論文の概要: Integrated Optimization and Game Theory Framework for Fair Cost Allocation in Community Microgrids

• arxiv url: http://arxiv.org/abs/2502.08953v1
• Date: Thu, 13 Feb 2025 04:28:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-14 13:47:14.637605
• Title: Integrated Optimization and Game Theory Framework for Fair Cost Allocation in Community Microgrids
• Title（参考訳）: コミュニティマイクログリッドの公平なコスト配分のための統合最適化とゲーム理論フレームワーク
• Authors: K. Victor Sam Moses Babu, Pratyush Chakraborty, Mayukha Pal,
• Abstract要約: 本稿では,多目的最適化と協調ゲーム理論を統合した新しいフレームワークを提案する。 その結果、需要のピークは7.8%から62.6%まで減少し、太陽利用率は114.8%に達した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Fair cost allocation in community microgrids remains a significant challenge due to the complex interactions between multiple participants with varying load profiles, distributed energy resources, and storage systems. Traditional cost allocation methods often fail to adequately address the dynamic nature of participant contributions and benefits, leading to inequitable distribution of costs and reduced participant satisfaction. This paper presents a novel framework integrating multi-objective optimization with cooperative game theory for fair and efficient microgrid operation and cost allocation. The proposed approach combines mixed-integer linear programming for optimal resource dispatch with Shapley value analysis for equitable benefit distribution, ensuring both system efficiency and participant satisfaction. The framework was validated using real-world data across six distinct operational scenarios, demonstrating significant improvements in both technical and economic performance. Results show peak demand reductions ranging from 7.8% to 62.6%, solar utilization rates reaching 114.8% through effective storage integration, and cooperative gains of up to $1,801.01 per day. The Shapley value-based allocation achieved balanced benefit-cost distributions, with net positions ranging from -16.0% to +14.2% across different load categories, ensuring sustainable participant cooperation.
• Abstract（参考訳）: 様々な負荷プロファイル、分散エネルギー資源、ストレージシステムを持つ複数の参加者間の複雑な相互作用のため、コミュニティマイクログリッドの公平なコスト配分は依然として大きな課題である。 伝統的なコスト割当手法は、しばしば参加者の貢献と利益の動的な性質に適切に対処することができず、コストの公平な分配と参加者の満足度低下につながる。 本稿では,多目的最適化と協調ゲーム理論を統合した新しいフレームワークを提案する。 提案手法は,最適資源ディスパッチのための混合整数線形計画法と等価利益分布のためのShapley値解析を組み合わせ,システム効率と満足度を両立させる。 このフレームワークは6つの異なる運用シナリオにまたがる実世界のデータを使用して検証され、技術的および経済的パフォーマンスに大きな改善が示された。 その結果、需要のピークは7.8%から62.6%まで減少し、太陽利用率は114.8%に達した。 シェープリーの価値に基づく配分は、様々な負荷カテゴリーで-16.0%から+14.2%の範囲でバランスの取れた利益コストの分配を実現し、持続可能な協力を確保した。

