論文の概要: Adversarially and Distributionally Robust Virtual Energy Storage Systems via the Scenario Approach

• arxiv url: http://arxiv.org/abs/2511.09427v1
• Date: Thu, 13 Nov 2025 01:53:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-13 22:34:54.565512
• Title: Adversarially and Distributionally Robust Virtual Energy Storage Systems via the Scenario Approach
• Title（参考訳）: シナリオアプローチによる逆・分散ロバスト仮想エネルギー貯蔵システム
• Authors: Georgios Pantazis, Nicola Mignoni, Raffaele Carli, Mariagrazia Dotoli, Sergio Grammatico,
• Abstract要約: 駐車場管理者が駐車したEVバッテリーを集約して仮想エネルギー貯蔵サービスを提供する最適化モデルを提案する。 我々の定式化は、データ駆動凸最適化問題であり、この問題では、有限地平線上のストレージサービスの提供に関して、プロサコミュニティがPLMとの契約に同意する。
• 参考スコア（独自算出の注目度）: 11.001094382804565
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose an optimization model where a parking lot manager (PLM) can aggregate parked EV batteries to provide virtual energy storage services that are provably robust under uncertain EV departures and state-of-charge caps. Our formulation yields a data-driven convex optimization problem where a prosumer community agrees on a contract with the PLM for the provision of storage services over a finite horizon. Leveraging recent results in the scenario approach, we certify out-of-sample constraint safety. Furthermore, we enable a tunable profit-risk trade-off through scenario relaxation and extend our model to account for robustness to adversarial perturbations and distributional shifts over Wasserstein-based ambiguity sets. All the approaches are accompanied by tight finite-sample certificates. Numerical studies demonstrate the out-of-sample and out-of-distribution constraint satisfaction of our proposed model compared to the developed theoretical guarantees, showing their effectiveness and potential in robust and efficient virtual energy services.
• Abstract（参考訳）: 駐車場管理者(PLM)が駐車したEVバッテリーを集約して、不確実なEV出発時やチャージキャップ時に確実に堅牢な仮想エネルギー貯蔵サービスを提供する最適化モデルを提案する。 我々の定式化は、データ駆動凸最適化問題であり、この問題では、有限地平線上のストレージサービスの提供に関して、プロサコミュニティがPLMとの契約に同意する。 シナリオアプローチにおける最近の結果を活用することで、アウト・オブ・サンプレットの安全性を証明します。 さらに、シナリオ緩和による調整可能な利益リスクトレードオフを実現し、ワッサーシュタインに基づく曖昧性集合に対する対向的摂動と分布シフトに対する堅牢性を考慮したモデルを拡張した。 すべてのアプローチには厳密な有限サンプル証明書が添付されている。 数値解析により,提案モデルの有効性と将来性を示すとともに,提案モデルの有効性を実証し,提案モデルの有効性を検証した。

関連論文リスト

• Tractable Probabilistic Models for Investment Planning [0.8916762347908103]
  発電や送電の拡充などの電力事業への投資計画には、深刻な不確実性の下で10年にわたる予測が必要である。 本稿では, トラクタブル確率モデル(TPM), 特にサプライズネットワーク(SPN)を用いた代替手法を提案する。 TPMは、シナリオ可能性、限界、条件付き確率などの重要な量の正確でスケーラブルな推論を可能にする。
  論文  参考訳（メタデータ） (2025-11-17T20:23:34Z)
• Thompson Sampling via Fine-Tuning of LLMs [68.1722422968855]
  我々は,スケーラブルな大規模獲得関数を必要としないトンプソンサンプリングに基づく代替案を提案する。 我々のアプローチであるThompson Smpling via Finening (ToSFiT) は、プロンプト条件付き言語モデルに埋め込まれた事前知識を活用し、後方に向けて漸進的に適応する。 分析の結果,ToSFiTアルゴリズムの基盤となる極大性原理の後続確率への注意的適応が重要であることが明らかとなった。
  論文  参考訳（メタデータ） (2025-10-15T09:13:59Z)
• Decision-Focused Learning Enhanced by Automated Feature Engineering for Energy Storage Optimisation [34.22325234182622]
  電力価格と需要を予測する小型データセットに適したAFE-DFLフレームワークを提案する。 提案手法の有効性を,イギリスにおける新しい不動産データセットで検証する。
  論文  参考訳（メタデータ） (2025-09-06T16:54:07Z)
• MISLEADER: Defending against Model Extraction with Ensembles of Distilled Models [56.09354775405601]
  モデル抽出攻撃は、クエリアクセスを通じてブラックボックスモデルの機能を複製することを目的としている。 既存のディフェンスでは、アタッカークエリにはオフ・オブ・ディストリビューション(OOD)サンプルがあることを前提としており、不審な入力を検出し破壊することができる。 OOD仮定に依存しない新しい防衛戦略であるMISLEADERを提案する。
  論文  参考訳（メタデータ） (2025-06-03T01:37:09Z)
• Probabilistic Conformal Prediction with Approximate Conditional Validity [81.30551968980143]
  本研究では,共形手法の柔軟性と条件分布の推定を組み合わせ,予測セットを生成する手法を開発した。 我々の手法は、条件付きカバレッジの観点から既存の手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2024-07-01T20:44:48Z)
• Resilient Constrained Reinforcement Learning [87.4374430686956]
  本稿では,複数の制約仕様を事前に特定しない制約付き強化学習(RL)のクラスについて検討する。 報酬訓練目標と制約満足度との間に不明確なトレードオフがあるため、適切な制約仕様を特定することは困難である。 我々は、ポリシーと制約仕様を一緒に検索する新しい制約付きRLアプローチを提案する。
  論文  参考訳（メタデータ） (2023-12-28T18:28:23Z)
• Interpretable Deep Reinforcement Learning for Optimizing Heterogeneous Energy Storage Systems [11.03157076666012]
  エネルギー貯蔵システム(ESS)はエネルギー市場において重要な要素であり、エネルギー供給者と消費者の両方に役立っている。 エネルギー市場におけるESSの柔軟性を高めるために、異種太陽光発電(PV-ESS)を提案する。 我々は、現実のシナリオを反映して、劣化、資本、運用・保守コストを考慮した包括的コスト関数を開発する。
  論文  参考訳（メタデータ） (2023-10-20T02:26:17Z)
• 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)
• Constrained Policy Optimization via Bayesian World Models [79.0077602277004]
  LAMBDAは、マルコフ決定プロセスを通じてモデル化された安全クリティカルタスクにおけるポリシー最適化のためのモデルに基づくアプローチである。 LAMBDA のSafety-Gymベンチマークスイートにおける技術性能について,サンプル効率と制約違反の観点から示す。
  論文  参考訳（メタデータ） (2022-01-24T17:02:22Z)
• A Probabilistic Forecast-Driven Strategy for a Risk-Aware Participation in the Capacity Firming Market [30.828362290032935]
  本稿では,グリッド接続型再生可能発電プラントとキャパシティホルディング市場における蓄電池装置のエネルギー管理について述べる。 近年開発された「正規化フロー」と呼ばれる深層学習モデルを用いて再生可能生成の定量的予測を生成する。
  論文  参考訳（メタデータ） (2021-05-28T13:13:07Z)
• Robustifying Conditional Portfolio Decisions via Optimal Transport [19.30689697702845]
  副次情報,条件推定,ロバスト性を統合したデータ駆動型ポートフォリオ選択モデルを提案する。 側情報問題による分散ロバストなポートフォリオ割り当ては,有限次元最適化問題として再構成可能であることを示す。
  論文  参考訳（メタデータ） (2021-03-30T15:56:03Z)

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。