論文の概要: A Context-Free Smart Grid Model Using Complex System Approach

• arxiv url: http://arxiv.org/abs/2512.15733v1
• Date: Fri, 05 Dec 2025 19:53:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-21 14:22:08.783146
• Title: A Context-Free Smart Grid Model Using Complex System Approach
• Title（参考訳）: 複雑なシステムアプローチを用いた文脈自由なスマートグリッドモデル
• Authors: Soufian Ben Amor, Alain Bui, Guillaume Guerard,
• Abstract要約: スマートグリッドはサイズ、要素、戦略によって異なるシステムに進化するかもしれないが、その基本的な要件や目的は変わらない。 我々は,ゲーム理論と古典的手法を異なるレベルで組み合わせることで,最適化をアクセント化する,スマートグリッドモデリングへの複雑なシステムベースアプローチを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Energy and pollution are urging problems of the 21th century. By gradually changing the actual power grid system, smart grid may evolve into different systems by means of size, elements and strategies, but its fundamental requirements and objectives will not change such as optimizing production, transmission, and consumption. Studying the smart grid through modeling and simulation provides us with valuable results which cannot be obtained in real world due to time and cost related constraints. Moreover, due to the complexity of the smart grid, achieving global optimization is not an easy task. In this paper, we propose a complex system based approach to the smart grid modeling, accentuating on the optimization by combining game theoretical and classical methods in different levels. Thanks to this combination, the optimization can be achieved with flexibility and scalability, while keeping its generality.
• Abstract（参考訳）: エネルギーと汚染は21世紀の問題を引き起こしている。 実際の電力網システムを徐々に変えることで、スマートグリッドはサイズ、要素、戦略によって異なるシステムへと進化するが、その基本的な要件と目的は、生産、送信、消費の最適化など、変化しない。 モデリングとシミュレーションによるスマートグリッドの研究により,時間的制約とコスト的制約により現実では得られない貴重な結果が得られる。 さらに、スマートグリッドの複雑さのため、グローバルな最適化を実現するのは容易ではない。 本稿では,ゲーム理論と古典的手法を異なるレベルで組み合わせることで,最適化をアクセント化する,スマートグリッドモデリングへの複雑なシステムベースアプローチを提案する。 この組み合わせにより、最適化は柔軟性とスケーラビリティを保ちながら達成できる。

関連論文リスト

• An AI-Enabled Hybrid Cyber-Physical Framework for Adaptive Control in Smart Grids [0.0]
  本稿では,3層構造(物理,サイバー,制御)をシステムの中心として,エネルギー管理システムを提案する。 提案するフレームワークは、グリッド安定性を確保し、ディスパッチを最適化し、絶えず変化するグリッドダイナミックスに対応する。
  論文  参考訳（メタデータ） (2025-11-26T17:08:06Z)
• Systemic approach for modeling a generic smart grid [0.0]
  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。
  論文  参考訳（メタデータ） (2025-11-21T14:51:23Z)
• 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)
• Bridging Visualization and Optimization: Multimodal Large Language Models on Graph-Structured Combinatorial Optimization [56.17811386955609]
  グラフ構造上の課題は、その非線形で複雑な性質のために本質的に困難である。 本研究では,高次構造的特徴を正確に保存するために,グラフを画像に変換する手法を提案する。 マルチモーダルな大規模言語モデルと単純な検索手法を組み合わせた革新的なパラダイムを生かし、新しい効果的なフレームワークを開発することを目指す。
  論文  参考訳（メタデータ） (2025-01-21T08:28:10Z)
• 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)
• Grid-SiPhyR: An end-to-end learning to optimize framework for combinatorial problems in power systems [0.0]
  SiPhyRは物理インフォームド機械学習フレームワークで、エンドツーエンドの学習で問題解決を最適化する。 クリーンエネルギーシステムの新たなパラダイムにおけるSiPhyRの有効性を実証する。
  論文  参考訳（メタデータ） (2022-06-11T16:06:36Z)
• Model-Informed Generative Adversarial Network (MI-GAN) for Learning Optimal Power Flow [5.407198609685119]
  最適電力フロー(OPF)問題は、電力系統の運用において重要な要素であり、電力系統にたらされる再生可能エネルギーの変動、断続性、予測不能により、解決がますます困難になる。 ニューラルネットワークのようなディープラーニング技術は、最近、データの利用によってOPF問題を解決する際の計算効率を改善するために開発されている。 本稿では,不確実性下でOPFを解決するための最適化モデルインフォームド・ジェネレーティブ・逆数ネットワーク(MI-GAN)フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-04T00:37:37Z)
• Multi-Objective Constrained Optimization for Energy Applications via Tree Ensembles [55.23285485923913]
  エネルギーシステムの最適化問題は、強い非線形系の挙動と複数の競合する目的のために複雑である。 場合によっては、提案された最適解は、物理的性質や安全クリティカルな操作条件に関連する明示的な入力制約に従う必要がある。 本稿では,ブラックボックス問題に対する制約付き多目的最適化のためのツリーアンサンブルを用いた新しいデータ駆動戦略を提案する。
  論文  参考訳（メタデータ） (2021-11-04T20:18:55Z)
• Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with Heterogeneous Learning Tasks [53.1636151439562]
  モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。 再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。 具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
  論文  参考訳（メタデータ） (2020-12-25T07:08:50Z)
• Optimizing Wireless Systems Using Unsupervised and Reinforced-Unsupervised Deep Learning [96.01176486957226]
  無線ネットワークにおけるリソース割り当てとトランシーバーは、通常最適化問題の解決によって設計される。 本稿では,変数最適化と関数最適化の両問題を解くための教師なし・教師なし学習フレームワークを紹介する。
  論文  参考訳（メタデータ） (2020-01-03T11:01:52Z)

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。