論文の概要: Online Smoothed Demand Management

• arxiv url: http://arxiv.org/abs/2511.18554v1
• Date: Sun, 23 Nov 2025 17:59:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.894688
• Title: Online Smoothed Demand Management
• Title（参考訳）: オンラインスムーズな需要管理
• Authors: Adam Lechowicz, Nicolas Christianson, Mohammad Hajiesmaili, Adam Wierman, Prashant Shenoy,
• Abstract要約: 我々は、オンラインスムーズな需要管理(textttOSDM)$(textttOSDM)$)と呼ばれる一連のオンライン問題を紹介し、研究する。 $textttOSDM$では、オペレータは、購入するエネルギの量と、配信するエネルギの量という、各ステップで2つの決定を行う。 我々は、$textttPAAD$と呼ばれる競合アルゴリズムを提案し、最適な競合比を達成することを示す。
• 参考スコア（独自算出の注目度）: 25.890068028018018
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce and study a class of online problems called online smoothed demand management $(\texttt{OSDM})$, motivated by paradigm shifts in grid integration and energy storage for large energy consumers such as data centers. In $\texttt{OSDM}$, an operator makes two decisions at each time step: an amount of energy to be purchased, and an amount of energy to be delivered (i.e., used for computation). The difference between these decisions charges (or discharges) the operator's energy storage (e.g., a battery). Two types of demand arrive online: base demand, which must be covered at the current time, and flexible demand, which can be satisfied at any time steps before a demand-specific deadline $Δ_t$. The operator's goal is to minimize a cost (subject to the constraints above) that combines a cost of purchasing energy, a cost for delivering energy (if applicable), and smoothness penalties on the purchasing and delivery rates to discourage fluctuations and encourage ``grid healthy'' decisions. $\texttt{OSDM}$ generalizes several problems in the online algorithms literature while being the first to fully model applications of interest. We propose a competitive algorithm called $\texttt{PAAD}$ (partitioned accounting \& aggregated decisions) and show it achieves the optimal competitive ratio. To overcome the pessimism typical of worst-case analysis, we also propose a novel learning framework that provides guarantees on the worst-case competitive ratio (i.e., to provide robustness against nonstationarity) while allowing end-to-end differentiable learning of the best algorithm on historical instances of the problem. We evaluate our algorithms in a case study of a grid-integrated data center with battery storage, showing that $\texttt{PAAD}$ effectively solves the problem and end-to-end learning achieves substantial performance improvements compared to $\texttt{PAAD}$.
• Abstract（参考訳）: 我々は、グリッド統合のパラダイムシフトと、データセンターのような大規模エネルギー消費者のためのエネルギー貯蔵を動機とした、オンラインスムーズな需要管理(\texttt{OSDM})$と呼ばれる一連のオンライン問題を紹介し、研究する。 $\texttt{OSDM}$ では、オペレータは、購入するエネルギー量と、配送するエネルギー(すなわち計算に使用される)の2つのステップで決定する。 これらの決定の違いは、オペレーターのエネルギー貯蔵(例えばバッテリー)を充電(または放電)する。 ベース需要は、現在カバーしなければならないベース需要と、フレキシブル需要であり、需要固有の期限である$Δ_t$の前に、任意のタイミングで満足できる。 オペレーターの目標は、エネルギーを購入するコスト、エネルギーを届けるコスト(適用可能であれば)、そして変動を回避し「健康な」意思決定を促進するために購入と配送の速度に対する円滑なペナルティを組み合わせたコスト(上述の制約に該当する)を最小限にすることである。 $\texttt{OSDM}$は、関心のあるアプリケーションを完全にモデル化した最初の人物でありながら、オンラインアルゴリズムの文学におけるいくつかの問題を一般化する。 我々は、$\texttt{PAAD}$(分割会計と集約決定)と呼ばれる競合アルゴリズムを提案し、最適な競合比を達成することを示す。 また,最悪のケース分析に典型的な悲観的な問題を克服するため,最悪のケースの競合比(すなわち,非定常性に対する堅牢性を提供するための)を保証し,問題の歴史的事例において最高のアルゴリズムをエンドツーエンドで微分可能な学習を可能にする新しい学習フレームワークを提案する。 我々は,グリッド統合されたデータセンターとバッテリストレージのケーススタディにおいて,このアルゴリズムを評価した結果,$\texttt{PAAD}$がこの問題を効果的に解決し,エンドツーエンド学習が$\texttt{PAAD}$と比較して大幅な性能向上を実現していることがわかった。

