論文の概要: WattCouncil: Context-Aware Household Energy Scenario Generation With Governed LLMs

• arxiv url: http://arxiv.org/abs/2607.10720v1
• Date: Sun, 12 Jul 2026 11:28:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.511064
• Title: WattCouncil: Context-Aware Household Energy Scenario Generation With Governed LLMs
• Title（参考訳）: WattCouncil: 環境に配慮したLLMによる家庭用エネルギーシナリオ生成
• Abstract要約: WattCouncilは、LLM(Large Language Model)ベースのエージェントによって家庭用電力需要が生成されるデータ生成フレームワークである。 静的予測器として振る舞うのではなく、これらのエージェントは制御パイプライン内で適応的な意思決定者として機能する。 また,4232世帯を対象とした1年以上の負荷計測を含む詳細なCERデータセットに対して,生成したプロファイルを評価した。
• 参考スコア（独自算出の注目度）: 1.0450509067356148
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The accelerating shift toward low-carbon power systems, together with the widespread adoption of behind-the-meter technologies such as rooftop solar and electric vehicles, is placing new operational and analytical demands on electricity grids. At the same time, smart-grid research increasingly relies on machine learning (ML), yet progress is constrained by limited access to high-resolution household energy data due to privacy concerns, regulatory barriers, and collection costs. This work presents WattCouncil, a data-generation framework in which household electricity demand is generated by a council of Large Language Model (LLM)-based agents operating in specialized roles to generate, audit, and validate structured energy scenarios under explicit cultural, temporal, and physical constraints. Rather than acting as static predictors, these agents serve as adaptive decision-makers within a governed pipeline. Motivated by studies highlighting the importance of contextual factors in energy use, our framework produces context-sensitive daily routines through a guided reasoning process that incorporates household composition, temporal factors, and environmental conditions. We evaluate the generated profiles against the detailed CER dataset, which contains over a year of load measurements for 4232 households together with survey-based socio-economic information. We further assess the consistency of the framework through ablation studies. Source code is available at https://github.com/Singularity-AI-Lab/wattcouncil
• Abstract（参考訳）: 低炭素電力システムへのシフトが加速し、屋上ソーラーや電気自動車などの後方技術の普及とともに、電力網に新たな運用的および分析的要求が生まれている。 同時に、スマートグリッドの研究は機械学習(ML)にますます依存しているが、プライバシーの懸念、規制障壁、収集コストによる高解像度の家庭用エネルギーデータへのアクセス制限により、進歩は制限されている。 この研究はWattCouncilという,大規模言語モデル(LLM)を基盤としたエージェントが,明示的な文化的,時間的,物理的制約の下で構造的エネルギーシナリオの生成,監査,検証を行うデータ生成フレームワークを提示する。 静的予測器として振る舞うのではなく、これらのエージェントは制御パイプライン内で適応的な意思決定者として機能する。 本研究は, エネルギー利用における文脈要因の重要性に着目した研究により, 家庭構成, 時間的要因, 環境条件を取り入れたガイド付き推論プロセスを通じて, 文脈に敏感な日常的ルーチンを創出する。 調査に基づく社会経済情報とともに,4232世帯を対象とした1年以上の負荷測定を含む詳細なCERデータセットに対して,生成したプロファイルを評価した。 アブレーション研究を通じてフレームワークの整合性をさらに評価する。 ソースコードはhttps://github.com/Singularity-AI-Lab/wattcouncilで入手できる。

