Power Systems Transition Simulation Using Artificial Neural Networks and Surrogate Modelling
人工ニューラルネットワークとサロゲートモデリングを用いた電力システム転換シミュレーション (AI 翻訳)
Antans Sauhats, Diāna Žalostība, Roman Petrichenko, Gaļina Bočkarjova, Konstantins Burcevs, Gatis Junghāns, Edgars Eisons
🤖 gxceed AI 要約
日本語
本研究は、カーボンニュートラル実現に向けた電力システム転換の複雑性に対処するため、人工知能とサロゲートモデリングを組み合わせた統合計画運用フレームワークを提案する。不確実性と複数ステークホルダーの視点を考慮し、高解像度での意思決定を支援する。事例研究により有効性を示した。
English
This paper presents an integrated planning and operational framework that combines multi-actor, multi-criteria stochastic optimization with surrogate modeling and artificial intelligence to address the complexity of energy system transition. The approach enhances scalability and computational efficiency for uncertainty-aware decision-making, demonstrated through a case study.
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
日本のGX政策では、電力システムの脱炭素化が急務である。本フレームワークは、再生可能エネルギー導入拡大や系統安定化のシミュレーションに応用可能であり、SSBJや統合報告書におけるエネルギー転換計画の策定にも役立つ可能性がある。
In the global GX context
This framework supports global energy transition planning by integrating AI-driven surrogate models with stochastic optimization, addressing key challenges in TCFD/ISSB-aligned scenario analysis and transition pathway design. It enables high-resolution modeling of renewable integration and grid resilience.
👥 読者別の含意
🔬研究者:Provides a novel methodology combining AI and optimization for energy system planning under uncertainty.
🏢実務担当者:Offers a scalable tool for simulating energy transition scenarios, aiding investment and operational decisions.
🏛政策担当者:Supports evidence-based policy design for carbon-neutral power systems with uncertainty quantification.
📄 Abstract（原文）
Transforming energy supply systems is vital for achieving a sustainable, carbon-neutral future. However, this transformation entails significant complexity, driven by the integration of carbon-free energy sources, tightly coupled technical and economic subsystems, and the need to ensure reliability, resilience, and affordability. Addressing these challenges requires advanced planning approaches capable of capturing uncertainty, multiple stakeholder perspectives, and system dynamics across temporal and spatial scales. In response, this article presents an integrated planning and operational framework that combines multi-actor, multi-criteria, and multi-stage stochastic optimization with surrogate modelling and artificial intelligence. The proposed approach enhances scalability, computational efficiency, and precision in the planning and operation of future energy systems. A case study illustrates its effectiveness in supporting high-resolution, uncertainty-aware decision-making.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.20944/preprints202605.1941.v1first seen 2026-06-17 04:45:17 · last seen 2026-06-17 07:07:10
🔔 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。