論文の概要: Value-oriented policy distillation for interpretable wind farm power control

• arxiv url: http://arxiv.org/abs/2611.08245v1
• Date: Thu, 05 Nov 2026 16:22:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 04:55:13.576353
• Title: Value-oriented policy distillation for interpretable wind farm power control
• Title（参考訳）: 風力発電制御のための価値指向型政策蒸留
• Abstract要約: ヨーロッパでは、送電系統オペレーターが発行する情報を用いて、不均衡価格を期待して、風力発電所が電力設定を調整する。 本稿では, 汎用添加剤モデルの変種である説明可能な推進機械 (EBMs) を用いた政策蒸留フレームワークを提案し, 透明な制御ポリシを得る。 価値指向でエキスパートベースのコントローラは、価格閾値のコントローラよりも高い性能で、不均衡コストを82%削減できることがわかった。
• 参考スコア（独自算出の注目度）: 4.622269401777101
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wind farm power control can help the system maintain balance and avoid blackouts. In Europe, this can be achieved through implicit balancing, where a wind farm adjusts its power setpoint in anticipation of the imbalance price using information published by the Transmission System Operator. Thereby, the wind farm helps restore system balance while also reducing its own imbalance costs resulting from forecast errors. However, implicit balancing is a challenging problem since the settlement price is unknown in advance and can be impacted by the pursued control strategy. Reinforcement learning methods could help to solve this problem, but lack the interpretability needed to be deployed on real wind farms. Therefore, we propose a policy distillation framework using explainable boosting machines (EBMs), a variant of generalized additive models, to obtain a transparent control policy. To increase the value captured by the EBM model, we introduce a value-oriented perspective to policy distillation inspired by research in the field of energy forecasting. Furthermore, we suggest to include expert knowledge during model design, such that the control strategy is also justifiable to stakeholders. Using real data of the Belgian grid and an offshore wind farm, we find that our value-oriented and expert-based controller can reduce imbalance costs by 82%, while outperforming a price threshold controller as well as a policy distillation baseline using decision trees.
• Abstract（参考訳）: 風力発電の電力制御は、システムのバランス維持と停電回避に役立つ。 ヨーロッパでは、風力発電所がトランスミッション・システム・オペレーターが発行した情報を用いて不均衡価格を予測して電力設定を調整し、暗黙のバランスをとることでこれを実現できる。 これにより、風力発電所はシステムのバランスを回復し、予測エラーによる不均衡コストを低減できる。 しかし、暗黙のバランスは、決済価格が事前に不明であり、追跡された制御戦略の影響を受け得るため、難しい問題である。 強化学習法はこの問題を解決するのに役立つが、実際の風力発電所に展開するために必要な解釈性は欠如している。 そこで本研究では, 汎用添加剤モデルの変種である説明可能な推進機械(EBMs)を用いた政策蒸留フレームワークを提案し, 透明な制御ポリシーを得る。 EBMモデルにより得られた価値を高めるため、エネルギー予測の分野での研究に触発された政策蒸留に価値指向の視点を導入する。 さらに、モデル設計において、制御戦略が利害関係者に正当化できるような専門家の知識を含めることを提案する。 ベルギーの電力網とオフショアの風力発電所の実際のデータを用いて,我々の価値指向型および専門家型制御器は,価格閾値制御器と意思決定木を用いた政策蒸留ベースラインを上回りながら,不均衡コストを82%削減できることがわかった。

関連論文リスト

• Post-Training at the Edge of Detectability: A Game-Theoretic Approach to Fine-Tuning [58.088509347353465]
  強化学習(Reinforcement Learning, RL)は、言語モデルトレーニングにおいて広く使われている。 我々は,このトレードオフに明確な統計的解釈を与えるゲーム理論の枠組みを提案する。
  論文  参考訳（メタデータ） (2026-07-29T00:19:09Z)
• Interpretable Policy Distillation for Power Grid Topology Control [46.15556541260613]
  我々は,PPOエージェントを,運用性能を損なうことなく,コンパクトな木型サロゲートに圧縮できるかどうかを問う。 PPOの教師は、Grid2Opの標準14バス環境において、重大かつ高負荷状態のストレス中心のデータ収集を使用して、安定性を重視した報酬で訓練される。 両方のサロゲートは、平均報酬と生存期間において、推論コストのごく一部で教師を上回る。
  論文  参考訳（メタデータ） (2026-05-30T06:32:55Z)
• Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
  本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。 このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。 安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
  論文  参考訳（メタデータ） (2026-03-07T01:49:59Z)
• Predicting and Publishing Accurate Imbalance Prices Using Monte Carlo Tree Search [4.950434218152639]
  本稿では,モンテカルロ木探索手法を提案する。 本稿では,ニューラルネットワーク予測器と強化学習エージェントによって制御される仮想電池群を用いて,システムダイナミクスをモデル化する。
  論文  参考訳（メタデータ） (2024-11-06T15:49:28Z)
• Control Policy Correction Framework for Reinforcement Learning-based Energy Arbitrage Strategies [4.950434218152639]
  そこで本稿では,電池の非均衡化機構において,安全なエネルギー仲裁戦略を実現するための新しいRLベースの制御フレームワークを提案する。 提案手法の性能評価には,2023年のベルギーの不均衡価格を用いる。
  論文  参考訳（メタデータ） (2024-04-29T16:03:21Z)
• Distributional Reinforcement Learning-based Energy Arbitrage Strategies in Imbalance Settlement Mechanism [6.520803851931361]
  再生可能エネルギー源の浸透の進展により、供給がより不確実になり、システムの不均衡が増大する。 分散強化学習(DRL)に基づく電池制御フレームワークを提案する。 提案するコントロール・フレームワークはリスクに敏感な視点を採り、BRPがリスク・プライオリティを調整することができる。
  論文  参考訳（メタデータ） (2023-12-23T15:38:31Z)
• Measuring Wind Turbine Health Using Drifting Concepts [55.87342698167776]
  風力タービンの健全性解析のための2つの新しい手法を提案する。 第1の方法は、比較的高低電力生産の減少または増加を評価することを目的とする。 第2の方法は抽出された概念の全体的ドリフトを評価する。
  論文  参考訳（メタデータ） (2021-12-09T14:04:55Z)
• Regret-optimal Estimation and Control [52.28457815067461]
  後悔最適推定器と後悔最適制御器は状態空間形式で導出可能であることを示す。 非線形力学系に対するモデル予測制御(MPC)と拡張KalmanFilter(EKF)の残差最適類似性を提案する。
  論文  参考訳（メタデータ） (2021-06-22T23:14:21Z)
• Adaptive Control and Regret Minimization in Linear Quadratic Gaussian (LQG) Setting [91.43582419264763]
  我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。 LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
  論文  参考訳（メタデータ） (2020-03-12T19:56:38Z)

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。