関連論文リスト

• LoaDiff: Conditional Generation of Electricity Consumption Time Series for Energy Analytics [6.062089991172254]
  本稿では,1時間以内のスマートメーター負荷曲線の拡散に基づく生成モデルであるLoaDiffを紹介する。 3つの住宅電力消費データセットに基づいて,複数の発電ベースラインに対するモデルの評価を行った。
  論文  参考訳（メタデータ） (2026-09-10T14:46:30Z)
• Watts and Debts of Agentic Frameworks: An Empirical Study (Registered Report) [0.0]
  自己充足型技術的負債(SATD)とハードウェアレベルのランタイムエネルギー消費について検討する。 自動ソースコード解析が、エネルギー効率のよいフレームワーク選択のための信頼性の高い早期警告プロキシとして機能するかどうかを判断する。
  論文  参考訳（メタデータ） (2026-06-09T11:03:20Z)
• Explainable Data-driven Deep Reinforcement Learning Methods for Optimal Energy Management in Buildings [3.4756623477788593]
  本稿では,住宅のエネルギー管理に応用した説明可能な深層強化学習(XRL)の枠組みを提案する。 我々は、リアルタイム測定を組み込んだ拡張状態空間において、オンラインとオフポリティクスのDRLエージェントをトレーニングし、比較する。 以上の結果から,特にA2C(Advantage Actor Critic)とPPO(Proximal Policy Optimization)は,累積報酬や政策安定性の観点からも,非政治手法よりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2026-06-01T10:39:34Z)
• On Electric Vehicle Energy Demand Forecasting and the Effect of Federated Learning [1.2599533416395765]
  電気自動車供給機器(EVSE)のエネルギー需給予測は、効率的なエネルギー管理と持続可能性を確保する上で最も重要な作業の1つである。 ユーティリティプロバイダは、エネルギー/電力需要を予測し、リソース割り当てを最適化し、グリッド信頼性を改善するための積極的な対策を実行することができる。 プライバシーやサステナビリティに関する懸念や制限が高まるにつれ、トレーニングデータの断片化がますます進んでいる。
  論文  参考訳（メタデータ） (2026-02-24T11:21:45Z)
• Contrastive Self-Supervised Learning at the Edge: An Energy Perspective [47.71700347940481]
  我々は,SimCLR,MoCo,SimSiam,Barlow Twinsの4つのコントラスト学習フレームワークの評価を行った。 我々は,これらのCLフレームワークのエッジおよびフォグ展開の実現可能性に注目し,体系的なベンチマーク戦略を導入する。 この結果,SimCLRは計算コストの認識に反し,様々なデータ体制における省エネ効果を実証していることがわかった。
  論文  参考訳（メタデータ） (2025-10-09T15:57:44Z)
• Knowledge Distillation from Large Language Models for Household Energy Modeling [0.0]
  本稿では,大規模言語モデルをエネルギーモデルに統合し,現実的で文化的に敏感な行動特化データを生成することを提案する。 「四段階の方法論は、文化的なニュアンスな活動、現実的な天候範囲、異なるエネルギーシグネチャを含む文脈的日常生活データを合成する」 得られたデータセットは、文化的、気候的、行動的要因がどのようにして炭素排出量を形成するかについての洞察を提供する。
  論文  参考訳（メタデータ） (2025-02-05T09:43:14Z)
• From Dense to Sparse: Event Response for Enhanced Residential Load Forecasting [48.22398304557558]
  住宅負荷予測のためのイベント応答型知識ガイド手法(ERKG)を提案する。 ERKGは、異なる家電の電力使用状況の推定、負荷系列からのイベント関連スパース知識のマイニングを取り入れている。
  論文  参考訳（メタデータ） (2025-01-06T05:53:38Z)
• Natural Language Interaction with a Household Electricity Knowledge-based Digital Twin [0.196629787330046]
  ドメイン固有のデジタルツインは、スマートグリッドの様々なセグメントのデジタルレプリカを表すもので、各セグメントをモデル化、シミュレート、制御することができる。 本稿では,RAG (Retrieval Augmented Generation) 質問応答の可能性を初めて評価し,報告する。
  論文  参考訳（メタデータ） (2024-06-03T07:44:32Z)
• Exploring the Privacy-Energy Consumption Tradeoff for Split Federated Learning [51.02352381270177]
  Split Federated Learning (SFL)は、最近、有望な分散学習技術として登場した。 SFLにおけるカット層の選択は、クライアントのエネルギー消費とプライバシに大きな影響を与える可能性がある。 本稿では、SFLプロセスの概要を概観し、エネルギー消費とプライバシを徹底的に分析する。
  論文  参考訳（メタデータ） (2023-11-15T23:23:42Z)
• Machine learning applications for electricity market agent-based models: A systematic literature review [68.8204255655161]
  エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。 エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。 我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
  論文  参考訳（メタデータ） (2022-06-05T14:52:26Z)
• Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
  非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。 NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
  論文  参考訳（メタデータ） (2022-03-06T10:12:56Z)
• 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。