論文の概要: Optimal CO2 storage management considering safety constraints in multi-stakeholder multi-site CCS projects: a game theoretic perspective

• arxiv url: http://arxiv.org/abs/2508.11618v1
• Date: Fri, 15 Aug 2025 17:36:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-18 14:51:24.16778
• Title: Optimal CO2 storage management considering safety constraints in multi-stakeholder multi-site CCS projects: a game theoretic perspective
• Title（参考訳）: マルチステークホルダマルチサイトCCSプロジェクトの安全性制約を考慮した最適CO2ストレージ管理:ゲーム理論の観点から
• Authors: Jungang Chen, Seyyed A. Hosseini,
• Abstract要約: マルコフゲームに基づくパラダイムを提案し、異なる連立構造が利害関係者の目標にどのように影響するかを検討する。 地質学的に連結された盆地において,複数のオペレーターがそれぞれのプロジェクト領域にCO2を注入する例を示す。 本研究は,複数の利害関係者が様々な目的や目標を担っている場合のCO2貯蔵の最適管理に,提案手法の有効性を実証するものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Carbon capture and storage (CCS) projects typically involve a diverse array of stakeholders or players from public, private, and regulatory sectors, each with different objectives and responsibilities. Given the complexity, scale, and long-term nature of CCS operations, determining whether individual stakeholders can independently maximize their interests or whether collaborative coalition agreements are needed remains a central question for effective CCS project planning and management. CCS projects are often implemented in geologically connected sites, where shared geological features such as pressure space and reservoir pore capacity can lead to competitive behavior among stakeholders. Furthermore, CO2 storage sites are often located in geologically mature basins that previously served as sites for hydrocarbon extraction or wastewater disposal in order to leverage existing infrastructures, which makes unilateral optimization even more complicated and unrealistic. In this work, we propose a paradigm based on Markov games to quantitatively investigate how different coalition structures affect the goals of stakeholders. We frame this multi-stakeholder multi-site problem as a multi-agent reinforcement learning problem with safety constraints. Our approach enables agents to learn optimal strategies while compliant with safety regulations. We present an example where multiple operators are injecting CO2 into their respective project areas in a geologically connected basin. To address the high computational cost of repeated simulations of high-fidelity models, a previously developed surrogate model based on the Embed-to-Control (E2C) framework is employed. Our results demonstrate the effectiveness of the proposed framework in addressing optimal management of CO2 storage when multiple stakeholders with various objectives and goals are involved.
• Abstract（参考訳）: カーボンキャプチャー・アンド・ストレージ(CCS)プロジェクトは通常、公共、民間、規制部門から様々な利害関係者やプレイヤーが参加し、それぞれ異なる目的と責任を持つ。 CCS運営の複雑さ、規模、長期の性質を考えると、個人の利害関係者が独立して利益を最大化できるかどうか、あるいは協調的な合意が必要であるかどうかを判断することは、効果的なCCSプロジェクトの計画と管理にとって重要な課題である。 CCSプロジェクトは、しばしば地質学的に連結された場所で実施され、圧力空間や貯水池の容量といった地質学的特徴が利害関係者間の競争行動を引き起こす可能性がある。 さらに、CO2貯蔵地は、既存のインフラを活用するために、以前は炭化水素抽出や排水処理の場として機能していた地質学的に成熟した盆地に位置しており、片側最適化はさらに複雑で非現実的である。 本研究では,マルコフゲームに基づくパラダイムを提案し,異なる連立構造が利害関係者の目標にどう影響するかを定量的に検討する。 我々は、安全制約付きマルチエージェント強化学習問題として、このマルチステークホルダー多サイト問題を考察する。 当社のアプローチは,安全基準に準拠しつつ,最適な戦略を学習することを可能にする。 地質学的に連結された盆地において,複数のオペレーターがそれぞれのプロジェクト領域にCO2を注入する例を示す。 高忠実度モデルの繰り返しシミュレーションの計算コストに対処するため,Embed-to-Control (E2C) フレームワークをベースとしたサロゲートモデルを開発した。 本研究は,複数の利害関係者が様々な目的や目標を担っている場合のCO2貯蔵の最適管理に,提案手法の有効性を実証するものである。

