論文の概要: Long-term Power Grid Planning via Answer Set Programming
- arxiv url: http://arxiv.org/abs/2605.20172v1
- Date: Tue, 19 May 2026 17:54:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-20 15:03:09.574273
- Title: Long-term Power Grid Planning via Answer Set Programming
- Title（参考訳）: 解集合計画による長期電力グリッド計画
- Authors: Antonio Ielo, Francesco Doria, Sandra Castellanos-Paez, Marco Maratea, Francesco Percassi, Mauro Vallati,
- Abstract要約: 長期電力グリッドプランニングは上記のプロセスに対処する。
ASP.NETを使用した長期電力グリッド計画プロセスの自動化と最適化のための最初のアプローチを提案する。
- 参考スコア（独自算出の注目度）: 6.079327496095658
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Power grid is a critical infrastructure underpinning all aspects of modern society and its services. Maintaining its effectiveness requires continuous adaptations. In particular, addressing sustainability targets, demand patterns, and urbanisation trends requires implementing changes to the network. Actual developments can potentially span over a decade, with supply continuity and service quality that must be preserved throughout by ensuring conformance to several topological and combinatorial invariants. Long-term power grid planning deals with the above process, and although planning languages could be a natural choice, the kind of properties and invariants needed are cumbersome to express in such languages; on the contrary, they can be elegantly and succinctly encoded in Answer Set Programming (ASP). In this paper, we propose the first approach to automate and optimise the long-term power grid planning process using ASP. Experimental evaluations conducted on synthetic and real-world grid data confirm the expressive power of the proposed ASP-based approach and demonstrate its effectiveness.
- Abstract（参考訳）: 電力網は現代社会のあらゆる側面とサービスを支える重要なインフラである。
有効性を維持するには継続的適応が必要である。
特に、サステナビリティターゲット、需要パターン、都市化トレンドに対処するには、ネットワークの変更を実装する必要がある。
実際の開発は10年以上に及ぶ可能性があるが、供給の連続性とサービス品質は、いくつかのトポロジカルおよび組合せ不変量に適合することを保証することで、常に維持されなければならない。
長期の電力グリッドプランニングは上記のプロセスに対処し、計画言語は自然な選択かもしれないが、そのような言語で表現するのに必要な特性や不変性の種類は困難であり、それに対して、それらはエレガントで簡潔にAnswer Set Programming (ASP)にエンコードできる。
本稿では,ASP.NET を用いた長期電力グリッド計画プロセスの自動化と最適化のための最初のアプローチを提案する。
合成および実世界のグリッドデータを用いた実験により,提案手法の表現力を確認し,その有効性を実証した。
関連論文リスト
- Matching Features, Not Tokens: Energy-Based Fine-Tuning of Language Models [102.20309135516186]
クロスエントロピー(CE)トレーニングは、言語モデルの密集したスケーラブルな監視を提供する。
言語モデル微調整のための特徴マッチング手法を提案する。
この目的を効率的に最適化するために,エネルギーベースファインチューニングを提案する。
論文 参考訳（メタデータ） (2026-03-12T17:57:50Z) - TodoEvolve: Learning to Architect Agent Planning Systems [68.48983335970901]
TodoEvolveは、タスク固有の計画を自律的に合成し、動的に修正するメタプランニングパラダイムである。
PlanFactoryは異種計画パターンの共通インターフェースを提供する。
TodoEvolveは、経済的なAPIコストとランタイムオーバーヘッドを維持しながら、慎重に設計された計画モジュールを一貫して上回っている。
論文 参考訳（メタデータ） (2026-02-08T06:37:01Z) - 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) - Grid-Agent: An LLM-Powered Multi-Agent System for Power Grid Control [4.3210078529580045]
本稿では、グリッド違反を検出し、修正する自律型AI駆動フレームワークであるGrid-Agentを紹介する。
Grid-Agentは、意味論的推論とモジュラーエージェントによる数値的精度を統合する。
IEEEおよびCIGREベンチマークネットワークの実験は、優れた緩和性能を示す。
論文 参考訳（メタデータ） (2025-08-07T01:10:28Z) - A Unified Energy Management Framework for Multi-Timescale Forecasting in Smart Grids [2.9934171338140425]
時系列データの中間および長期の依存関係を正確に把握することは困難である。
本稿では、時間的位置符号化層を備えた新しいアーキテクチャにより、その依存性を捉えるマルチスケール電力負荷予測フレームワークであるMulti-pofoを提案する。
論文 参考訳（メタデータ） (2024-11-22T08:45:41Z) - Optimizing Load Scheduling in Power Grids Using Reinforcement Learning and Markov Decision Processes [0.0]
本稿では,動的負荷スケジューリングの課題に対処する強化学習(RL)手法を提案する。
提案手法は実時間負荷スケジューリングのためのロバストでスケーラブルなソリューションを提供する。
論文 参考訳（メタデータ） (2024-10-23T09:16:22Z) - Unlocking Reasoning Potential in Large Langauge Models by Scaling Code-form Planning [94.76546523689113]
CodePlanは、テキストコード形式の計画を生成し、追跡するフレームワークで、高いレベルの構造化された推論プロセスの概要を擬似コードで示します。
CodePlanは、洗練された推論タスク固有のリッチなセマンティクスと制御フローを効果的にキャプチャする。
反応を直接生成するのに比べて25.1%の相対的な改善が達成されている。
論文 参考訳（メタデータ） (2024-09-19T04:13:58Z) - A Stochastic Online Forecast-and-Optimize Framework for Real-Time Energy
Dispatch in Virtual Power Plants under Uncertainty [18.485617498705736]
本稿では,2つの要素から構成されるリアルタイム不確実性を考慮したエネルギー分散フレームワークを提案する。
提案するフレームワークは,リアルタイムデータ配信に迅速に適応すると同時に,データドリフトやモデルの不一致,制御プロセスの環境摂動などによる不確実性もターゲットとすることができる。
このフレームワークはCityLearn Challenge 2022で優勝し、エネルギー領域におけるAIアプリケーションの可能性を調べる影響力のある機会となった。
論文 参考訳（メタデータ） (2023-09-15T00:04:00Z)
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。