論文の概要: Bridging Natural Language and Microgrid Dynamics: A Context-Aware Simulator and Dataset
- arxiv url: http://arxiv.org/abs/2604.05429v2
- Date: Wed, 08 Apr 2026 01:03:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-09 14:06:05.098122
- Title: Bridging Natural Language and Microgrid Dynamics: A Context-Aware Simulator and Dataset
- Title（参考訳）: 自然言語のブリッジングとマイクログリッドダイナミクス:コンテキスト認識シミュレータとデータセット
- Authors: Tinko Sebastian Bartels, Ruixiang Wu, Xinyu Lu, Yikai Lu, Fanzeng Xia, Haoxiang Yang, Yue Chen, Tongxin Li,
- Abstract要約: OpenCEMは、リッチで非構造化のコンテキスト情報と定量的再生可能エネルギー力学を統合するために特別に設計された、最初のオープンソースデジタルツインである。
伝統的なエネルギー管理は、人間生成の文脈に埋め込まれた重要な予測力を無視して、数値的な時系列に大きく依存している。
OpenCEMは、このプラットフォームを一般公開することによって、次世代のインテリジェントで持続可能で、真にコンテキスト対応のエネルギーシステムの研究を加速することを目指している。
- 参考スコア（独自算出の注目度）: 18.912732110866447
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Addressing the critical need for intelligent, context-aware energy management in renewable systems, we introduce the OpenCEM Simulator and Dataset: the first open-source digital twin explicitly designed to integrate rich, unstructured contextual information with quantitative renewable energy dynamics. Traditional energy management relies heavily on numerical time series, thereby neglecting the significant predictive power embedded in human-generated context (e.g., event schedules, system logs, user intentions). OpenCEM bridges this gap by offering a unique platform comprising both a meticulously aligned, language-rich dataset from a real-world PV-and-battery microgrid installation and a modular simulator capable of natively processing this multi-modal context. The OpenCEM Simulator provides a high-fidelity environment for developing and validating novel control algorithms and prediction models, particularly those leveraging Large Language Models. We detail its component-based architecture, hybrid data-driven and physics-based modelling capabilities, and demonstrate its utility through practical examples, including context-aware load forecasting and the implementation of online optimal battery charging control strategies. By making this platform publicly available, OpenCEM aims to accelerate research into the next generation of intelligent, sustainable, and truly context-aware energy systems.
- Abstract（参考訳）: 再生可能システムにおけるインテリジェントでコンテキスト対応のエネルギー管理に対する重要なニーズに対処するため,我々はOpenCEM Simulator and Datasetを紹介した。
従来のエネルギー管理は数値時系列に大きく依存しているため、人間生成コンテキスト(例えば、イベントスケジュール、システムログ、ユーザ意図)に埋め込まれた重要な予測力は無視される。
OpenCEMはこのギャップを埋めるために、現実のPVとバッテリのマイクログリッドのインストールと、このマルチモーダルコンテキストをネイティブに処理可能なモジュールシミュレータの両方から、細心の注意を払って、言語に富んだデータセットを含むユニークなプラットフォームを提供する。
OpenCEM Simulatorは、新しい制御アルゴリズムや予測モデルの開発、検証、特に大規模言語モデルを活用するための高忠実な環境を提供する。
コンポーネントベースのアーキテクチャ、ハイブリッドデータ駆動型および物理ベースのモデリング機能について詳述し、コンテキスト対応負荷予測やオンライン最適電池充電制御戦略の実装など、実例を通してその実用性を実証する。
OpenCEMは、このプラットフォームを一般公開することによって、次世代のインテリジェントで持続可能で、真にコンテキスト対応のエネルギーシステムの研究を加速することを目指している。
関連論文リスト
- Beyond Language Modeling: An Exploration of Multimodal Pretraining [125.34714978184638]
