論文の概要: Harnessing Flexible Spatial and Temporal Data Center Workloads for Grid Regulation Services

• arxiv url: http://arxiv.org/abs/2602.01508v1
• Date: Mon, 02 Feb 2026 00:42:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.823603
• Title: Harnessing Flexible Spatial and Temporal Data Center Workloads for Grid Regulation Services
• Title（参考訳）: グリッドレギュレーションサービスのためのフレキシブルな空間的・時間的データセンターワークロードのハーネス化
• Authors: Yingrui Fan, Junbo Zhao,
• Abstract要約: 地理的に分散したDC間での負荷分散と規制容量のコミットメントを共同で決定する統合された日頭協調最適化フレームワークを提案する。 ケーススタディでは,提案手法がシステム運用コストを低減し,より現実的な規制能力を実現し,収益リスクの高いトレードオフを達成できることが示されている。
• 参考スコア（独自算出の注目度）: 8.460796912216642
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Data centers (DCs) are increasingly recognized as flexible loads that can support grid frequency regulation. Yet, most existing methods treat workload scheduling and regulation capacity bidding separately, overlooking how queueing dynamics and spatial-temporal dispatch decisions affect the ability to sustain real-time regulation. As a result, the committed regulation may become infeasible or short-lived. To address this issue, we propose a unified day-ahead co-optimization framework that jointly decides workload distribution across geographically distributed DCs and regulation capacity commitments. We construct a space-time network model to capture workload migration costs, latency requirements, and heterogeneous resource limits. To ensure that the committed regulation remains deliverable, we introduce chance constraints on instantaneous power flexibility based on interactive load forecasts, and apply Value-at-Risk queue-state constraints to maintain sustainable response under cumulative regulation signals. Case studies on a modified IEEE 68-bus system using real data center traces show that the proposed framework lowers system operating costs, enables more viable regulation capacity, and achieves better revenue-risk trade-offs compared to strategies that optimize scheduling and regulation independently.
• Abstract（参考訳）: データセンター(DC)は、グリッド周波数規制をサポートするフレキシブルな負荷として、ますます認識されている。 しかし、既存のほとんどの方法は、作業負荷のスケジューリングと規制能力の入札を別々に扱い、待ち行列のダイナミクスと時空間のディスパッチ決定がリアルタイムの規制を維持する能力にどのように影響するかを見極めている。 結果として、コミットされた規制は無効または短命になる可能性がある。 この問題に対処するために、地理的に分散したDC間のワークロード分布と規制容量のコミットメントを共同で決定する統合された日頭協調最適化フレームワークを提案する。 時空間ネットワークモデルを構築し、ワークロードのマイグレーションコスト、レイテンシ要件、異種リソース制限をキャプチャする。 そこで本研究では,対話型負荷予測に基づく瞬時電力柔軟性の制約を導入し,累積的な制御信号の下での持続的応答を維持するために,バリュー・アット・リスク状態制約を適用した。 実データセンタトレースを用いた改良IEEE 68バスシステムのケーススタディでは,提案手法がシステム運用コストを低減し,より現実的な規制能力を実現し,スケジューリングと規制を独立に最適化する戦略に比べて,収益リスクの高いトレードオフを達成できることが示されている。

関連論文リスト

• Lyapunov Stability-Aware Stackelberg Game for Low-Altitude Economy: A Control-Oriented Pruning-Based DRL Approach [37.51135101684223]
  無人航空機(UAV)は、ユーザからの多様なサービスを支援する重要な航空基地局として機能している。 このような異種ネットワークの有効性は、制限されたオンボードリソースと厳密な安定性要件の間の競合によってしばしば損なわれる。 本稿では,通信遅延が物理的制御安定性に与える影響を明示的にモデル化する,センシング・通信・通信・通信・通信のクローズドループフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-01T10:01:07Z)
• Algorithms for dynamic scheduling in manufacturing, towards digital factories Improving Deadline Feasibility and Responsiveness via Temporal Networks [0.0]
  従来の決定論的スケジュールは、現実が名目上の計画から逸脱した時に崩壊する。 この論文は、オフラインの制約プログラミングとオンラインの時間的ネットワーク実行を組み合わせることで、最悪の不確実性の下で実現可能なスケジュールを作成する。
  論文  参考訳（メタデータ） (2025-10-16T17:28:25Z)
• FairBatching: Fairness-Aware Batch Formation for LLM Inference [2.0917668141703207]
  この研究は、この不公平の根本原因を特定する:時-時-時-(TBT)の非単調性 本稿では,タスクの充足と復号のリソース割り当てを公平に行う新しいシステムであるFair the Prioritizingを提案する。
  論文  参考訳（メタデータ） (2025-10-16T07:43:56Z)
• 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)
• Accountability in Offline Reinforcement Learning: Explaining Decisions with a Corpus of Examples [70.84093873437425]
  本稿では、オフラインデータセットを決定コーパスとして利用するAOC(Accountable Offline Controller)を紹介する。 AOCはローデータシナリオで効果的に動作し、厳密なオフラインの模倣設定まで拡張でき、保存性と適応性の両方の品質を示す。 シミュレーションおよび実世界の医療シナリオにおいて、AOCのパフォーマンスを評価し、説明責任を維持しながら高いレベルのパフォーマンスでオフライン制御タスクを管理する能力を強調した。
  論文  参考訳（メタデータ） (2023-10-11T17:20:32Z)
• Guaranteed Dynamic Scheduling of Ultra-Reliable Low-Latency Traffic via Conformal Prediction [72.59079526765487]
  アップリンクにおける超信頼性・低遅延トラフィック(URLLC)の動的スケジューリングは、既存のサービスの効率を大幅に向上させることができる。 主な課題は、URLLCパケット生成のプロセスにおける不確実性である。 本稿では,URLLC トラフィック予測器の品質に関わらず,信頼性と遅延を保証した新しい URLLC パケットスケジューラを提案する。
  論文  参考訳（メタデータ） (2023-02-15T14:09:55Z)
• Generating Dispatching Rules for the Interrupting Swap-Allowed Blocking Job Shop Problem Using Graph Neural Network and Reinforcement Learning [21.021840570685264]
  割り込みスワップ可能なブロッキングジョブショップ問題(ISBJSSP)は、多くの製造計画やロジスティクスアプリケーションを現実的にモデル化することができる。 連続的な削除や加算を受けるノードとエッジを特徴とする動的解離グラフの定式化を導入する。 ISBJSSP設定の割り込み、スワップ、ブロッキングをシミュレートするシミュレータが開発された。
  論文  参考訳（メタデータ） (2023-02-05T23:35:21Z)
• Learning Resilient Radio Resource Management Policies with Graph Neural Networks [124.89036526192268]
  我々は、ユーザ当たりの最小容量制約でレジリエントな無線リソース管理問題を定式化する。 有限個のパラメータ集合を用いてユーザ選択と電力制御ポリシーをパラメータ化できることを示す。 このような適応により,提案手法は平均レートと5番目のパーセンタイルレートとの良好なトレードオフを実現する。
  論文  参考訳（メタデータ） (2022-03-07T19:40:39Z)
• Deep Reinforcement Learning for Wireless Scheduling in Distributed Networked Control [37.10638636086814]
  完全分散無線制御システム(WNCS)の周波数チャネル数に制限のある結合アップリンクとダウンリンクのスケジューリング問題を考える。 深層強化学習(DRL)に基づくフレームワークを開発した。 DRLにおける大きなアクション空間の課題に対処するために,新しいアクション空間削減法とアクション埋め込み法を提案する。
  論文  参考訳（メタデータ） (2021-09-26T11:27:12Z)

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。