論文の概要: Extending the SAREF4ENER Ontology with Flexibility Based on FlexOffers
- arxiv url: http://arxiv.org/abs/2504.03595v1
- Date: Fri, 04 Apr 2025 17:02:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-07 14:48:31.690510
- Title: Extending the SAREF4ENER Ontology with Flexibility Based on FlexOffers
- Title（参考訳）: FlexOffersに基づいた柔軟性を備えたSAREF4ENERオントロジーの拡張
- Authors: Fabio Lilliu, Amir Laadhar, Christian Thomsen, Diego Reforgiato Recupero, Torben Bach Pedersen,
- Abstract要約: エネルギーシステムにおける再生可能エネルギーの増加を支える重要な要素は、柔軟性、すなわち時間と量におけるエネルギー負荷の変化の可能性である。
多くのフレキシビリティモデルが設計されているが、正確なモデルは長期間の水平線や多くのデバイスでスケールできない。
完全FlexOfferモデルを完全にサポートするSAREF for Energy Flexibility(SAREF4ENER)の拡張を提案する。
- 参考スコア（独自算出の注目度）: 7.639943229722706
- License:
- Abstract: A key element to support the increased amounts of renewable energy in the energy system is flexibility, i.e., the possibility of changing energy loads in time and amount. Many flexibility models have been designed; however, exact models fail to scale for long time horizons or many devices. Because of this, the FlexOffer (FOs) model has been designed, to provide device-independent approximations of flexibility with good accuracy, and much better scaling for long time horizons and many devices. An important aspect of the real-life implementation of energy flexibility is enabling flexible data exchange with many types of smart energy appliances and market systems, e.g., in smart buildings. For this, ontologies standardizing data formats are required. However, the current industry standard ontology for integrating smart devices for energy purposes, SAREF for Energy Flexibility (SAREF4ENER) only has limited support for flexibility and thus cannot support important use cases. In this paper we propose an extension of SAREF4ENER that integrates full support for the complete FlexOffer model, including advanced use cases, while maintaining backward compatibility. This novel ontology module can accurately describe flexibility for advanced devices such as electric vehicles, batteries, and heat pumps. It can also capture the inherent uncertainty associated with many flexible load types.
- Abstract（参考訳）: エネルギーシステムにおける再生可能エネルギーの増加を支える重要な要素は、柔軟性、すなわち時間と量におけるエネルギー負荷の変化の可能性である。
多くのフレキシビリティモデルが設計されているが、正確なモデルは長期間の水平線や多くのデバイスでスケールできない。
このため、FlexOffer(FOs)モデルは、デバイスに依存しないフレキシビリティの近似を高い精度で提供し、長期間の水平線や多くのデバイスに対してより優れたスケーリングを提供するように設計されている。
エネルギーフレキシビリティの現実的な実装の重要な側面は、スマートビルディングにおける多くのタイプのスマートエナジーアプライアンスやマーケットシステムとの柔軟なデータ交換を可能にすることである。
そのためには、データフォーマットを標準化するオントロジーが必要である。
しかしながら、スマートデバイスをエネルギー目的で統合するための現在の業界標準オントロジーであるSAREF for Energy Flexibility (SAREF4ENER)は、柔軟性の制限されたサポートしか持っておらず、重要なユースケースをサポートできない。
本稿では、後方互換性を維持しつつ、高度なユースケースを含む完全なFlexOfferモデルを完全にサポートするSAREF4ENERの拡張を提案する。
この新しいオントロジーモジュールは、電気自動車、バッテリー、ヒートポンプなどの先進機器の柔軟性を正確に記述することができる。
また、多くの柔軟な負荷タイプに関連する固有の不確実性を捉えることもできる。
関連論文リスト
- FlexQuant: Elastic Quantization Framework for Locally Hosted LLM on Edge Devices [3.950064543723201]
メモリの柔軟性は、メモリが共有され動的に変動する統一メモリを持つエッジデバイスにとって不可欠である。
我々は、量子化されたモデルの集合を生成する新しい弾力性フレームワークFlexQuantを提案する。
