Balancing Forecast Accuracy and Switching Costs in Online Optimization of Energy Management Systems

要約

この研究では、エネルギー管理システムにおける予測と最適化の統合を調査し、スイッチングコストの役割 – 頻繁な運用調整から生じる罰則に焦点を当てています。
理論的および経験的フレームワークを開発して、オンラインの意思決定設定でのスイッチングコストとの予測の精度と安定性がどのように相互作用するかを調べます。
私たちの分析は、点と確率的予測を使用して、決定論的最適化と確率論的最適化アプローチの両方に及びます。
確率的予測の時間的一貫性を測定するための新しいメトリックが導入され、FrameworkはCityLearn 2022チャレンジに基づく実際のバッテリースケジューリングケースで検証されます。
結果は、スイッチングコストが予測の精度と安定性の間のトレードオフを大幅に変えること、およびより安定した予測により、切り替えによるパフォーマンスの損失が減少する可能性があることを示しています。
一般的な慣行とは反対に、調査結果は、交渉不可能な切り替えコストの下で、コミットメント期間が長くなると全体的な結果が向上する可能性があることを示唆しています。
これらの洞察は、インテリジェントで予測に対応するエネルギー管理システムの設計に実際的な意味を持っています。

要約(オリジナル)

This study investigates the integration of forecasting and optimization in energy management systems, with a focus on the role of switching costs — penalties incurred from frequent operational adjustments. We develop a theoretical and empirical framework to examine how forecast accuracy and stability interact with switching costs in online decision-making settings. Our analysis spans both deterministic and stochastic optimization approaches, using point and probabilistic forecasts. A novel metric for measuring temporal consistency in probabilistic forecasts is introduced, and the framework is validated in a real-world battery scheduling case based on the CityLearn 2022 challenge. Results show that switching costs significantly alter the trade-off between forecast accuracy and stability, and that more stable forecasts can reduce the performance loss due to switching. Contrary to common practice, the findings suggest that, under non-negligible switching costs, longer commitment periods may lead to better overall outcomes. These insights have practical implications for the design of intelligent, forecast-aware energy management systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google