論文の概要: An Optimal Battery-Free Approach for Emission Reduction by Storing Solar Surplus in Building Thermal Mass
- arxiv url: http://arxiv.org/abs/2603.28217v1
- Date: Mon, 30 Mar 2026 09:37:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-31 23:18:45.323875
- Title: An Optimal Battery-Free Approach for Emission Reduction by Storing Solar Surplus in Building Thermal Mass
- Title（参考訳）: 太陽光発電による建築熱量削減のための最適バッテリフリーアプローチ
- Authors: Michela Boffi, Jessica Leoni, Fabrizio Leonforte, Mara Tanelli, Paolo Oliaro,
- Abstract要約: 建物内の脱炭は、現場の再生可能エネルギー、グリッド電力、熱需要を調整する高度な制御戦略を要求する。
受動型蓄熱装置としてビルの熱量を利用する最適炭素認識最適化手法を提案する。
熱質量の異なる同じ系のTRNSYSモデルを3つのシミュレーションにより評価した。
- 参考スコア（独自算出の注目度）: 6.6544834267829165
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Decarbonization in buildings calls for advanced control strategies that coordinate on-site renewables, grid electricity, and thermal demand. Literature approaches typically rely on demand side management strategies or on active energy storage, like batteries. However, the first solution often neglects carbon-aware objectives, and could lead to grid overload issues, while batteries entail environmental, end-of-life, and cost concerns. To overcome these limitations, we propose an optimal, carbon-aware optimization strategy that exploits the building's thermal mass as a passive storage, avoiding dedicated batteries. Specifically, when a surplus of renewable energy is available, our strategy computes the optimal share of surplus to store by temporarily adjusting the indoor temperature setpoint within comfort bounds. Thus, by explicitly accounting for forecasts of building energy consumption, solar production, and time-varying grid carbon intensity, our strategy enables emissions-aware load shifting while maintaining comfort. We evaluate the approach by simulating three TRNSYS models of the same system with different thermal mass. In all cases, the results show consistent reductions in grid electricity consumption with respect to a baseline that does not leverage surplus renewable generation. These findings highlight the potential of thermal-mass-based control for building decarbonization.
- Abstract（参考訳）: 建物内の脱炭は、現場の再生可能エネルギー、グリッド電力、熱需要を調整する高度な制御戦略を要求する。
文学的なアプローチは典型的には、需要側の管理戦略や電池のようなアクティブなエネルギー貯蔵に依存している。
しかし、第一の解決策は、しばしばカーボンを意識した目的を無視し、グリッドオーバーロードの問題を引き起こす可能性がある。
これらの制約を克服するため, ビルの熱量を受動的ストレージとして活用し, 専用の電池を使わずに, 最適で炭素を意識した最適化手法を提案する。
具体的には, 再生可能エネルギーの余剰が利用できる場合, 快適域内の室内温度設定点を一時的に調整することにより, 貯蔵する余剰の最適割合を計算する。
したがって, 建設エネルギー消費, 太陽光発電, 時変グリッドカーボン強度の予測を明示的に考慮することにより, 快適性を維持しつつ, 排出に配慮した負荷シフトを可能にする。
熱質量の異なる同じ系のTRNSYSモデルを3つのシミュレーションにより評価した。
いずれの場合も、余剰再生可能エネルギーを生かさないベースラインに対して、グリッド電力消費が一貫した減少を示す。
