論文の概要: EnergyTwin: A Multi-Agent System for Simulating and Coordinating Energy Microgrids

• arxiv url: http://arxiv.org/abs/2511.20590v1
• Date: Tue, 25 Nov 2025 18:19:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.606493
• Title: EnergyTwin: A Multi-Agent System for Simulating and Coordinating Energy Microgrids
• Title（参考訳）: EnergyTwin:エネルギーマイクログリッドのシミュレーションと調整のためのマルチエージェントシステム
• Authors: Jakub Muszyński, Ignacy Walużenicz, Patryk Zan, Zofia Wrona, Maria Ganzha, Marcin Paprzycki, Costin Bădică,
• Abstract要約: EnergyTwinはエージェントベースのマイクログリッドシミュレーション環境で、物理的基盤モデルと予測インフォームド、ローリングホライゾン計画、交渉を結合する。 その結果, 予測駆動型ローリングホライゾンプランニングは, 地域エネルギーの自己充足性を高め, 電池備蓄率を高め, 低抵抗運転状態への曝露を減少させることがわかった。
• 参考スコア（独自算出の注目度）: 2.8144129864580454
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Microgrids are deployed to reduce purchased grid energy, limit exposure to volatile tariffs, and ensure service continuity during disturbances. This requires coordinating heterogeneous distributed energy resources across multiple time scales and under variable conditions. Among existing tools, typically, power-system simulators capture physical behaviour but assume centralized control, while multi-agent frameworks model decentralized decision-making but represent energy with no physical grounding. In this context, the EnergyTwin is introduced, an agent-based microgrid simulation environment that couples physically grounded models with forecast-informed, rolling-horizon planning, and negotiations. Each asset is modeled as an agent, interacting with a central agent that obtains forecasts, formulates predictions, and allocates energy through contract-based interactions. EnergyTwin targets tertiary-layer decision making and is extensible for digital-twin use. Its feasibility was evaluated in a university campus microgrid scenario where multiple planning strategies were compared. Achieved results show that forecast-driven rolling-horizon planning increases local energy self-sufficiency, maintains higher battery reserves, and reduces exposure to low-resilience operating states. They demonstrate also potential of EnergyTwin as platform supporting research on resilient, negotiation-driven microgrids.
• Abstract（参考訳）: マイクログリッドは、購入したグリッドエネルギーを削減し、揮発性関税への曝露を制限し、障害時のサービス継続性を確保するために配置される。 これは、複数の時間スケールと変動条件下での異種分散エネルギー資源の調整を必要とする。 既存のツールの中では、電源系シミュレータは物理的な振る舞いをキャプチャするが、集中制御を前提としており、マルチエージェントフレームワークは分散決定をモデル化するが、物理的基盤を持たないエネルギーを表現している。 この文脈で、EnergyTwinはエージェントベースのマイクログリッドシミュレーション環境を導入し、予測インフォームド、ローリングホライゾン計画、交渉を物理的に基礎づけたモデルと組み合わせる。 各資産はエージェントとしてモデル化され、予測を取得し、予測を定式化し、契約ベースの相互作用を通じてエネルギーを割り当てる中央エージェントと相互作用する。 EnergyTwinは第3層の意思決定をターゲットとしており、デジタルツインの使用には拡張性がある。 複数の計画戦略を比較した大学構内マイクログリッドシナリオにおいて,その実現可能性を評価した。 その結果, 予測駆動型ローリングホライゾン計画では, 地域エネルギーの自己充足が向上し, 電池の蓄えが向上し, 低抵抗運転状態への曝露が抑制されることがわかった。 彼らはまた、レジリエントで交渉主導のマイクログリッドの研究を支援するプラットフォームとして、EnergyTwinの可能性を示した。

関連論文リスト

• PowerGrow: Feasible Co-Growth of Structures and Dynamics for Power Grid Synthesis [75.14189839277928]
  本稿では,運用効率を維持しながら計算オーバーヘッドを大幅に削減する,共同生成フレームワークPowerGrowを提案する。 ベンチマーク設定による実験では、PowerGrowはフィデリティと多様性において、事前の拡散モデルよりも優れていた。 これは、運用上有効で現実的な電力グリッドシナリオを生成する能力を示している。
  論文  参考訳（メタデータ） (2025-08-29T01:47:27Z)
• Combating Uncertainties in Wind and Distributed PV Energy Sources Using Integrated Reinforcement Learning and Time-Series Forecasting [2.774390661064003]
  再生可能エネルギーの予測不能は 電力供給会社や電力会社に 課題をもたらします i)Long-Short Term Memory (LSTM) ソリューションを用いた時系列予測と,(ii)Deep Deterministic Policy Gradient (DDPG)アルゴリズムを用いたマルチエージェント強化学習による分散動的意思決定フレームワークの確立という,スマートグリッドにおける再生可能エネルギーの不確実性に対処する新たなフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-27T19:12:50Z)
• 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)
• Evaluating the Planning and Operational Resilience of Electrical Distribution Systems with Distributed Energy Resources using Complex Network Theory [0.0]
  本稿では,極端事象下での配電系統の計画と運用のレジリエンスを評価する手法を提案する。 提案するフレームワークは,複雑なネットワーク理論を効果的に活用して開発されている。
  論文  参考訳（メタデータ） (2022-08-24T13:41:37Z)
• 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)
• Towards a Peer-to-Peer Energy Market: an Overview [68.8204255655161]
  本研究は, 電力市場を中心に, 現状と, プロシューマーによる分散型自己生成能力の増大傾向を比較した。 我々はP2P(Peer-to-Peer)エネルギー市場のための潜在的多層アーキテクチャを導入し、マイクログリッドの一部として、地域生産と地域消費の基本的な側面について議論する。 読者に全体像を示すため、スマートコントラクトやグリッド安定性といったエネルギー取引の関連要素についても精査する。
  論文  参考訳（メタデータ） (2020-03-02T20:32:10Z)
• Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
  マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。 ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
  論文  参考訳（メタデータ） (2020-02-21T02:14:38Z)
• 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。