Fugu-MT 論文翻訳(概要): Market Strategy Evaluation for Prosumers in Local Electricity Markets

論文の概要: Market Strategy Evaluation for Prosumers in Local Electricity Markets

arxiv url: http://arxiv.org/abs/2607.18272v1
Date: Fri, 12 Jun 2026 09:41:39 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-27 00:46:13.100472
Title: Market Strategy Evaluation for Prosumers in Local Electricity Markets
Title（参考訳）: 地域電力市場における消費者の市場戦略評価
Abstract要約: 分散世代と柔軟な負荷を備えたプロプライマーは、ローカルリソースを制御し、人間の介入を最小限に抑えたローカルエネルギー市場に参加する、自律的なサイバー物理エネルギーシステムを形成する。本研究は, 太陽光発電システム, 蓄電池システム, 電気自動車, ヒートポンプを用いて, プロシューマー世帯を代理するエージェントベースシミュレーションプラットフォームを開発し, 評価する。個別入札戦略が地域レベルでの効率性と消費者レベルの財務成果に与える影響は、特に不均一なポートフォリオを持つ消費者が1つの市場で相互作用する場合に不完全に理解される。
参考スコア（独自算出の注目度）: 0.12744523252873352
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Prosumers equipped with distributed generation and flexible loads form autonomous cyber-physical energy systems that control local resources and participate in local energy markets with minimal human intervention. This work develops and evaluates an agent-based simulation platform in which agents, representing prosumer households with photovoltaic systems, battery storage systems, electric vehicles, and heat pumps, participate in a uniform-price double-sided call auction. The effect of individual bidding strategies on community-level efficiency and prosumer-level financial outcomes is incompletely understood, particularly when prosumers with heterogeneous portfolios interact in one market. Four market strategies of increasing complexity are compared: a zero-intelligence constrained baseline, a boundary-price strategy, an extended storage cascade, and a market-adaptive pricing strategy. The simulation is conducted on a community of 33 prosumers at 15-minute resolution, spanning summer, winter, and spring to characterize seasonal variation. Results show that rule-based resource control substantially reduces community energy expenditure: the extended storage cascade achieves a total cost of 39.06 EUR compared to 62.38 EUR under the zero-intelligence baseline, a reduction of 37.4 %. The market-adaptive strategy yields the highest aggregate community financial gain through local energy market participation (14.40 EUR vs. 10.28 EUR for the baseline, a gain of 40.1 %) under summer conditions. Strategy effectiveness depends on both portfolio composition and seasonal supply conditions, requiring joint evaluation of resource control and pricing decisions.
Abstract（参考訳）: 分散世代と柔軟な負荷を備えたプロプライマーは、ローカルリソースを制御し、人間の介入を最小限に抑えたローカルエネルギー市場に参加する、自律的なサイバー物理エネルギーシステムを形成する。本研究は, 太陽光発電システム, 蓄電池システム, 電気自動車, ヒートポンプでプロシューマー世帯を代表するエージェントが, 均一価格のダブルサイドコールオークションに参加する, エージェントベースのシミュレーションプラットフォームを開発し, 評価する。個別入札戦略が地域レベルでの効率性と消費者レベルの財務成果に与える影響は、特に不均一なポートフォリオを持つ消費者が1つの市場で相互作用する場合に不完全に理解される。複雑さを増すための4つの市場戦略を比較する。ゼロインテリジェンス制約ベースライン、境界価格戦略、拡張ストレージカスケード、市場適応価格戦略である。シミュレーションは、夏、冬、春にまたがる15分間の解像度で33人のプロシューマーのコミュニティで行われ、季節変動を特徴付ける。その結果、ルールベースの資源管理は、コミュニティのエネルギー支出を大幅に削減し、拡張ストレージカスケードは、ゼロインテリジェンスベースラインの62.38EURに比べて39.06EURの総コストを達成し、37.4%の削減を実現した。市場適応戦略は、夏季条件下での地域エネルギー市場参加(ベースラインは14.40EUR、ベースラインは10.28EUR、利上げは40.1%)を通じて、コミュニティの総利益が最も高い。戦略の有効性は、ポートフォリオの構成と季節的な供給条件の両方に依存し、資源管理と価格決定を共同で評価する必要がある。