これらの結果から, ビルの脱炭に対する熱質量制御の可能性が示唆された。
関連論文リスト
- A Cherry-Picking Approach to Large Load Shaping for More Effective Carbon Reduction [1.392465349422406]
本研究では, 直流直流直流最適電力流 (DC-OPF) のキャリブレーションを行い, グリッドCO2排出ガスの負荷形状と電力コストの逆解析を行った。
年次グリッドレベルCO2排出量削減の観点では、LMPベースのシェーピングは他の一般的な戦略よりも優れるが、大幅な改善が可能である。
論文 参考訳（メタデータ） (2026-01-25T20:43:51Z) - Accounting for Optimal Control in the Sizing of Isolated Hybrid Renewable Energy Systems Using Imitation Learning [0.0]
分離エネルギーシステムにおけるエネルギー貯蔵と再生可能容量のためのフレキシブルで効率的なサイズ化フレームワークを提案する。
我々は,ニューラルネットワーク予測制御(MPC)の模倣学習手法を実装し,バッテリストレージと風速ピーク容量を関連付ける。
本研究では, ガスタービン, 風力発電, 蓄電池システムを備えたオフショアエネルギーシステムのケーススタディとして, 提案手法の評価を行った。
論文 参考訳（メタデータ） (2026-01-07T08:00:43Z) - Shielded Controller Units for RL with Operational Constraints Applied to Remote Microgrids [50.64533198075622]
強化学習(Reinforcement Learning, RL)は、不確実性の下で複雑なシステムにおける意思決定を最適化するための強力なフレームワークである。
本稿では,システムダイナミクスの事前知識を活用する体系的かつ解釈可能なアプローチであるシールド制御ユニット(SCU)を紹介する。
本研究では,厳密な運用要件を持つ遠隔マイクログリッド最適化タスクにおけるSCUの有効性を示す。
論文 参考訳（メタデータ） (2025-11-30T19:28:34Z) - Carbon Footprint Reduction for Sustainable Data Centers in Real-Time [2.794742330785396]
本稿では, 炭素フットプリント削減, エネルギー消費, エネルギーコストの目的のために, データセンターを最適化するための多エージェント強化学習(MARL)フレームワークを提案する。
その結果,DC-CFR MARLエージェントは実世界の動的気象条件やグリッド炭素強度条件下での様々な場所での冷却,負荷シフト,エネルギー貯蔵の最適化において,複雑な相互依存性を効果的に解決した。
論文 参考訳（メタデータ） (2024-03-21T02:59:56Z) - Low Emission Building Control with Zero-Shot Reinforcement Learning [70.70479436076238]
強化学習(RL)による制御は、建築エネルギー効率を著しく向上させることが示されている。
我々は、ゼロショットビルディング制御と呼ばれるパラダイムを優先せずに、排出削減ポリシーを得られることを示す。
論文 参考訳（メタデータ） (2022-08-12T17:13:25Z) - Uncertainty-Cognizant Model Predictive Control for Energy Management of
Residential Buildings with PVT and Thermal Energy Storage [0.0]
建設部門は世界のエネルギー消費の約40%を占めている。
本稿では, 熱ポンプ, 蓄熱システム, グリッド接続型熱太陽光発電(PVT)コレクターを取り入れた建築エネルギーシステムについて述べる。
論文 参考訳（メタデータ） (2022-01-21T22:30:13Z) - Modelling the transition to a low-carbon energy supply [91.3755431537592]
気候変動の影響を制限するため、低炭素電力供給への移行が不可欠である。
二酸化炭素排出量の削減は、世界がピーク点に達するのを防ぐのに役立ちます。
排気ガスの排出は、世界中の気象条件の極端に繋がる可能性がある。
論文 参考訳（メタデータ） (2021-09-25T12:37:05Z) - Optimizing a domestic battery and solar photovoltaic system with deep
reinforcement learning [69.68068088508505]
バッテリーと太陽光発電システムのコストの低下は、ソーラーバッテリーの家庭用システムの増加に繋がった。
本研究では,システム内の電池の充電および放電挙動を最適化するために,深い決定論的ポリシーアルゴリズムを用いる。
論文 参考訳（メタデータ） (2021-09-10T10:59:14Z) - Emission-aware Energy Storage Scheduling for a Greener Grid [3.3666214913565224]
グリッドの二酸化炭素排出量を減らすためにグリッドにエネルギー貯蔵を使用するという課題について検討する。
分散ストレージを利用することで、電力会社は効率が悪く、最も炭素集約的な発電所への依存を減らすことができる。
その結果、年間二酸化炭素排出量は0.5万kg以上減少しており、電力網の排出量は23.3%減少している。
論文 参考訳（メタデータ） (2020-05-25T17:11:10Z) - 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。