論文の概要: EnergyBridge: Benchmarking Household Energy Management, User Participation, and Grid Flexibility
- arxiv url: http://arxiv.org/abs/2608.08691v1
- Date: Sun, 09 Aug 2026 13:12:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.917258
- Title: EnergyBridge: Benchmarking Household Energy Management, User Participation, and Grid Flexibility
- Title（参考訳）: EnergyBridge: 家庭用エネルギー管理, ユーザ参加, グリッドフレキシビリティのベンチマーク
- Abstract要約: 家庭用仮想発電所(VPP)は、家庭の需要をシフトさせることでグリッドの柔軟性を提供することができる。
既存のベンチマークは制御を評価するが、イベント固有の認証を省略する。
本稿では,キャパシティレポート,家事認可,身体的実行を結合するベンチマークおよびエージェントフレームワークであるEnergyBridgeを紹介する。
- 参考スコア（独自算出の注目度）: 39.902817910334726
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Residential virtual power plants (VPPs) can provide grid flexibility by shifting household demand, but physical flexibility becomes dependable capacity only when residents authorize a plan and the promised response is delivered. Existing benchmarks evaluate control but omit event-specific authorization. We present EnergyBridge, a benchmark and agent framework connecting capacity reporting, household authorization, and physical execution. It combines region-specific EnergyPlus environments for Tianjin and Berlin with an LLM-based User Participation Simulator. Against 584 persona- and event-matched human role-play judgments, the LLM-based User Participation Simulator preserves method ordering with a 5.3-point mean absolute acceptance error. Across conventional controllers and agent baselines, EnergyBridge achieves the highest simulated authorization, lowest event-window energy, and the most reliable capacity commitment in both regions. We release human data and codes for reproducible human-centered grid-flexibility research: https://github.com/Agentic-Intelligence-Lab/EnergyBridge.
- Abstract（参考訳）: 家庭用仮想発電所(VPP)は、家庭需要をシフトさせることでグリッドフレキシビリティを提供することができるが、住民が計画の承認を得て、約束された応答が届けられる場合にのみ、物理的フレキシビリティが信頼できる能力となる。
既存のベンチマークは制御を評価するが、イベント固有の認証を省略する。
本稿では, キャパシティレポート, 世帯認可, 物理的実行を結合するベンチマークおよびエージェントフレームワークであるEnergyBridgeを紹介する。
天津とベルリンの地域固有のEnergyPlus環境とLLMベースのUser Participation Simulatorを組み合わせている。
584人のペルソナとイベントマッチングされた人間のロールプレイ判断に対して、LLMベースのUser Participation Simulatorは5.3ポイントの平均絶対受容誤差でメソッドを順序付けする。
従来のコントローラとエージェントのベースライン全体にわたって、EnergyBridgeは、最も高いシミュレートされた認可、最低のイベントウィンドウエネルギ、そして両方の領域における最も信頼性の高いキャパシティコミットメントを達成している。
我々は、再現可能な人間中心グリッドフレキシビリティ研究のための人間データとコードをリリースした。
関連論文リスト
- Ego-METAS: Egocentric online Multimodal Energy-efficient Temporal Action Segmentation benchmark [56.84575992325538]
Ego-METASは、最初のオンラインマルチモーダルエネルギ-エネルギ-エネルギ-エネルギ-エネルギ-テンポラルアクションベンチマークである。
