論文の概要: AutoGrid AI: Deep Reinforcement Learning Framework for Autonomous Microgrid Management
- arxiv url: http://arxiv.org/abs/2509.03666v1
- Date: Wed, 03 Sep 2025 19:30:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-05 20:21:09.954471
- Title: AutoGrid AI: Deep Reinforcement Learning Framework for Autonomous Microgrid Management
- Title（参考訳）: AutoGrid AI: 自律マイクログリッド管理のための深層強化学習フレームワーク
- Authors: Kenny Guo, Nicholas Eckhert, Krish Chhajer, Luthira Abeykoon, Lorne Schell,
- Abstract要約: 自律型マイクログリッド管理のための深層強化学習フレームワークを提案する。
我々は,太陽や風などの再生可能エネルギー源の利用を最大化するために,マイクログリッドエネルギー供給戦略を最適化する。
- 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: We present a deep reinforcement learning-based framework for autonomous microgrid management. tailored for remote communities. Using deep reinforcement learning and time-series forecasting models, we optimize microgrid energy dispatch strategies to minimize costs and maximize the utilization of renewable energy sources such as solar and wind. Our approach integrates the transformer architecture for forecasting of renewable generation and a proximal-policy optimization (PPO) agent to make decisions in a simulated environment. Our experimental results demonstrate significant improvements in both energy efficiency and operational resilience when compared to traditional rule-based methods. This work contributes to advancing smart-grid technologies in pursuit of zero-carbon energy systems. We finally provide an open-source framework for simulating several microgrid environments.
- Abstract（参考訳）: 自律型マイクログリッド管理のための深層強化学習フレームワークを提案する。
遠隔地コミュニティ向けに 作られています
深層強化学習と時系列予測モデルを用いて,太陽や風などの再生可能エネルギー資源の利用を最大化するために,マイクログリッドエネルギー供給戦略を最適化する。
提案手法は,再生可能生成予測のためのトランスフォーマーアーキテクチャとPPOエージェントを統合し,シミュレーション環境における意思決定を行う。
従来のルールベース手法と比較して,エネルギー効率と運用時のレジリエンスの両面で有意な改善が認められた。
この研究は、ゼロカーボンエネルギーシステムを追求するスマートグリッド技術の発展に寄与する。
いくつかのマイクログリッド環境をシミュレートするオープンソースフレームワークがついに提供されました。
関連論文リスト
- A Reinforcement Learning Approach for Optimal Control in Microgrids [43.122212629962235]
マイクログリッドは、エネルギー発生、貯蔵、分散に対する局所的な制御を可能にすることで、有望なソリューションを提供する。
本稿では,マイクログリッドエネルギー管理を最適化するための新しい強化学習手法を提案する。
論文 参考訳（メタデータ） (2025-06-28T20:10:00Z) - Joint Resource Management for Energy-efficient UAV-assisted SWIPT-MEC: A Deep Reinforcement Learning Approach [50.52139512096988]
6G Internet of Things (IoT)ネットワークは、地上インフラストラクチャが利用できない遠隔地や災害シナリオにおいて、課題に直面している。
本稿では、指向性アンテナにより強化された新しい無人航空機(UAV)支援コンピューティングシステムを提案する。
論文 参考訳（メタデータ） (2025-05-06T06:46:19Z) - Graph-Enhanced Model-Free Reinforcement Learning Agents for Efficient Power Grid Topological Control [0.24578723416255752]
本稿では,従来の知識を使わずに電力ネットワークの運用を最適化することを目的とした,強化学習のモデルフリーフレームワークにおける新しいアプローチを提案する。
提案手法は,停電に対するグリッド安定性を確保しつつ,一貫した電力損失削減を実現することを実証する。
論文 参考訳（メタデータ） (2025-03-26T16:20:30Z) - Generalising Battery Control in Net-Zero Buildings via Personalised Federated RL [5.195669033269619]
本研究は,協調的・プライバシ保護フレームワークによる建築用マイクログリッドの最適エネルギー管理の課題について考察する。
我々は、分散エネルギー資源を管理するために、異なる協調的な設定で2つの共通RLアルゴリズム(PPOとTRPO)を評価する。
弊社のアプローチは、エネルギーコストと二酸化炭素排出量の削減と、プライバシーの確保に重点を置いている。
論文 参考訳（メタデータ） (2024-12-30T13:38:31Z) - Distributed Energy Management and Demand Response in Smart Grids: A
Multi-Agent Deep Reinforcement Learning Framework [53.97223237572147]
本稿では、自律制御と再生可能エネルギー資源のスマート電力グリッドシステムへの統合のための多エージェント深層強化学習(DRL)フレームワークを提案する。
特に,提案フレームワークは,住宅利用者に対する需要応答 (DR) と分散エネルギー管理 (DEM) を共同で検討している。
論文 参考訳（メタデータ） (2022-11-29T01:18:58Z) - Multi-Objective Reinforcement Learning based Multi-Microgrid System
Optimisation Problem [4.338938227238059]
エネルギー貯蔵システムと分散型再生可能エネルギー源を備えたマイクログリッドは、従来の電源からの消費を減らし、CO$の排出を抑える上で重要な役割を担っている。
マルチマイクログリッドを分散電力グリッドに接続することで、システムのセキュリティとプライバシを高めるため、より堅牢で信頼性の高い操作が可能になる。
提案モデルは,スマートグリッド層,独立系演算子層(ISO)層,電力グリッド層という3つの層から構成される。
論文 参考訳（メタデータ） (2021-03-10T23:01:22Z) - A Multi-Agent Deep Reinforcement Learning Approach for a Distributed
Energy Marketplace in Smart Grids [58.666456917115056]
本稿では,マイクログリッドを支配下に置くために,強化学習に基づくエネルギー市場を提案する。
提案する市場モデルにより,リアルタイムかつ需要に依存した動的価格設定環境が実現され,グリッドコストが低減され,消費者の経済的利益が向上する。
論文 参考訳（メタデータ） (2020-09-23T02:17:51Z) - Towards the Systematic Reporting of the Energy and Carbon Footprints of
Machine Learning [68.37641996188133]
我々は、リアルタイムエネルギー消費と二酸化炭素排出量を追跡するための枠組みを導入する。
エネルギー効率のよい強化学習アルゴリズムのためのリーダーボードを作成します。
炭素排出量削減とエネルギー消費削減のための戦略を提案する。
論文 参考訳（メタデータ） (2020-01-31T05:12:59Z) - NeurOpt: Neural network based optimization for building energy
management and climate control [58.06411999767069]
モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。
イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
論文 参考訳（メタデータ） (2020-01-22T00:51:03Z)
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。