論文 参考訳（メタデータ） (2025-01-13T08:58:00Z) - TensorConvolutionPlus: A python package for distribution system flexibility area estimation [0.0]
本稿では,ユーザフレンドリなPythonベースのフレキシビリティ領域推定パッケージを提案する。
ConvolutionPlusパッケージは、システムオペレータとパワーシステム研究者によるより広範なフレキシビリティ推定アルゴリズムの適応を容易にする。
論文 参考訳（メタデータ） (2025-01-12T23:27:08Z) - Flextron: Many-in-One Flexible Large Language Model [85.93260172698398]
我々は,フレキシブルモデル展開をサポートするネットワークアーキテクチャとポストトレーニングモデル最適化フレームワークであるFlextronを紹介する。
本稿では,既存の学習用LDMをFlextronモデルに変換するための,サンプル効率のよいトレーニング手法と関連するルーティングアルゴリズムを提案する。
我々は、複数のエンドツーエンドトレーニングされた変種や他の最先端の弾性ネットワークよりも優れた性能を示し、これらは全て、オリジナルの事前訓練と比較してわずか7.63%のトークンを消費する単一の事前訓練ランで実現している。
論文 参考訳（メタデータ） (2024-06-11T01:16:10Z) - ElastoGen: 4D Generative Elastodynamics [59.20029207991106]
ElastoGenは知識駆動型AIモデルで、物理的に正確な4Dエラストダイナミックスを生成する。
ElastoGenは実際の物理的手順と整合しているため、幅広い超弾性材料の正確な力学を効率的に生成する。
論文 参考訳（メタデータ） (2024-05-23T21:09:36Z) - Quantifying and Predicting Residential Building Flexibility Using
Machine Learning Methods [1.3812010983144802]
より多くの分散型エネルギー資源が建物に設置されるにつれて、グリッドに柔軟性を提供する可能性が高まっている。
建物が提供する柔軟性を利用するには、アグリゲータやシステムオペレーターが柔軟性を定量化し予測する必要がある。
本稿ではまず,2つの相補的フレキシビリティ指標(電力とエネルギーの柔軟性)を提案し,次に主流の機械学習モデルについて検討する。
論文 参考訳（メタデータ） (2024-03-04T01:44:19Z) - Empowering Aggregators with Practical Data-Driven Tools: Harnessing Aggregated and Disaggregated Flexibility for Demand Response [37.69303106863453]
本研究は,要求応答(DR)プログラムを通じて,アグリゲータと建物利用者の柔軟性の活性化における相互作用について検討する。
限られたデータを持つ環境において、集約された柔軟性の提供戦略を最適化する手法を導入する。
論文 参考訳（メタデータ） (2024-01-19T14:43:04Z) - FlexTrain: A Dynamic Training Framework for Heterogeneous Devices
Environments [12.165263783903216]
FlexTrainは、トレーニングフェーズ中にさまざまなデバイスで利用可能な多様なストレージと計算リソースに対応するフレームワークである。
CIFAR-100データセットにおけるFlexTrainの有効性を示す。
論文 参考訳（メタデータ） (2023-10-31T13:51:13Z) - To Talk or to Work: Flexible Communication Compression for Energy
Efficient Federated Learning over Heterogeneous Mobile Edge Devices [78.38046945665538]
巨大なモバイルエッジデバイス上でのフェデレーション学習(FL)は、多数のインテリジェントなモバイルアプリケーションのための新たな地平を開く。
FLは、定期的なグローバル同期と継続的なローカルトレーニングにより、参加するデバイスに膨大な通信と計算負荷を課す。
フレキシブルな通信圧縮を可能にする収束保証FLアルゴリズムを開発。
論文 参考訳（メタデータ） (2020-12-22T02:54:18Z) - Learning Discrete Energy-based Models via Auxiliary-variable Local
Exploration [130.89746032163106]
離散構造データに対する条件付きおよび非条件付きEMMを学習するための新しいアルゴリズムであるALOEを提案する。
エネルギー関数とサンプリング器は、新しい変分型電力繰り返しにより効率よく訓練できることを示す。
本稿では、ソフトウェアテストのためのエネルギーモデルガイド付ファジィザについて、libfuzzerのようなよく設計されたファジィエンジンに匹敵する性能を実現する。
論文 参考訳（メタデータ） (2020-11-10T19:31:29Z) - DIETERpy: a Python framework for The Dispatch and Investment Evaluation
Tool with Endogenous Renewables [62.997667081978825]
DIETERはオープンソースの電力セクターモデルであり、可変再生可能エネルギー源の非常に高いシェアで将来の設定を分析するように設計されている。
システム全体のコストを最小化し、様々な世代の固定および可変コスト、柔軟性、セクター結合オプションを含む。
我々は、GAMS(General Algebraic Modeling System)で記述された既存のモデルバージョンの上に構築されたDIETERpyを紹介し、それをPythonフレームワークで強化する。
論文 参考訳（メタデータ） (2020-10-02T09:27:33Z) - Energy-Based Processes for Exchangeable Data [109.04978766553612]
エネルギーベースモデルを交換可能なデータに拡張するために、エネルギーベースプロセス(EBP)を導入する。
EBPの鍵となる利点は、集合上のより柔軟な分布を、その濃度を制限することなく表現できることである。
本研究では,多種多様なタスクにおける最先端性能を実演する電子掲示板の効率的な訓練手順を開発する。
論文 参考訳（メタデータ） (2020-03-17T04:26:02Z)
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。