論文の概要: Uncertainty-aware Predict-Then-Optimize Framework for Equitable Post-Disaster Power Restoration

• arxiv url: http://arxiv.org/abs/2508.04780v1
• Date: Wed, 06 Aug 2025 18:00:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-08 18:59:39.605508
• Title: Uncertainty-aware Predict-Then-Optimize Framework for Equitable Post-Disaster Power Restoration
• Title（参考訳）: 不確かさを意識した災害後の電力復旧のための最適予測フレームワーク
• Authors: Lin Jiang, Dahai Yu, Rongchao Xu, Tian Tang, Guang Wang,
• Abstract要約: ハリケーンのような極度の気象イベントは、効率的で公平な電力系統の復旧の緊急の必要性を強調している。 我々のデータ駆動分析は、不利なコミュニティがより少ない復元要求を提出する傾向があるため、要求の提出量に大きな差があることを明らかにします。 地域社会における復旧効率と株式の両立を両立させる,株式対応型電力復旧戦略を提案する。
• 参考スコア（独自算出の注目度）: 7.932119348792331
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increasing frequency of extreme weather events, such as hurricanes, highlights the urgent need for efficient and equitable power system restoration. Many electricity providers make restoration decisions primarily based on the volume of power restoration requests from each region. However, our data-driven analysis reveals significant disparities in request submission volume, as disadvantaged communities tend to submit fewer restoration requests. This disparity makes the current restoration solution inequitable, leaving these communities vulnerable to extended power outages. To address this, we aim to propose an equity-aware power restoration strategy that balances both restoration efficiency and equity across communities. However, achieving this goal is challenging for two reasons: the difficulty of predicting repair durations under dataset heteroscedasticity, and the tendency of reinforcement learning agents to favor low-uncertainty actions, which potentially undermine equity. To overcome these challenges, we design a predict-then-optimize framework called EPOPR with two key components: (1) Equity-Conformalized Quantile Regression for uncertainty-aware repair duration prediction, and (2) Spatial-Temporal Attentional RL that adapts to varying uncertainty levels across regions for equitable decision-making. Experimental results show that our EPOPR effectively reduces the average power outage duration by 3.60% and decreases inequity between different communities by 14.19% compared to state-of-the-art baselines.
• Abstract（参考訳）: ハリケーンなどの極端な気象現象の発生頻度は、効率的で公平な電力系統の復旧を急務に必要としていることを強調している。 多くの電力供給業者は、主に各地域からの電力復旧要求量に基づいて復旧決定を行う。 しかし,データ駆動分析の結果,不利なコミュニティでは復元要求が少なくなる傾向にあるため,要求量に大きな差があることが判明した。 この格差は、現在の復旧ソリューションを不平等にし、これらのコミュニティは、拡張された停電に弱いままにしている。 そこで本稿では, 地域間における復旧効率と株式のバランスを両立させる, 株式対応型電力復旧戦略を提案する。 しかし、この目標を達成することは、データセットの不整合性の下で修理期間を予測することの難しさと、強化学習エージェントが低不確実性行動を好む傾向にあるため、株式を損なう可能性がある。 これらの課題を克服するために,(1)不確実性を考慮した修復期間予測のための等価整合量子回帰,(2)不確実性判定のための地域によって異なる不確実性レベルに適応する空間的意図的RLの2つの主要な構成要素を用いて,EPOPRと呼ばれる予測を最適化するフレームワークを設計する。 実験の結果,EPOPRは平均停電時間を3.60%減らし,コミュニティ間の不平等を14.19%減らした。

