論文の概要: Systemic approach for modeling a generic smart grid

• arxiv url: http://arxiv.org/abs/2511.19460v1
• Date: Fri, 21 Nov 2025 14:51:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.003992
• Title: Systemic approach for modeling a generic smart grid
• Title（参考訳）: 汎用スマートグリッドのモデリングのための体系的アプローチ
• Authors: Sofiane Ben Amor, Guillaume Guerard, Loup-Noé Levy,
• Abstract要約: 本稿では,スマートグリッドのバックボーンモデルを用いて,グリッドの代替シナリオをテストする。 サブシステムの分散最適化により、柔軟性とスケーラビリティを維持しながら、生産と消費のスケジューリングが達成される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Smart grid technological advances present a recent class of complex interdisciplinary modeling and increasingly difficult simulation problems to solve using traditional computational methods. To simulate a smart grid requires a systemic approach to integrated modeling of power systems, energy markets, demand-side management, and much other resources and assets that are becoming part of the current paradigm of the power grid. This paper presents a backbone model of a smart grid to test alternative scenarios for the grid. This tool simulates disparate systems to validate assumptions before the human scale model. Thanks to a distributed optimization of subsystems, the production and consumption scheduling is achieved while maintaining flexibility and scalability.
• Abstract（参考訳）: スマートグリッドの技術進歩は、最近の複雑な分野間モデリングと、従来の計算手法を用いて解くのがますます困難になっているシミュレーション問題を提示する。 スマートグリッドをシミュレートするには、電力システム、エネルギー市場、需要側管理など、現在の電力グリッドのパラダイムの一部となっている多くのリソースや資産の統合モデリングに対する体系的なアプローチが必要である。 本稿では,スマートグリッドのバックボーンモデルを用いて,グリッドの代替シナリオをテストする。 このツールは異種システムをシミュレートし、人間のスケールモデルの前に仮定を検証する。 サブシステムの分散最適化により、柔軟性とスケーラビリティを維持しながら、生産と消費のスケジューリングが達成される。

関連論文リスト

• Optimizing Energy Management of Smart Grid using Reinforcement Learning aided by Surrogate models built using Physics-informed Neural Networks [29.49941497527361]
  Reinforcement Learning (RL)は、スマートグリッドにおける最適電力フローの課題に対処するソリューションとして注目されている。 本稿では,Physics-informed Neural Networks (PINN) を用いて構築したサロゲートモデルを用いて,コストのかかるスマートグリッドシミュレータを置換することで,この問題に対処する。
  論文  参考訳（メタデータ） (2025-10-20T10:17:42Z)
• Power Grid Control with Graph-Based Distributed Reinforcement Learning [60.49805771047161]
  この作業は、リアルタイムでスケーラブルなグリッド管理のためのグラフベースの分散強化学習フレームワークを前進させる。 グラフニューラルネットワーク(GNN)を使用して、ネットワークのトポロジ情報を単一の低レベルエージェントの観測内にエンコードする。 Grid2Opシミュレーション環境での実験は、このアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2025-09-02T22:17:25Z)
• Grid-Agent: An LLM-Powered Multi-Agent System for Power Grid Control [4.3210078529580045]
  本稿では、グリッド違反を検出し、修正する自律型AI駆動フレームワークであるGrid-Agentを紹介する。 Grid-Agentは、意味論的推論とモジュラーエージェントによる数値的精度を統合する。 IEEEおよびCIGREベンチマークネットワークの実験は、優れた緩和性能を示す。
  論文  参考訳（メタデータ） (2025-08-07T01:10:28Z)
• Optimal Power Grid Operations with Foundation Models [0.0]
  本稿では,AIファンデーションモデル(FM)とグラフニューラルネットワークの進歩を利用して,ダウンストリームタスクの低可用性グリッドデータを効率的に活用することを提案する。 グリッドの基盤となる物理を捉えるために、電力流力学を学習する自己教師型モデルの構築は、電力グリッドのためのFMを開発するための重要な第一歩であると信じている。
  論文  参考訳（メタデータ） (2024-09-03T09:06:13Z)
• Grounding and Enhancing Grid-based Models for Neural Fields [52.608051828300106]
  本稿では,グリッドモデルに関する理論的枠組みを紹介する。 このフレームワークは、これらのモデルの近似と一般化の挙動がグリッド接カーネル(GTK)によって決定されることを指摘している。 導入されたフレームワークは、Multiplicative Fourier Adaptive Grid(MulFAGrid)と呼ばれる新しいグリッドベースモデルの開発を動機付けている。
  論文  参考訳（メタデータ） (2024-03-29T06:33:13Z)
• Machine Learning Insides OptVerse AI Solver: Design Principles and Applications [74.67495900436728]
  本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。 本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。 本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
  論文  参考訳（メタデータ） (2024-01-11T15:02:15Z)
• Constructing Neural Network-Based Models for Simulating Dynamical Systems [59.0861954179401]
  データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。 本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。 基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
  論文  参考訳（メタデータ） (2021-11-02T10:51:42Z)

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。