我々は、制御されたオフスクラッチ事前学習実験を通して経験的明瞭度を提供する。
我々はトランスフュージョン・フレームワークを採用し、言語と視覚の拡散を次々に予測する。
我々は、MoEアーキテクチャが、言語によって要求される高いモデル容量を提供することにより、このスケーリング非対称性を調和させることを実証する。
論文 参考訳（メタデータ） (2026-03-03T18:58:00Z) - RE-LLM: Integrating Large Language Models into Renewable Energy Systems [0.7466390172678973]
本稿では,Large Language Models(LLM)を直接エネルギーシステムモデリングワークフローに統合するハイブリッドフレームワークであるRenewable Energy Large Language Model (RE-LLM)を提案する。
RE-LLMは、最適化に基づくシナリオ探索(i)、計算集約的なシミュレーションを加速する機械学習サロゲート(ii)、複雑な結果を明確でステークホルダー指向の説明に変換するLLMベースの自然言語生成(iii)の3つの中核要素を組み合わせる。
将来的なエネルギー経路との対話的、多言語的、アクセス可能なエンゲージメントを可能にし、最終的にはデータ駆動分析と持続可能な移行のための実行可能な意思決定の最終的なギャップを埋める。
論文 参考訳（メタデータ） (2025-12-01T08:10:39Z) - UrbanInsight: A Distributed Edge Computing Framework with LLM-Powered Data Filtering for Smart City Digital Twins [5.477477311297089]
都市は、センサー、カメラ、そして接続されたインフラから膨大な量のデータストリームを生成します。
既存のシステムのほとんどは、スケールやレイテンシ、断片的な洞察に苦慮しています。
この研究は、物理インフォームド機械学習、マルチモーダルデータ融合、知識グラフ表現をブレンドするフレームワークを導入している。
論文 参考訳（メタデータ） (2025-08-31T17:10:31Z) - Universal Differential Equations for Scientific Machine Learning of Node-Wise Battery Dynamics in Smart Grids [0.0]
科学機械学習(SciML)の強力な枠組みとして、普遍微分方程式(UDE)が登場した。
この研究は、ニューラルネットワーク残基を物理的にインスパイアされたバッテリODEに埋め込むことで、ノード固有のバッテリ進化を学習するためのUDEベースのアプローチを提案する。
論文 参考訳（メタデータ） (2025-06-09T22:24:55Z) - Data-driven development of cycle prediction models for lithium metal batteries using multi modal mining [1.2748196295556375]
ABC(Automatic Battery Data Collector)を用いた新しいマルチモーダルデータ駆動方式を提案する。
このプラットフォームは、現在最先端のバッテリ材料データとサイクリング性能メトリクスの正確な抽出を可能にする。
ABCプラットフォームによるデータベースから,リチウム金属電池の容量と安定性を正確に予測できる機械学習モデルを開発した。
論文 参考訳（メタデータ） (2024-11-26T17:37:12Z) - Information Screening whilst Exploiting! Multimodal Relation Extraction
with Feature Denoising and Multimodal Topic Modeling [96.75821232222201]
既存のマルチモーダル関係抽出(MRE)研究は、内部情報過剰利用と外部情報過多という2つの共存課題に直面している。
内部情報スクリーニングと外部情報活用を同時に実現する新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-19T14:56:57Z) - A Dynamic Feedforward Control Strategy for Energy-efficient Building
System Operation [59.56144813928478]
現在の制御戦略と最適化アルゴリズムでは、そのほとんどはリアルタイムフィードバックから情報を受け取ることに依存している。
本稿では,システム制御のためのシステム特性を同時に構築することによる,ダイナミックな事前知識を組み込む,エンジニアフレンドリな制御戦略フレームワークを提案する。
典型的な制御戦略でシステム制御を加熱するケースでテストしたところ、我々のフレームワークは15%の省エネ性を持っていることがわかった。
論文 参考訳（メタデータ） (2023-01-23T09:07:07Z) - Data-to-text Generation with Macro Planning [61.265321323312286]
本稿では,マクロ計画段階のニューラルモデルと,従来の手法を連想させる生成段階を提案する。
提案手法は, 自動評価と人的評価の両面で, 競争ベースラインを上回っている。
論文 参考訳（メタデータ） (2021-02-04T16:32:57Z) - DIETERpy: a Python framework for The Dispatch and Investment Evaluation
Tool with Endogenous Renewables [62.997667081978825]
DIETERはオープンソースの電力セクターモデルであり、可変再生可能エネルギー源の非常に高いシェアで将来の設定を分析するように設計されている。
システム全体のコストを最小化し、様々な世代の固定および可変コスト、柔軟性、セクター結合オプションを含む。
我々は、GAMS(General Algebraic Modeling System)で記述された既存のモデルバージョンの上に構築されたDIETERpyを紹介し、それをPythonフレームワークで強化する。
論文 参考訳（メタデータ） (2020-10-02T09:27:33Z)
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。