← 論文一覧に戻る

エントロピーと説明可能AIに基づくリスク適応型MPCによる低炭素統合エネルギーシステムのスケジューリング

Entropy and explainable AI based risk adaptive MPC for low-carbon integrated energy system scheduling (原題)

Haiteng Han, Simin Zhang, Yue Zhou, Chuanshen Wu

Applied Energy📚 査読済 / ジャーナル2026-08-31#エネルギー転換Origin: CN経営インパクト: コスト削減対象セクター: power
DOI: 10.1016/j.apenergy.2026.128729
原典: https://doi.org/10.1016/j.apenergy.2026.128729

🤖 gxceed AI 要約

日本語

本論文は、低炭素統合エネルギーシステムのスケジューリングにおいて、エントロピーと説明可能AIを用いたリスク適応型モデル予測制御（MPC）を提案する。不確実性を考慮しつつ、システムの経済性と低炭素性を両立させることを目指す。中国の電力システム研究に基づく。

English

This paper proposes a risk-adaptive model predictive control (MPC) method using entropy and explainable AI for scheduling low-carbon integrated energy systems. It aims to balance economic efficiency and low-carbon operation under uncertainty, based on research from Chinese institutions.

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

日本では、再生可能エネルギーの導入拡大に伴い、需給調整やエネルギーシステムの最適運用が重要となっている。本手法は、AIを活用した系統運用の高度化に示唆を与える。

In the global GX context

Globally, this work contributes to the integration of AI in energy system optimization, aligning with the trend of using advanced analytics for decarbonization. It offers insights for grid operators and energy planners.

👥 読者別の含意

🔬研究者:Provides a novel approach combining entropy, explainable AI, and MPC for energy scheduling, useful for researchers in energy optimization.

🏢実務担当者:Energy system operators can consider this method for enhancing low-carbon scheduling under uncertainty.

🔗 Provenance — このレコードを発見したソース

🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。