関連論文リスト

• MultiAgentBench: Evaluating the Collaboration and Competition of LLM agents [59.825725526176655]
  大規模言語モデル(LLM)は、自律的なエージェントとして顕著な能力を示している。 既存のベンチマークでは、単一エージェントタスクにフォーカスするか、狭いドメインに限定されており、マルチエージェントのコーディネーションと競合のダイナミクスを捉えていない。 多様な対話シナリオにまたがってLLMベースのマルチエージェントシステムを評価するためのベンチマークであるMultiAgentBenchを紹介する。
  論文  参考訳（メタデータ） (2025-03-03T05:18:50Z)
• Hierarchical Multi-Agent Framework for Carbon-Efficient Liquid-Cooled Data Center Clusters [5.335496791443277]
  本稿では,Reinforcement Learning (RL) に基づく階層型コントローラを提案するGreen-DCCについて紹介する。 本稿では,複数のデータセンターを同期的に最適化し,デジタル双生児を対象とし,炭素排出量とサステナビリティ指標に基づく様々なRL手法の性能比較を行う。
  論文  参考訳（メタデータ） (2025-02-12T12:00:58Z)
• A Coalition Game for On-demand Multi-modal 3D Automated Delivery System [4.378407481656902]
  都市環境におけるラストマイル配送に対処するため、2つのオーバーレイネットワークで運用するUAVとADRの連合ゲームを導入する。 戦略的協調が全体のルーティング効率をいかに向上させるかを把握するためのモード間の協調構造について検討する。 ミシサガ市におけるケーススタディの結果から,ラストマイル配送の応用に関するいくつかの数値実験が実施されている。
  論文  参考訳（メタデータ） (2024-12-23T03:50:29Z)
• Optimizing Carbon Storage Operations for Long-Term Safety [24.873407623150033]
  部分的に観測可能なマルコフ決定過程(POMDP)としての炭素貯蔵操業の意思決定過程について検討する。 我々は,PMDPを信頼状態計画を用いて解決し,安全を維持しつつ,貯蔵したCO2を最大化することを目的として,インジェクタの最適化と井戸のモニタリングを行う。 我々は,多相流の複雑な力学を扱うために,POMDP決定プロセスのためのニューラルネットワークサロゲートモデルを提案する。
  論文  参考訳（メタデータ） (2023-04-19T00:20:50Z)
• IPCC-TP: Utilizing Incremental Pearson Correlation Coefficient for Joint Multi-Agent Trajectory Prediction [73.25645602768158]
  IPCC-TPはインクリメンタルピアソン相関係数に基づく新しい関連認識モジュールであり,マルチエージェントインタラクションモデリングを改善する。 我々のモジュールは、既存のマルチエージェント予測手法に便利に組み込んで、元の動き分布デコーダを拡張することができる。
  論文  参考訳（メタデータ） (2023-03-01T15:16:56Z)
• Real-time high-resolution CO$_2$ geological storage prediction using nested Fourier neural operators [58.728312684306545]
  炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。 CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。 我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
  論文  参考訳（メタデータ） (2022-10-31T04:04:03Z)
• A POMDP Model for Safe Geological Carbon Sequestration [30.638615396429536]
  地質的な炭素捕獲と隔離(CCS)は、地球規模の排出量を減らすための有望でスケーラブルなアプローチである。 間違った処理をすれば、地震やCO$が地表に流出し、人間と環境の両方を傷つける可能性がある。 我々は,CCSの操作を部分的に観測可能なマルコフ決定プロセス (POMDP) としてモデル化し,自動計画アルゴリズムを用いて決定を通知することを提案する。
  論文  参考訳（メタデータ） (2022-10-25T01:04:13Z)
• Stateful active facilitator: Coordination and Environmental Heterogeneity in Cooperative Multi-Agent Reinforcement Learning [71.53769213321202]
  環境の調整レベルと不均一度の概念を定式化する。 異なるMARLアプローチの実証評価を容易にするマルチエージェント環境のスイートであるHECOGridを提案する。 本研究では,エージェントが高配向環境と高配向環境において効率的に作業することを可能にする訓練分散実行学習手法を提案する。
  論文  参考訳（メタデータ） (2022-10-04T18:17:01Z)
• Toward multi-target self-organizing pursuit in a partially observable Markov game [34.22625222101752]
  本研究では,探索・追従における暗黙的協調機能を改善するために,分散化されたマルチエージェントシステムのためのフレームワークを提案する。 我々は,大規模な分散化,部分的な観察,非コミュニケーションを特徴とする,部分的に観測可能なマルコフゲーム(POMG)として自己組織化システムをモデル化する。 提案した分散アルゴリズムは, ファジィ自己組織化協調共進化(FSC2)を利用して, マルチターゲットSOPにおける3つの課題を解決する。
  論文  参考訳（メタデータ） (2022-06-24T14:59:56Z)
• Structured Diversification Emergence via Reinforced Organization Control and Hierarchical Consensus Learning [48.525944995851965]
  組織制御の強化と階層的コンセンサス学習に基づく構造的多様化型MARLフレームワーク scRochico を提案する。 scRochicoは、探索効率と協力強度の観点から、現在のSOTAアルゴリズムよりもはるかに優れている。
  論文  参考訳（メタデータ） (2021-02-09T11:46:12Z)

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。