関連論文リスト

• Spatial Supply Repositioning with Censored Demand Data [10.797160099834306]
  我々は、一方通行のオンデマンド車両共有サービスによるネットワーク在庫システムについて検討する。 このような一般的な在庫ネットワークにおいて最適なポリシーを見つけることは解析的にも計算的にも困難である。 我々の研究は、共有モビリティビジネスの生存性における在庫管理の重要性を強調している。
  論文  参考訳（メタデータ） (2025-01-31T15:16:02Z)
• Learning-Augmented Competitive Algorithms for Spatiotemporal Online Allocation with Deadline Constraints [11.029788598491077]
  我々は,サステナビリティとエネルギの新たな課題によって動機付けられた,新たなオンライン問題を紹介し,研究する。 オンラインプレーヤーは$mathsfSOADで、ポイント当たりのメートル法空間$(, d) にアロケートしてスケジューリングすることで、ワークロードを完了します。 各時点において、各時点における作業負荷のコストを表すサービスコスト関数が明らかにされ、プレーヤは、現在の作業のポイントへの割り当てを不当に決定しなければならない。
  論文  参考訳（メタデータ） (2024-08-14T22:08:06Z)
• Contractual Reinforcement Learning: Pulling Arms with Invisible Hands [68.77645200579181]
  本稿では,契約設計によるオンライン学習問題において,利害関係者の経済的利益を整合させる理論的枠組みを提案する。 計画問題に対して、遠目エージェントに対する最適契約を決定するための効率的な動的プログラミングアルゴリズムを設計する。 学習問題に対して,契約の堅牢な設計から探索と搾取のバランスに至るまでの課題を解き放つために,非回帰学習アルゴリズムの汎用設計を導入する。
  論文  参考訳（メタデータ） (2024-07-01T16:53:00Z)
• On the Necessity of Collaboration for Online Model Selection with Decentralized Data [53.244188985271606]
  我々は,100万ドル以上の分散データを用いたオンラインモデル選択について検討し,クライアント間のコラボレーションの必要性について検討する。 i) クライアント上の計算コストが$o(K)$に制限された場合, (ii) クライアント上での計算制約がない場合, (i) 協調は不要であり, (ii) クライアント上での計算コストは$o(K)$に制限される。
  論文  参考訳（メタデータ） (2024-04-15T06:32:28Z)
• Online Conversion with Switching Costs: Robust and Learning-Augmented Algorithms [11.029788598491077]
  エネルギーとサステナビリティの交差点で発生した問題を捉えるオンライン問題の一群である,スイッチングコストによるオンライン変換について検討する。 本稿では,この問題の決定論的および決定論的変異に対して,競合的(ロバストな)しきい値に基づくアルゴリズムを導入する。 そこで我々は,ブラックボックスのアドバイスを活かした学習強化アルゴリズムを提案し,平均ケース性能を著しく向上させた。
  論文  参考訳（メタデータ） (2023-10-31T16:34:49Z)
• TransPath: Learning Heuristics For Grid-Based Pathfinding via Transformers [64.88759709443819]
  探索の効率を顕著に向上させると考えられる,インスタンス依存のプロキシを学習することを提案する。 私たちが最初に学ぶことを提案するプロキシは、補正係数、すなわち、インスタンスに依存しないコスト・ツー・ゴの見積もりと完璧な見積もりの比率である。 第2のプロキシはパス確率であり、グリッドセルが最も短いパスに横たわっている可能性を示している。
  論文  参考訳（メタデータ） (2022-12-22T14:26:11Z)
• Unsupervised Optimal Power Flow Using Graph Neural Networks [172.33624307594158]
  グラフニューラルネットワークを用いて、要求された電力と対応するアロケーションとの間の非線形パラメトリゼーションを学習する。 シミュレーションを通して、この教師なし学習コンテキストにおけるGNNの使用は、標準解法に匹敵するソリューションにつながることを示す。
  論文  参考訳（メタデータ） (2022-10-17T17:30:09Z)
• Movement Penalized Bayesian Optimization with Application to Wind Energy Systems [84.7485307269572]
  文脈ベイズ最適化(CBO)は、与えられた側情報を逐次決定する強力なフレームワークである。 この設定では、学習者は各ラウンドでコンテキスト(天気条件など)を受け取り、アクション(タービンパラメータなど)を選択する必要がある。 標準的なアルゴリズムは、すべてのラウンドで意思決定を切り替えるコストを前提としませんが、多くの実用的なアプリケーションでは、このような変更に関連するコストが最小化されるべきです。
  論文  参考訳（メタデータ） (2022-10-14T20:19:32Z)
• Demand-Side Scheduling Based on Multi-Agent Deep Actor-Critic Learning for Smart Grids [56.35173057183362]
  家庭用家電をネットでスケジュールできるスマートメーターが各家庭に備わっている需要側エネルギー管理の問題点を考察する。 目標は、リアルタイムの料金体系の下で全体のコストを最小化することです。 マルコフゲームとしてスマートグリッド環境の定式化を提案する。
  論文  参考訳（メタデータ） (2020-05-05T07:32:40Z)

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。