関連論文リスト

• ASTER: Adaptive Spatio-Temporal Early Decision Model for Dynamic Resource Allocation [9.870286663826253]
  緊急対応では、インシデント予測だけでなく、リソース割り当てと介入の成功が優先される。 事象予測から行動可能な意思決定支援へ予測パラダイムを改革する適応的S時間決定(ASTER)を提案することが不可欠である。 このフレームワークは、情報が意思決定に直接使用されることを保証するため、全体的な効果を最大化する。
  論文  参考訳（メタデータ） (2025-06-22T07:49:37Z)
• Adaptive Robust Optimization with Data-Driven Uncertainty for Enhancing Distribution System Resilience [6.325705102716997]
  極度の気象現象が電力システムに緊張を与え、純粋な反応の限界を露呈している。 本稿では,積極的なインフラ投資と反応応答を統合した三段階最適化フレームワークを提案する。 実データと合成データの両方に対する実験により,従来の2段階法よりも一貫して優れた結果が得られた。
  論文  参考訳（メタデータ） (2025-05-16T18:43:31Z)
• ConCISE: Confidence-guided Compression in Step-by-step Efficient Reasoning [75.1101108949743]
  大規模推論モデル(LRM)は、Chain-of-Thought (CoT)プロンプトを介して複雑な推論タスクを強く行う。 LRMは冗長なコンテンツによる冗長なアウトプット、計算オーバーヘッドの増加、ユーザエクスペリエンスの低下に悩まされることが多い。 本稿では,推論中のモデルの信頼性を高めることによって推論チェーンを簡素化するフレームワークであるConCISEを提案する。
  論文  参考訳（メタデータ） (2025-05-08T01:40:40Z)
• A Simulation-Based Framework for Leveraging Shared Autonomous Vehicles to Enhance Disaster Evacuations in Rural Regions with a Focus on Vulnerable Populations [0.210674772139335]
  本研究は,農村部における災害前・災害後避難にSAVを配備する枠組みを提案する。 この枠組みは、障害者、英語能力の制限、高齢者を含む脆弱なグループのニーズを優先している。
  論文  参考訳（メタデータ） (2025-01-20T00:12:31Z)
• Revisiting Plasticity in Visual Reinforcement Learning: Data, Modules and Training Stages [56.98243487769916]
  ニューラルネットワークが新しいデータで進化する能力である塑性は、高性能でサンプル効率のよい視覚強化学習に不可欠である。 本稿では,批評家の可塑性レベルに基づいてリプレイ率を動的に調整するAdaptive RRを提案する。
  論文  参考訳（メタデータ） (2023-10-11T12:05:34Z)
• A Stochastic Online Forecast-and-Optimize Framework for Real-Time Energy Dispatch in Virtual Power Plants under Uncertainty [18.485617498705736]
  本稿では,2つの要素から構成されるリアルタイム不確実性を考慮したエネルギー分散フレームワークを提案する。 提案するフレームワークは,リアルタイムデータ配信に迅速に適応すると同時に,データドリフトやモデルの不一致,制御プロセスの環境摂動などによる不確実性もターゲットとすることができる。 このフレームワークはCityLearn Challenge 2022で優勝し、エネルギー領域におけるAIアプリケーションの可能性を調べる影響力のある機会となった。
  論文  参考訳（メタデータ） (2023-09-15T00:04:00Z)
• An Asymmetric Loss with Anomaly Detection LSTM Framework for Power Consumption Prediction [1.6156983514505385]
  住宅セクターの電力消費パターンには変動や異常が含まれており、予測は困難である。 非対称な損失関数を持つ複数のLong Short-Term Memory (LSTM) フレームワークを提案する。 気候や社会要因の影響を考慮すると、フランス、ドイツ、ハンガリーの3つのデータセットで季節分割が行われる。
  論文  参考訳（メタデータ） (2023-02-05T17:16:15Z)
• Relationship Quantification of Image Degradations [72.98190570967937]
  劣化関係指数(DRI)は,2モデル間の検証損失の平均ドロップレート差として定義される。 DRIは常に、特定の劣化を列車モデルの補助として利用することで、性能改善を予測します。 得られた劣化組合せがアンカー劣化性能を向上させることができるかどうかを簡易かつ効果的に推定する手法を提案する。
  論文  参考訳（メタデータ） (2022-12-08T09:05:19Z)
• Monotonic Improvement Guarantees under Non-stationarity for Decentralized PPO [66.5384483339413]
  我々は,MARL(Multi-Agent Reinforcement Learning)における分散政策の最適化のための新しい単調改善保証を提案する。 本研究では,訓練中のエージェント数に基づいて,独立した比率を限定することにより,信頼領域の制約を原則的に効果的に実施可能であることを示す。
  論文  参考訳（メタデータ） (2022-01-31T20:39:48Z)
• Implicit Subspace Prior Learning for Dual-Blind Face Restoration [66.67059961379923]
  新しい暗黙的サブスペース事前学習(ISPL)フレームワークが、二重盲顔復元の一般的な解決策として提案されている。 実験の結果,既存の最先端手法に対するISPLの認識歪改善が顕著であった。
  論文  参考訳（メタデータ） (2020-10-12T08:04:24Z)
• Deep Learning-based Resource Allocation for Infrastructure Resilience [0.5249805590164901]
  意思決定者は、トレーニングされたモデルを使用して、緊急時にリソースをより効率的に割り当てることができます。 本稿では,TNのシェルビー郡における実世界の相互依存インフラによる方法論について紹介する。
  論文  参考訳（メタデータ） (2020-07-12T00:48:15Z)
• GenDICE: Generalized Offline Estimation of Stationary Values [108.17309783125398]
  重要なアプリケーションでは,効果的な推定が依然として可能であることを示す。 我々のアプローチは、定常分布と経験分布の差を補正する比率を推定することに基づいている。 結果として得られるアルゴリズム、GenDICEは単純で効果的である。
  論文  参考訳（メタデータ） (2020-02-21T00:27:52Z)

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。