージェントをインセンティブとする、市場ベースのツールである。
階層型モデルフリーマルチエージェント強化学習(MARL)を用いて市場をシミュレートする適応機構設計フレームワークを提案する。
MARLは、政府エージェントが生産性、平等、二酸化炭素排出のバランスをとることができることを示している。
論文 参考訳（メタデータ） (2024-06-12T05:08:51Z) - Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている
本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。
本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
論文 参考訳（メタデータ） (2024-04-28T05:46:28Z) - Equitable Network-Aware Decarbonization of Residential Heating at City
Scale [0.9099663022952497]
都市規模で住宅暖房を脱炭酸するためのネットワーク対応最適化フレームワークを提案する。
我々は、実世界のガス使用量、電気使用量、グリッドインフラデータを用いて、米国のニューイングランドの都市に我々の枠組みを適用する。
論文 参考訳（メタデータ） (2023-01-11T22:55:30Z) - Measuring the Carbon Intensity of AI in Cloud Instances [91.28501520271972]
我々は,ソフトウェアの炭素強度を測定するための枠組みを提供し,運転中の炭素排出量を測定することを提案する。
私たちは、Microsoft Azureクラウドコンピューティングプラットフォームにおける排出削減のための一連のアプローチを評価します。
論文 参考訳（メタデータ） (2022-06-10T17:04:04Z) - (Private)-Retroactive Carbon Pricing [(P)ReCaP]: A Market-based Approach
for Climate Finance and Risk Assessment [64.83786252406105]
Retrospective Social Cost of Carbon Updating (ReSCCU) は、実験的に測定された証拠を収集して制限を補正する新しいメカニズムである。
炭素税の文脈でReSCCUを実装するために,Retroactive Carbon Pricing (ReCaP)を提案する。
組織的リスクを緩和し、政府の関与を最小限に抑えるため、我々はPrivate ReCaP(Private ReCaP)予測市場を導入する。
論文 参考訳（メタデータ） (2022-05-02T06:02:13Z) - IMPACT: Integrated Bottom-Up Greenhouse Gas Emission Pathways for Cities [0.0]
IMPACT経路は、技術導入ポリシーとゾーン政策、気候変動、グリッド脱炭シナリオを統合する。
スプロールの排出プレミアムを特定し、時間とともにリバウンドする排出を示す有害な政策の組み合わせが存在することを示す。
論文 参考訳（メタデータ） (2022-01-31T02:30:39Z) - Modelling the transition to a low-carbon energy supply [91.3755431537592]
気候変動の影響を制限するため、低炭素電力供給への移行が不可欠である。
二酸化炭素排出量の削減は、世界がピーク点に達するのを防ぐのに役立ちます。
排気ガスの排出は、世界中の気象条件の極端に繋がる可能性がある。
論文 参考訳（メタデータ） (2021-09-25T12:37:05Z) - Optimizing carbon tax for decentralized electricity markets using an
agent-based model [69.3939291118954]
人為的気候変動の影響を避けるためには、化石燃料から低炭素技術への移行が必要である。
炭素税は、この移行を支援する効率的な方法であることが示されている。
NSGA-IIの遺伝的アルゴリズムを用いて、電力混合の平均電気価格と相対炭素強度を最小化する。
論文 参考訳（メタデータ） (2020-05-28T06:54:43Z)
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。