関連論文リスト

• Demand Response Optimization MILP Framework for Microgrids with DERs [0.0]
  本稿では,太陽光発電システムと蓄電池システムを備えたマイクログリッドにおける需要応答を最適化するための枠組みを提案する。 このフレームワークには、負荷分類、動的価格閾値設定、最適DRイベントスケジューリングのための多周期調整が含まれている。
  論文  参考訳（メタデータ） (2025-02-12T20:10:51Z)
• Comparative Analysis of Multi-Agent Reinforcement Learning Policies for Crop Planning Decision Support [0.873811641236639]
  インドでは、農夫の大多数が小規模または極端に分類されており、市場飽和や気候のリスクによる経済的な損失に特に影響を受けやすい。 既存の意思決定支援システム(DSS)は、しばしば、リアルタイム市場ダイナミクスと複数の農家間の相互作用を考慮していない一般的なレコメンデーションを提供する。 本稿では,3つのマルチエージェント強化学習(MARL)アプローチの有効性を評価する。
  論文  参考訳（メタデータ） (2024-12-03T00:30:19Z)
• Fair Allocation in Dynamic Mechanism Design [57.66441610380448]
  競売業者が各ラウンドの買い手グループに、合計で$T$で分けない商品を販売している問題を考える。 競売人は、各グループの最低平均配分を保証する公正な制約に固執しつつ、割引された全体の収益を最大化することを目的としている。
  論文  参考訳（メタデータ） (2024-05-31T19:26:05Z)
• Cost-Sensitive Multi-Fidelity Bayesian Optimization with Transfer of Learning Curve Extrapolation [55.75188191403343]
  各ユーザが事前に定義した機能であるユーティリティを導入し,BOのコストと性能のトレードオフについて述べる。 このアルゴリズムをLCデータセット上で検証した結果,従来のマルチファイルBOや転送BOベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2024-05-28T07:38:39Z)
• Incentivized Truthful Communication for Federated Bandits [61.759855777522255]
  我々はTrath-FedBanという名前のインセンティブ互換通信プロトコルを提案する。 Truth-FedBanは、オーバーヘッドなしにサブ線形後悔と通信コストを保証します。
  論文  参考訳（メタデータ） (2024-02-07T00:23:20Z)
• Optimal Data Splitting in Distributed Optimization for Machine Learning [85.99744701008802]
  本研究は,サーバとローカルマシン間の分散データの最適比に着目し,通信コストとローカル計算のコストについて検討する。 ネットワークの実行時間は、一様分布と最適分布で比較される。 提案手法の優れた理論的性能を実験的に検証した。
  論文  参考訳（メタデータ） (2024-01-15T16:30:12Z)
• Pure Exploration in Asynchronous Federated Bandits [57.02106627533004]
  マルチアームバンディットとリニアバンディットのフェデレートされた純粋な探索問題について検討し、M$エージェントが中央サーバとの通信を通じて最適なアームを協調的に識別する方法について検討した。 信頼度を固定した純粋探索のための非同期マルチアームバンディットおよび線形バンディットアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-17T06:04:00Z)
• BARA: Efficient Incentive Mechanism with Online Reward Budget Allocation in Cross-Silo Federated Learning [25.596968764427043]
  Federated Learning(FL)は、データプライバシを保護可能な、予測可能な分散機械学習フレームワークである。 クロスサイロFLでは、データ所有者がFLトレーニングにモデルを貢献するためのインセンティブメカニズムが不可欠である。 本稿では,BARA というベイズ最適化を用いたオンライン報酬予算配分アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-05-09T07:36:01Z)
• A Data-driven Pricing Scheme for Optimal Routing through Artificial Currencies [1.3419982985275638]
  モビリティシステムは、利己的なユーザの制御不能な振る舞いのために、高価格のアナーキーに悩まされることが多い。 本稿では,繰り返しゲーム設定において,人工通貨料金を自動的に適用するためのデータ駆動方式を提案する。
  論文  参考訳（メタデータ） (2022-11-27T11:23:29Z)
• TSO-DSOs Stable Cost Allocation for the Joint Procurement of Flexibility: A Cooperative Game Approach [1.7188280334580195]
  トランスミッション・ディストリビューション・システム・フレキシビリティ・マーケットが導入された。 システムオペレータ(SO)は、それぞれのニーズを満たすために、異なるシステムからの柔軟性を共同で調達する。 この共通市場は、安定かつ効率的なコスト分割を特定することを目的とした協調ゲームとして定式化されている。
  論文  参考訳（メタデータ） (2021-11-24T22:54:37Z)
• Cost-Sensitive Portfolio Selection via Deep Reinforcement Learning [100.73223416589596]
  深層強化学習を用いたコスト依存型ポートフォリオ選択手法を提案する。 具体的には、価格系列パターンと資産相関の両方を抽出するために、新しい2ストリームポートフォリオポリシーネットワークを考案した。 蓄積したリターンを最大化し、強化学習によるコストの両立を抑えるため、新たなコスト感受性報酬関数が開発された。
  論文  参考訳（メタデータ） (2020-03-06T06:28:17Z)

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。