論文の概要: Embedding Reliability Verification Constraints into Generation Expansion Planning

• arxiv url: http://arxiv.org/abs/2504.07131v1
• Date: Sun, 06 Apr 2025 04:58:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-11 12:23:23.857607
• Title: Embedding Reliability Verification Constraints into Generation Expansion Planning
• Title（参考訳）: 世代拡大計画への信頼性検証の埋め込み
• Authors: Peng Liu, Lian Cheng, Benjamin P. Omell, Anthony P. Burgard,
• Abstract要約: 本研究では,世代拡張計画に信頼性検証制約を組み込む手法を提案する。 提案手法は,テキサス州電気信頼性協議会(ERCOT)地域を対象とした長期世代計画ケーススタディにより検証された。
• 参考スコア（独自算出の注目度）: 1.9632700283749582
• License:
• Abstract: Generation planning approaches face challenges in managing the incompatible mathematical structures between stochastic production simulations for reliability assessment and optimization models for generation planning, which hinders the integration of reliability constraints. This study proposes an approach to embedding reliability verification constraints into generation expansion planning by leveraging a weighted oblique decision tree (WODT) technique. For each planning year, a generation mix dataset, labeled with reliability assessment simulations, is generated. An WODT model is trained using this dataset. Reliability-feasible regions are extracted via depth-first search technique and formulated as disjunctive constraints. These constraints are then transformed into mixed-integer linear form using a convex hull modeling technique and embedded into a unit commitment-integrated generation expansion planning model. The proposed approach is validated through a long-term generation planning case study for the Electric Reliability Council of Texas (ERCOT) region, demonstrating its effectiveness in achieving reliable and optimal planning solutions.
• Abstract（参考訳）: 生成計画手法は、信頼性評価のための確率的生産シミュレーションと、信頼性制約の統合を妨げる生成計画のための最適化モデルとの間の非互換な数学的構造を管理する際の課題に直面している。 本研究では、重み付き斜め決定木(WODT)技術を利用して、信頼性検証制約を世代拡張計画に組み込む手法を提案する。 計画年度毎に、信頼性評価シミュレーションをラベル付けした生成ミックスデータセットを生成する。 WODTモデルは、このデータセットを使用してトレーニングされる。 信頼可能な領域を深度優先探索法により抽出し, 共役制約として定式化する。 これらの制約は、凸船体モデリング技術を用いて混合整数線形形式に変換され、単位コミットメント統合世代拡張計画モデルに組み込まれる。 提案手法は,テキサス州電気信頼性協議会(ERCOT)地域における長期計画ケーススタディを通じて検証され,信頼性と最適計画ソリューションの実現に有効であることを実証した。