関連論文リスト

Hybrid Kolmogorov-Arnold Network and XGBoost Framework for Week-Ahead Price Forecasting in Australia's National Electricity Market [3.1887815332625764]
本稿では,オーストラリア国定電力市場における週平均電力価格の予測について検討する。 Kolmogorov-Arnold Networks (KAN) とツリーベースの学習を統合するハイブリッドな Kan+XGBoost フレームワークを提案する。提案手法は,kanのグローバル非線形表現能力とXGBoostの局所的ロバスト性を組み合わせることで,長期的依存と短期的価格変動の両方を捉える。
論文参考訳（メタデータ） (2026-05-21T12:19:58Z)
EcoGym: Evaluating LLMs for Long-Horizon Plan-and-Execute in Interactive Economies [61.267836443398124]
対話型経済における継続的計画・実行意思決定のためのベンチマークであるEcoGymを紹介する。 EcoGymは、透明性のある長期的なエージェント評価のためのオープンなテストベッドとしてリリースされ、現実的な経済環境下でのコントロール可能性とユーティリティのトレードオフを研究するためのものだ。
論文参考訳（メタデータ） (2026-02-10T08:12:23Z)
Scalable Fairness Shaping with LLM-Guided Multi-Agent Reinforcement Learning for Peer-to-Peer Electricity Markets [3.7321070110102075]
ピアツーピア(P2P)エネルギー取引は現代の流通システムの中心となっている。フェアネスを考慮したマルチエージェント強化学習フレームワークであるFairMarket-RLを提案する。この枠組みは、取引所を地元のP2P取引にシフトさせ、グリッドのみの調達に対する消費者コストを下げ、参加者間の強い公正性を維持し、実用性を維持する。
論文参考訳（メタデータ） (2025-08-26T02:25:17Z)
VAE-GAN Based Price Manipulation in Coordinated Local Energy Markets [3.498661956610689]
本稿では,地域エネルギー市場(LEM)における不均一分散エネルギー資源(DER)との協調モデルを提案する。提案手法は,マルチエージェントディープ決定性ポリシー勾配(MADDPG)に基づくデータ駆動型モデルフリー強化学習手法を利用する。本研究では,変動型自動エンコーダ生成敵ネットワーク(VAE-GAN)モデルを用いた価格操作戦略について検討する。
論文参考訳（メタデータ） (2025-07-26T07:38:27Z)
ML-Based Bidding Price Prediction for Pay-As-Bid Ancillary Services Markets: A Use Case in the German Control Reserve Market [45.62331048595689]
本稿では,ドイツ支配予備市場を中心に,従量制サービス市場における入札価格の予測手法を提案する。サポートベクトル回帰、決定木、k-Nearest Neighborsなど、さまざまな機械学習モデルを評価し、ベンチマークモデルと比較する。分析の結果,提案手法はベースラインモデルと比較して27.43%から37.31%に改善することが示された。
論文参考訳（メタデータ） (2025-03-21T15:21:43Z)
Evaluating the Impact of Multiple DER Aggregators on Wholesale Energy Markets: A Hybrid Mean Field Approach [2.0535683313855055]
地域エネルギー市場への分散エネルギー資源の統合は、グリッドの柔軟性を大幅に向上させ、市場効率を向上し、より持続可能なエネルギーの未来に貢献することができる。我々は、複数のDERアグリゲータを特徴とする市場モデルについて検討し、それぞれがDERリソースのポートフォリオを制御し、DER資産所有者に代わって市場への入札を行う。本稿では,MFGフレームワーク内で各エージェントが最適な戦略を学習し,市場状況や不確実性に適応する能力を向上させるための強化学習(RL)手法を提案する。
論文参考訳（メタデータ） (2024-08-27T14:56:28Z)
StrategyLLM: Large Language Models as Strategy Generators, Executors, Optimizers, and Evaluators for Problem Solving [76.5322280307861]
StrategyLLM は LLM が帰納的推論、特定のタスクインスタンスからの一般的な戦略の導出、帰納的推論を可能にし、これらの一般的な戦略を特定のタスク例に適用し、一般化可能で一貫した数発のプロンプトを構築する。実験の結果、StrategyLLMは、数学推論(34.2%$rightarrow$38.8%)、コモンセンス推論(70.3%$rightarrow$72.5%)、アルゴリズム推論(73.7%$rightarrow$85.0)を含む、4つの難しいタスクにまたがる13のデータセットに対して、人間によるアノテートソリューションを必要とする競争ベースラインのCoT-SCよりも優れていることが示された。
論文参考訳（メタデータ） (2023-11-15T09:18:09Z)
Neural Fitted Q Iteration based Optimal Bidding Strategy in Real Time Reactive Power Market_1 [16.323822608442836]
リアルタイム電気市場においては、入札中の世代企業の目標は利益を最大化することである。ネットワーク電圧の動作条件がリアクティブ電力市場に影響を与えるため、リアクティブ電力市場での同様の研究はこれまでに報告されていません。適切な確率分布関数の仮定は非現実的であり、アクティブパワーマーケットで採用される戦略は、リアクティブパワーマーケット機構における最適な入札の学習に適さない。
論文参考訳（メタデータ） (2021-01-07T09:44:00Z)
Exploring market power using deep reinforcement learning for intelligent bidding strategies [69.3939291118954]
キャパシティが1年の平均的な電力価格に影響を及ぼすことがわかりました。 $sim$25%と$sim$11%の値は、市場構造と国によって異なる可能性がある。平均市場価格の約2倍の市場上限の使用は、この効果を著しく減少させ、競争力のある市場を維持する効果があることを観察する。
論文参考訳（メタデータ） (2020-11-08T21:07:42Z)
A Multi-Agent Deep Reinforcement Learning Approach for a Distributed Energy Marketplace in Smart Grids [58.666456917115056]
本稿では,マイクログリッドを支配下に置くために,強化学習に基づくエネルギー市場を提案する。提案する市場モデルにより,リアルタイムかつ需要に依存した動的価格設定環境が実現され,グリッドコストが低減され,消費者の経済的利益が向上する。
論文参考訳（メタデータ） (2020-09-23T02:17:51Z)
Demand-Side Scheduling Based on Multi-Agent Deep Actor-Critic Learning for Smart Grids [56.35173057183362]
家庭用家電をネットでスケジュールできるスマートメーターが各家庭に備わっている需要側エネルギー管理の問題点を考察する。目標は、リアルタイムの料金体系の下で全体のコストを最小化することです。マルコフゲームとしてスマートグリッド環境の定式化を提案する。
論文参考訳（メタデータ） (2020-05-05T07:32:40Z)
A Deep Reinforcement Learning Framework for Continuous Intraday Market Bidding [69.37299910149981]
再生可能エネルギー源統合の成功の鍵となる要素は、エネルギー貯蔵の利用である。欧州の継続的な日内市場におけるエネルギー貯蔵の戦略的関与をモデル化するための新しい枠組みを提案する。本アルゴリズムの分散バージョンは, サンプル効率のため, この問題を解決するために選択される。その結果, エージェントは, ベンチマーク戦略よりも平均的収益率の高い政策に収束することが示唆された。
論文参考訳（メタデータ） (2020-04-13T13:50:13Z)

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。