論文の概要: Cooperative Flexibility Exchange: Fair and Comfort-Aware Decentralized Resource Allocation
- arxiv url: http://arxiv.org/abs/2510.04192v1
- Date: Sun, 05 Oct 2025 13:17:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-07 16:52:59.507517
- Title: Cooperative Flexibility Exchange: Fair and Comfort-Aware Decentralized Resource Allocation
- Title（参考訳）: 協調フレキシビリティ交換:公平かつ快適な分散資源配分
- Authors: Rabiya Khalid, Evangelos Pournaras,
- Abstract要約: 本稿では,分散型マルチエージェント協調型需要側管理システムを提案する。
エージェントは、ユーザの快適性を改善し、システムの効率性を維持するとともに、需要側エネルギー最適化のための調整を行う。
この研究の重要な革新はスロット交換機構の導入であり、エージェントはまず最適化されたアプライアンスレベルのエネルギー消費スケジュールを受け取り、その後、スロット交換によってこれらのスケジュールを調整するように調整する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The growing electricity demand and increased use of smart appliances are placing new pressures on power grids, making efficient energy management more important than ever. The existing energy management systems often prioritize system efficiency (balanced energy demand and supply) at the expense of user comfort. This paper addresses this gap by proposing a novel decentralized multi-agent coordination-based demand-side management system. The proposed system enables individual agents to coordinate for demand-side energy optimization while improving the user comfort and maintaining the system efficiency. A key innovation of this work is the introduction of a slot exchange mechanism, where agents first receive optimized appliance-level energy consumption schedules and then coordinate with each other to adjust these schedules through slot exchanges. This approach improves user comfort even when agents show non-altruistic behaviour, and it scales well with large populations. The system also promotes fairness by balancing satisfaction levels across users. For performance evaluation, a real-world dataset is used, and the results demonstrate that the proposed slot exchange mechanism increases user comfort and fairness without raising system inefficiency cost, making it a practical and scalable solution for future smart grids.
- Abstract（参考訳）: 電力需要の増加とスマート家電の使用の増加は電力網に新たな圧力を与えており、効率的なエネルギー管理をこれまで以上に重要にしている。
既存のエネルギー管理システムは、利用者の快適さを犠牲にしてシステムの効率性(エネルギー需要と供給の均衡)を優先することが多い。
本稿では,新たな分散マルチエージェント協調型需要側管理システムの提案により,このギャップに対処する。
提案システムでは,利用者の快適性を向上し,システム効率の維持を図りながら,需要側エネルギー最適化の調整を行うことができる。
この研究の重要な革新はスロット交換機構の導入であり、エージェントはまず最適化されたアプライアンスレベルのエネルギー消費スケジュールを受け取り、その後、スロット交換によってこれらのスケジュールを調整するように調整する。
このアプローチは,非利他的行動を示すエージェントであってもユーザの快適さを向上する。
このシステムは、ユーザ間で満足度レベルをバランスさせることにより、公平性を促進する。
性能評価には実世界のデータセットを使用し,提案したスロット交換機構は,システム不効率を高くすることなく,ユーザの快適さと公平性を向上し,将来的なスマートグリッドのための実用的でスケーラブルなソリューションであることを示す。
関連論文リスト
- Human-in-the-Loop AI for HVAC Management Enhancing Comfort and Energy Efficiency [10.01352946835079]
HVACの性能を最適化するHuman-in-the-Loop(HITL)人工知能フレームワークを提案する。
生活水準や快適度に関する事前定義された情報を必要とする従来のシステムとは異なり、我々のアプローチは進行中のユーザ入力に基づいて学習し、適応する。
占有予測モデルと強化学習を統合することにより、運用効率を改善し、電力市場のダイナミクスに合わせてエネルギーコストを削減できる。
論文 参考訳（メタデータ） (2025-05-09T05:23:37Z) - 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) - Integration of Multi-Mode Preference into Home Energy Management System Using Deep Reinforcement Learning [0.0]
Home Energy Management Systems(HEMS)は、スマートホームエコシステムにおいて重要なツールとして登場した。
本稿では,動的でコンシューマ定義の嗜好に基づいた最適化を念頭に設計した多モードDeep Reinforcement LearningベースのHEMSフレームワークを提案する。
提案手法は,異なる選好モードにおけるエネルギー消費を最適化する上で,優れた性能を発揮することを示す。
論文 参考訳（メタデータ） (2025-05-02T15:05:29Z) - Multi-Agent Architecture in Distributed Environment Control Systems: vision, challenges, and opportunities [50.38638300332429]
データセンターにおける空冷式シラーシステムの分散制御のためのマルチエージェントアーキテクチャを提案する。
私たちのビジョンでは、自律エージェントを使用して、ローカルな運用パラメータを監視し、規制し、システム全体の効率を最適化します。
論文 参考訳（メタデータ） (2025-02-21T18:41:03Z) - Open Energy Services -- Forecasting and Optimization as a Service for Energy Management Applications at Scale [0.622711388227824]
本稿では,エネルギ・マネジメント・システム(EMS)の広範な適用を促進することを目的とする。
我々は、経済的な生存性は大規模なEMSの利用にとって深刻な問題であると主張している。
我々は、完全に機能するサービスの派生を可能にするemphEnergy Service Genericsソフトウェアフレームワークを提示する。
論文 参考訳（メタデータ） (2024-02-23T09:46:49Z) - 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) - Virtual Microgrid Management via Software-defined Energy Network for
Electricity Sharing [10.13696311830345]
本稿では,ソフトウェア定義エネルギーネットワーク(SDEN)として動作する仮想マイクログリッドの構築手法を提案する。
提案したサイバー物理システムは、電気エネルギーがメンバー間で共有され、コンピュータネットワーク、無線通信、ピアツーピアインターネットアプリケーション(BitTorrentなど)で使用されるリソース割り当て手法にインスパイアされたハンドシェイクによって、サイバードメイン内でのエネルギー共有が有効であると仮定する。
本稿は、提案手法が既存の規制に概ね準拠するが、中央から長期に支配的な電化エネルギーシステムを組織化するための非常に破壊的な可能性を秘めていると結論付けている。
論文 参考訳（メタデータ） (2021-02-01T06:09:40Z) - 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) - A Hierarchical Approach to Multi-Energy Demand Response: From
Electricity to Multi-Energy Applications [1.5084441395740482]
本稿では,多くの住宅,商業,産業の消費者の集合体のエネルギー消費を制御する機会を探る。
このアンサンブル制御は、マルチエネルギーインフラシステムのモデリングツールのセットへの現代的な需要応答となる。
論文 参考訳（メタデータ） (2020-05-05T17:17:51Z) - Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable
Edge Computing Systems [87.4519172058185]
エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。
定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。
実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
論文 参考訳（メタデータ） (2020-02-20T04:58:07Z)
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。