論文の概要: CityLearn v3: A Configurable Simulation and Evaluation Framework for Realistic Control Studies of Renewable Energy Communities
- arxiv url: http://arxiv.org/abs/2609.21570v1
- Date: Fri, 18 Sep 2026 10:01:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-21 18:40:16.999307
- Title: CityLearn v3: A Configurable Simulation and Evaluation Framework for Realistic Control Studies of Renewable Energy Communities
- Title（参考訳）: CityLearn v3:再生可能エネルギーコミュニティの現実制御のための構成可能なシミュレーションと評価フレームワーク
- Abstract要約: CityLearn v3は再生可能エネルギーコミュニティ制御研究のためのシミュレーションおよび評価フレームワークである。
メンバとアセットの変更,フレキシブルなロード期限,要求応答要求,ローカルエネルギー共有,ひとつのシミュレーション環境内のデータあるいは機器の障害を表すものだ。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Renewable energy communities (RECs) coordinate buildings, photovoltaic generation, batteries, electric vehicles and flexible loads. Controller studies often simplify changing participation, equipment availability, service deadlines and data quality, so lower cost or peak demand can conceal missed services or infeasible power requests. This paper presents CityLearn v3, a configurable simulation and evaluation framework for REC control studies under these conditions. It represents changing members and assets, flexible-load deadlines, demand-response requests, local energy sharing, and data or equipment failures within one simulation environment. Building and phase power limits constrain controllable requests, while a declared timestep preserves consistent power-to-energy accounting. The framework records controller inputs and distinguishes requested actions from those applied to the simulated equipment. Reference controllers, service- and constraint-aware performance indicators, and trajectory exports support comparisons within and across communities. Software checks and application examples examine service delivery, electrical constraints, settlement and changing scenarios; a synthetic high-frequency trace replay illustrates how aggregation can conceal short peaks without changing annual energy. Together, these records allow aggregate performance to be interpreted alongside service failures, action reductions and participant-level outcomes.
- Abstract（参考訳）: 再生可能エネルギーコミュニティ(REC)は、建物、太陽光発電、電池、電気自動車、柔軟な負荷を調整する。
コントローラの研究は、しばしば参加、機器の可用性、サービス期限、データ品質の変更を簡単にするので、コストやピーク需要の低減は、欠落したサービスや実現不可能な電力要求を隠蔽することができる。
本稿では,これらの条件下でのREC制御研究のための構成可能なシミュレーションおよび評価フレームワークであるCityLearn v3を提案する。
メンバとアセットの変更,フレキシブルなロード期限,要求応答要求,ローカルエネルギー共有,ひとつのシミュレーション環境内のデータあるいは機器の障害を表すものだ。
ビルドとフェーズの電力制限は制御可能な要求を制限し、宣言されたタイムステップは一貫した電力対エネルギーの会計を保持する。
フレームワークは、シミュレートされた機器に適用されたものと、要求された動作を入力し、区別する。
参照コントローラ、サービスおよび制約対応パフォーマンスインジケータ、およびトラジェクトリエクスポートは、コミュニティ内およびコミュニティ間の比較をサポートする。
ソフトウェアチェックとアプリケーションの例では、サービス提供、電気的制約、解決と変更のシナリオを調査している。
これらのレコードは、サービス障害、アクションの削減、参加者レベルの結果と合わせて、総合的なパフォーマンスを解釈することを可能にする。
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) - InFactPlanner: Planning Sustainable Geo-Distributed LLM Data Centers [0.15999407512883507]
InFactPlanner(インファクトプランナー)は、持続可能なAIデータセンターの配置を分析するためのトレース駆動の意思決定支援フレームワークである。
InFactPlannerは、クエリトレース、ハードウェアモデルプロファイル、候補サイト構成、PUE/WUEパラメータ、再生可能生成モデル、時間変化のグリッドカーボン強度を組み合わせて、電力、エネルギー、二酸化炭素排出量、水利用、レイテンシ、サーバー利用を推定する。
論文 参考訳（メタデータ） (2026-08-13T07:57:22Z) - WorldSimProbe: Diagnosing Simulator Faithfulness in Action-Conditioned World Models for Embodied Manipulation [85.15806404962193]
行動条件付き世界モデル(ACWM)は、計画、ポリシー評価、データ生成のためのスケーラブルな予測シミュレータを具現化したAIを提供することを約束する。
物理シミュレータが期待する観測能力を用いてACWMを評価する。
WorldSimProbeは、制御のバリエーション、相互作用のグラウンディングにおける構造化された障害、ダイナミックスにまたがる、システマティックなアクション実現の劣化を明らかにする。
論文 参考訳（メタデータ） (2026-08-10T08:48:06Z) - WattCouncil: Context-Aware Household Energy Scenario Generation With Governed LLMs [1.0450509067356148]
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。
論文 参考訳（メタデータ） (2026-07-12T11:28:02Z) - 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) - 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) - Control of Renewable Energy Communities using AI and Real-World Data [0.0]
本稿では,これらの複雑さを明示的に扱えるよう設計したフレームワークを導入し,シミュレーションと現実のギャップを埋める。
それは、MADDベースのマルチエージェント制御戦略であるEnergAIzeを取り入れ、現実世界のデータ収集、システム統合、ユーザー行動モデリングに関連する課題に特に対処する。
論文 参考訳（メタデータ） (2025-05-22T22:20:09Z) - 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) - MERLIN: Multi-agent offline and transfer learning for occupant-centric
energy flexible operation of grid-interactive communities using smart meter
data and CityLearn [0.0]
ビルの脱炭は, 送電網の信頼性に新たな課題をもたらす。
我々は,MERLINフレームワークを提案し,CityLearnの現実的なグリッド・インタラクティブな住宅コミュニティのデジタルツインを利用する。
電池の独立型RL制御器は、個々の建物に対するポリシーを調整することによって、基準よりも建物や地区レベルが向上することを示す。
論文 参考訳（メタデータ） (2022-12-31T21:37:14Z) - Low Emission Building Control with Zero-Shot Reinforcement Learning [70.70479436076238]
強化学習(RL)による制御は、建築エネルギー効率を著しく向上させることが示されている。
我々は、ゼロショットビルディング制御と呼ばれるパラダイムを優先せずに、排出削減ポリシーを得られることを示す。
論文 参考訳（メタデータ） (2022-08-12T17:13:25Z)
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。