関連論文リスト

• Certified Guidance for Planning with Deep Generative Models [1.391198481393699]
  計画目標を満たす可能性の高いアウトプットに向けて, 生産プロセスの舵取りとして, 様々なガイダンス戦略が導入されている。 提案手法では,特定の仕様を確率1で満たすことが保証された新しいモデルに,生成モデルを再学習することなく修正する手法である認証ガイダンスを導入する。 本研究の結果は,認定されていない既存の指導方法とは異なり,常に正しい生成モデルを生成することを確認した。
  論文  参考訳（メタデータ） (2025-01-22T11:46:28Z)
• Distilling Calibration via Conformalized Credal Inference [36.01369881486141]
  信頼性を高める方法の1つは、ベイズ推定による不確実な定量化である。 本稿では,より複雑なモデルからキャリブレーション情報を抽出することにより,この問題に対処する低複雑さ手法を提案する。 視覚的および言語的タスクの実験により,提案手法はCD-CI (Conformalized Distillation for Credal Inference) と呼ばれ,校正性能が著しく向上することが示された。
  論文  参考訳（メタデータ） (2025-01-10T15:57:23Z)
• Adaptive Planning with Generative Models under Uncertainty [20.922248169620783]
  生成モデルによる計画は、幅広い領域にわたる効果的な意思決定パラダイムとして現れてきた。 最新の環境観測に基づいて決定を下すことができるため、各段階での継続的再計画は直感的に思えるかもしれないが、かなりの計算上の課題をもたらす。 本研究は,長軸状態軌跡を予測できる生成モデルの能力を活用する,シンプルな適応計画手法を導入することで,この問題に対処する。
  論文  参考訳（メタデータ） (2024-08-02T18:07:53Z)
• Planning as In-Painting: A Diffusion-Based Embodied Task Planning Framework for Environments under Uncertainty [56.30846158280031]
  具体的AIのためのタスクプランニングは、最も難しい問題の1つだ。 In-paintingとしての計画」というタスク非依存の手法を提案する。 提案するフレームワークは,様々な具体的AIタスクにおいて,有望なパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-12-02T10:07:17Z)
• When Demonstrations Meet Generative World Models: A Maximum Likelihood Framework for Offline Inverse Reinforcement Learning [62.00672284480755]
  本稿では, 専門家エージェントから, 一定の有限個の実演において観測された動作を過小評価する報酬と環境力学の構造を復元することを目的とする。 タスクを実行するための正確な専門知識モデルは、臨床的意思決定や自律運転のような安全に敏感な応用に応用できる。
  論文  参考訳（メタデータ） (2023-02-15T04:14:20Z)
• Calibrating Over-Parametrized Simulation Models: A Framework via Eligibility Set [3.862247454265944]
  厳密な頻繁な統計的保証を満たす校正手法を開発するための枠組みを開発する。 本手法は,書籍市場シミュレータのキャリブレーションへの応用を含む,いくつかの数値例で実証する。
  論文  参考訳（メタデータ） (2021-05-27T00:59:29Z)
• Safe Continuous Control with Constrained Model-Based Policy Optimization [0.0]
  制約付き高次元制御のためのモデルベースセーフ探索アルゴリズムを提案する。 また、モデル生成データによるポリシー探索を高速化する実用的なアルゴリズムも導入する。
  論文  参考訳（メタデータ） (2021-04-14T15:20:55Z)
• Modeling the Second Player in Distributionally Robust Optimization [90.25995710696425]
  我々は、最悪のケース分布を特徴付けるために神経生成モデルを使うことを議論する。 このアプローチは多くの実装と最適化の課題をもたらします。 提案されたアプローチは、同等のベースラインよりも堅牢なモデルを生み出す。
  論文  参考訳（メタデータ） (2021-03-18T14:26:26Z)
• COMBO: Conservative Offline Model-Based Policy Optimization [120.55713363569845]
  ディープニューラルネットワークのような複雑なモデルによる不確実性推定は困難であり、信頼性が低い。 我々は,サポート外状態動作の値関数を正規化するモデルベースオフラインRLアルゴリズムCOMBOを開発した。 従来のオフラインモデルフリーメソッドやモデルベースメソッドと比べて、comboは一貫してパフォーマンスが良いことが分かりました。
  論文  参考訳（メタデータ） (2021-02-16T18:50:32Z)
• Control as Hybrid Inference [62.997667081978825]
  本稿では、反復推論と償却推論のバランスを自然に仲介するCHIの実装について述べる。 連続的な制御ベンチマークでアルゴリズムのスケーラビリティを検証し、強力なモデルフリーおよびモデルベースラインを上回る性能を示す。
  論文  参考訳（メタデータ） (2020-07-11T19:44:09Z)
• Efficient Ensemble Model Generation for Uncertainty Estimation with Bayesian Approximation in Segmentation [74.06904875527556]
  アンサンブルセグメンテーションモデルを構築するための汎用的で効率的なセグメンテーションフレームワークを提案する。 提案手法では,層選択法を用いて効率よくアンサンブルモデルを生成することができる。 また,新たな画素単位の不確実性損失を考案し,予測性能を向上する。
  論文  参考訳（メタデータ） (2020-05-21T16:08:38Z)

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。