論文の概要: EcoNet: Multiagent Planning and Control Of Household Energy Resources Using Active Inference
- arxiv url: http://arxiv.org/abs/2512.21343v1
- Date: Sun, 14 Dec 2025 22:34:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-04 08:45:17.051153
- Title: EcoNet: Multiagent Planning and Control Of Household Energy Resources Using Active Inference
- Title（参考訳）: EcoNet:アクティブ推論を用いた家庭エネルギー資源のマルチエージェント計画と制御
- Authors: John C. Boik, Kobus Esterhuysen, Jacqueline B. Hynes, Axel Constant, Ines Hipolito, Mahault Albarracin, Alex B. Kiefer, Karl Friston,
- Abstract要約: 本稿では,活動的推論に基づく家庭用・近隣エネルギー管理におけるベイズ的アプローチであるEcoNetを紹介する。
エネルギー管理と調整の改善を目標とし、不確実性を調整し、潜在的に条件付きで矛盾する目標や嗜好を考慮している。
- 参考スコア（独自算出の注目度）: 0.020440916035824108
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Advances in automated systems afford new opportunities for intelligent management of energy at household, local area, and utility scales. Home Energy Management Systems (HEMS) can play a role by optimizing the schedule and use of household energy devices and resources. One challenge is that the goals of a household can be complex and conflicting. For example, a household might wish to reduce energy costs and grid-associated greenhouse gas emissions, yet keep room temperatures comfortable. Another challenge is that an intelligent HEMS agent must make decisions under uncertainty. An agent must plan actions into the future, but weather and solar generation forecasts, for example, provide inherently uncertain estimates of future conditions. This paper introduces EcoNet, a Bayesian approach to household and neighborhood energy management that is based on active inference. The aim is to improve energy management and coordination, while accommodating uncertainties and taking into account potentially conditional and conflicting goals and preferences. Simulation results are presented and discussed.
- Abstract（参考訳）: 自動化システムの進歩は、家庭、地域、ユーティリティースケールにおけるエネルギーのインテリジェントな管理に新たな機会を与える。
家庭用エネルギー管理システム(HEMS)は、家庭用エネルギー機器や資源のスケジュールと使用を最適化することで、役割を果たすことができる。
一つの課題は、家庭のゴールが複雑で矛盾する可能性があることだ。
例えば、家庭はエネルギーコストとグリッドによる温室効果ガス排出量を削減したいが、室温は快適に保たれる。
もうひとつの課題は、インテリジェントなHEMSエージェントが不確実性の下で意思決定をしなければならないことだ。
エージェントは将来的な行動を計画する必要があるが、天気予報や発電予測は、例えば将来の状況について本質的に不確実な見積もりを提供する。
本稿では,活動的推論に基づく家庭用・近隣エネルギー管理におけるベイズ的アプローチであるEcoNetを紹介する。
エネルギー管理と調整の改善を目標とし、不確実性を調整し、潜在的に条件付きで矛盾する目標や嗜好を考慮している。
シミュレーションの結果を提示し、議論する。
関連論文リスト
- EnergyTwin: A Multi-Agent System for Simulating and Coordinating Energy Microgrids [2.8144129864580454]
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。
論文 参考訳（メタデータ） (2025-11-25T18:19:40Z) - EnergAIze: Multi Agent Deep Deterministic Policy Gradient for Vehicle to Grid Energy Management [0.0]
本稿では,MARL(Multi-Agent Reinforcement Learning)エネルギー管理フレームワークであるEnergAIzeを紹介する。
ユーザ中心の多目的エネルギー管理を可能にし、各プローサが様々な個人管理目標から選択できるようにする。
EnergAIzeの有効性は、CityLearnシミュレーションフレームワークを用いたケーススタディにより評価された。
論文 参考訳（メタデータ） (2024-04-02T23:16:17Z) - 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) - Intelligent Energy Management Systems -- A Review [0.0]
家庭や職場の器具や器具を使うために電気を消費し、在宅勤務や在宅勤務時にある程度の快適さに達する。
このような問題を効果的に解決することは、環境と社会の両方に影響を及ぼす。
エネルギー消費をリアルタイムでモニタリングし、乗員のエネルギー浪費行動を変化させ、エネルギー節約シナリオを組み込んだ自動化を利用することは、世界のエネルギーフットプリントを減少させる方法である。
論文 参考訳（メタデータ） (2022-05-16T20:10:20Z) - Weather-based forecasting of energy generation, consumption and price
for electrical microgrids management [0.0]
炭素を含まない社会への移行は、エネルギー混合における再生可能エネルギーのシェアを必然的に増加させる。
本論文は, 発電システムにおける再生可能エネルギーの統合について, 予測・意思決定ツールについて検討するものである。
論文 参考訳（メタデータ） (2021-07-01T09:02:36Z) - 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) - NeurOpt: Neural network based optimization for building energy
management and climate control [58.06411999767069]
モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。
イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
論文 参考訳（メタデータ） (2020-01-22T00:51:03Z)
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。