論文の概要: Hidden Degradation Costs in Energy-Cost-Only HEMS Optimisation: Study on Battery and PV Sensitivity

• arxiv url: http://arxiv.org/abs/2606.16051v1
• Date: Sun, 14 Jun 2026 22:52:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 18:36:05.005855
• Title: Hidden Degradation Costs in Energy-Cost-Only HEMS Optimisation: Study on Battery and PV Sensitivity
• Title（参考訳）: エネルギーコストのみのHEMS最適化における隠れた劣化コスト:電池およびPV感度に関する研究
• Abstract要約: 電池エネルギー貯蔵システム(BESS)は、揮発性使用時間(TOU)関税の下で家庭用エネルギーコストを削減するために、太陽光発電(PV)発電と共にますます展開されている。 モデル予測制御 (MPC) は家庭用エネルギー管理システム (HEMS) の最適化戦略として広く採用されている。 しかし、電池の劣化は最適化目標に埋め込まれることは滅多になく、そのコストは定量化されず、攻撃的である。 本稿では、REFITデータセットからの需要データを用いて、英国の住宅HEMSのためのリテーディングホリゾン混合整数線形プログラミング(MILP)ベースラインを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Residential battery energy storage systems (BESS) are increasingly deployed alongside photovoltaic (PV) generation to reduce household energy costs under volatile time-of-use (TOU) tariffs. Model predictive control (MPC) is a widely adopted optimisation strategy for home energy management systems (HEMS), typically formulated to minimise net energy cost, subject to physical and operational constraints. However, battery degradation is rarely embedded in the optimisation objective, meaning its cost is unquantified and aggressive; high-cycle-count strategies could incur significant losses once deployed to physical systems. This paper presents a receding-horizon mixed-integer linear programming (MILP) baseline for a UK residential HEMS, using demand data from the REFIT dataset. A 3 by 3 sensitivity study is conducted across three battery sizes and three PV array sizes, with post-hoc degradation cost estimated using the Naumann stress model and rainflow cycle counting. Results show that degradation remains constant for each battery size and can exceed energy cost savings by up to 1,060 %. These results demonstrate that energy-cost-only optimisation systematically underestimates the true system cost, motivating a degradation-aware control formulation.
• Abstract（参考訳）: 住宅用バッテリエネルギー貯蔵システム(BESS)は、揮発性時間(TOU)関税の下で家庭用エネルギーコストを削減すべく、太陽光発電(PV)発電と共にますます展開されている。 モデル予測制御 (MPC) は家庭エネルギー管理システム(HEMS)の最適化戦略として広く採用されている。 しかし、バッテリ劣化は最適化の目的に埋め込まれることは稀であり、そのコストは定量化されず、攻撃的であり、高サイクルカウント戦略は物理システムに展開すると大きな損失をもたらす可能性がある。 本稿では、REFITデータセットからの需要データを用いて、英国の住宅HEMSのためのリテーディングホリゾン混合整数線形プログラミング(MILP)ベースラインを提案する。 3×3の感度実験を3つのバッテリーサイズと3つのPVアレイサイズで行い、ナウマン応力モデルと雨量計を用いて熱後劣化コストを見積もった。 その結果, 電池サイズごとの劣化は一定であり, 最大1,060%の省エネ効果が得られた。 これらの結果は、エネルギーコストのみの最適化が真のシステムコストを体系的に過小評価し、劣化認識制御の定式化を動機付けていることを示している。

関連論文リスト

• An Optimal Battery-Free Approach for Emission Reduction by Storing Solar Surplus in Building Thermal Mass [6.6544834267829165]
  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。
  論文  参考訳（メタデータ） (2026-03-30T09:37:23Z)
• Towards Green AI: Decoding the Energy of LLM Inference in Software Development [46.879983975894135]
  AI支援ツールはソフトウェア開発にますます統合されているが、大きな言語モデル(LLM)に依存しているため、相当な計算とエネルギーコストが伴う。 モデルが入力を処理して内部表現を構築した(1)プリフィルと,(2)デコードで格納された状態を用いて出力トークンを生成する(2)プリフィルとを区別し,LCM推定エネルギー消費の位相レベル解析を行う。
  論文  参考訳（メタデータ） (2026-02-05T14:38:19Z)
• 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)
• Optimized scheduling of electricity-heat cooperative system considering wind energy consumption and peak shaving and valley filling [13.358105013418566]
  本研究では,改良されたDual-Delay Deep Deterministic Policy Gradient (PVTD3)アルゴリズムに基づくインテリジェントスケジューリング手法を提案する。 グリッド電力購入変動に対するペナルティ項を導入することにより,システム最適化を実現する。 提案アルゴリズムは, 経済効率とグリッド安定性に優れるだけでなく, エネルギー貯蔵装置管理において, 持続可能なスケジューリング能力も優れている。
  論文  参考訳（メタデータ） (2025-11-19T09:10:02Z)
• A Reinforcement Learning Approach for Optimal Control in Microgrids [43.122212629962235]
  マイクログリッドは、エネルギー発生、貯蔵、分散に対する局所的な制御を可能にすることで、有望なソリューションを提供する。 本稿では,マイクログリッドエネルギー管理を最適化するための新しい強化学習手法を提案する。
  論文  参考訳（メタデータ） (2025-06-28T20:10:00Z)
• An Online Hierarchical Energy Management System for Energy Communities, Complying with the Current Technical Legislation Framework [4.4269011841945085]
  2018年、欧州連合(EU)は、再生可能エネルギー共同体(REC)を、参加者が自己生産した再生可能エネルギーを共有する地域電力網として定義した。 RECは技術的にはSGであるため、上記の戦略を適用でき、具体的には実用的なエネルギー管理システム(EMS)が必要である。 本研究は,RECコスト最小化のためにオンライン階層型EMS(HEMS)を合成し,ローカルな自己消費方式よりも優れていることを評価する。
  論文  参考訳（メタデータ） (2024-01-22T15:29:54Z)
• Deep Reinforcement Learning for Community Battery Scheduling under Uncertainties of Load, PV Generation, and Energy Prices [5.694872363688119]
  本稿では,不確実性が存在する場合に,コミュニティバッテリーシステムのスケジューリングを行うための深層強化学習(RL)戦略を提案する。 コミュニティバッテリーは、ローカルPVエネルギーの統合、ピーク負荷の低減、および調停のためのエネルギー価格変動の活用において、多用途の役割を担っている。
  論文  参考訳（メタデータ） (2023-12-04T13:45:17Z)
• Low-Cost HEM with Arduino and Zigbee Technologies in the Energy Sector in Colombia [0.0]
  本稿では,低コストホームエネルギー管理システム(HEMS)の設計と実装について述べる。 評価の結果, このHEMSの導入により, 消費は27%減少した。
  論文  参考訳（メタデータ） (2023-11-24T10:19:21Z)
• Federated Reinforcement Learning for Real-Time Electric Vehicle Charging and Discharging Control [42.17503767317918]
  本稿では、動的環境下で異なるEVユーザに対して最適なEV充電/放電制御戦略を開発する。 多様なユーザの行動や動的環境に適合する水平連合強化学習法(HFRL)を提案する。 シミュレーションの結果,提案したリアルタイムEV充電/放電制御戦略は,様々な要因において良好に機能することが示された。
  論文  参考訳（メタデータ） (2022-10-04T08:22:46Z)
• 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)
• 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。