Ego-METASは、EgoExo4D、CMU-MMAC、CaptainCook4Dの100時間以上の未編集エゴセントリックビデオの統一テストベッドである。
オンラインの時間的行動セグメンテーションタスクを定式化し、モデルが各タイミングでどのセンサーを起動するかを動的に選択する必要がある。
評価の結果、最適ルーティングはシナリオに依存しており、既存のポリシー学習手法は、主にトリミングされたクリップ用に設計されており、継続的な、トリミングされていない環境への適応に苦慮していることがわかった。
論文 参考訳（メタデータ） (2026-05-29T17:36:10Z) - EcoNet: Multiagent Planning and Control Of Household Energy Resources Using Active Inference [0.020440916035824108]
本稿では,活動的推論に基づく家庭用・近隣エネルギー管理におけるベイズ的アプローチであるEcoNetを紹介する。
エネルギー管理と調整の改善を目標とし、不確実性を調整し、潜在的に条件付きで矛盾する目標や嗜好を考慮している。
論文 参考訳（メタデータ） (2025-12-14T22:34:44Z) - EnergyTwin: A Multi-Agent System for Simulating and Coordinating Energy Microgrids [2.8144129864580454]
EnergyTwinはエージェントベースのマイクログリッドシミュレーション環境で、物理的基盤モデルと予測インフォームド、ローリングホライゾン計画、交渉を結合する。
その結果, 予測駆動型ローリングホライゾンプランニングは, 地域エネルギーの自己充足性を高め, 電池備蓄率を高め, 低抵抗運転状態への曝露を減少させることがわかった。
論文 参考訳（メタデータ） (2025-11-25T18:19:40Z) - Computation-aware Energy-harvesting Federated Learning: Cyclic Scheduling with Selective Participation [5.593872199021558]
本稿では,ユーザのバッテリレベルに基づいたサイクリッククライアント参加を用いた,バッテリを意識したEHFLフレームワークであるFedBacysを提案する。
クライアントをクラスタ化し、それらを逐次スケジューリングすることで、FedBacysは冗長な計算を最小化し、システム全体のエネルギー使用量を削減し、学習安定性を向上させる。
また、FedBacys-Oddというよりエネルギー効率のよい変種を導入し、クライアントを選択的に参加させ、パフォーマンスを損なうことなくエネルギーコストをさらに削減します。
論文 参考訳（メタデータ） (2025-11-14T23:46:48Z) - Energy-Driven Steering: Reducing False Refusals in Large Language Models [80.09252175869858]
エネルギー駆動ステアリング(EDS、Energy-Driven Steering)は、動的で推論時間の介入によってこの問題を解決するために設計された、新しい、微調整自由なフレームワークである。
我々は、望ましくない(偽の拒絶または脱獄)状態に高エネルギーを割り当て、望ましい(好ましくない反応または安全な拒絶)状態に低エネルギーを割り当てるために、軽量な外部エネルギーベースモデル(EBM)を訓練した。
エネルギー関数の勾配を利用してLLMの隠れた状態を低エネルギー領域に動的に操る。
論文 参考訳（メタデータ） (2025-10-09T06:01:41Z) - Data-Driven Energy Estimation for Virtual Servers Using Combined System Metrics and Machine Learning [0.0]
我々は、ホスト上のRAインターフェースを介して測定されたエネルギー消費を予測するために、グラディエントブースティングレグレッシャを訓練する。
ホストアクセスを許可せずに、ゲストのみのリソースベースのエネルギー推定を初めて実証する。
論文 参考訳（メタデータ） (2025-09-12T06:22:01Z) - EnergAIze: Multi Agent Deep Deterministic Policy Gradient for Vehicle to Grid Energy Management [0.0]
本稿では,MARL(Multi-Agent Reinforcement Learning)エネルギー管理フレームワークであるEnergAIzeを紹介する。
ユーザ中心の多目的エネルギー管理を可能にし、各プローサが様々な個人管理目標から選択できるようにする。
EnergAIzeの有効性は、CityLearnシミュレーションフレームワークを用いたケーススタディにより評価された。
論文 参考訳（メタデータ） (2024-04-02T23:16:17Z) - Distributed Energy Management and Demand Response in Smart Grids: A
Multi-Agent Deep Reinforcement Learning Framework [53.97223237572147]
本稿では、自律制御と再生可能エネルギー資源のスマート電力グリッドシステムへの統合のための多エージェント深層強化学習(DRL)フレームワークを提案する。
特に,提案フレームワークは,住宅利用者に対する需要応答 (DR) と分散エネルギー管理 (DEM) を共同で検討している。
論文 参考訳（メタデータ） (2022-11-29T01:18:58Z) - 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。