arXiv:2110.15178

Consensus-Based Decentralized Energy Trading for Distributed Energy Resources

Zhenyu Wang, XiaoYu Zhang, Hao Wang

제출 2021-10-28

원문 초록

In smart grids, distributed energy resources (DERs) have penetrated residential zones to provide a new form of electricity supply, mainly from renewable energy. Residential households and commercial buildings with DERs have become prosumers in the local grids, since they can sell surplus power to others. Researches have been initiated to integrate and utilize DERs through better control and communication strategies. With the advances in the Internet of Things (IoT) technology, unprecedented coordination among DERs can be achieved to facilitate energy trading and transactive energy management. However, preventing leakage of users' information during the optimization process keeps challenging researchers, which drives them to develop privacy-preserving energy management systems. In this paper, we develop a fully decentralized transactive energy management using the consensus-based algorithm. To be specific, we design a virtual pool for prosumers to trade energy and exchange information with IoT technologies' support. The consensus-based algorithm enables prosumers to obtain the optimal energy schedule independently in a coordinated manner without revealing any personal data. We use real-world data to perform simulations and validate our developed algorithm. The results show that our consensus-based decentralized transactive energy management strategy is feasible and can significantly reduce the overall system cost.

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2610.02504v1cs.AI공통 태그 Privacy Preserving, energy management

HXAI: 분산 에너지 시스템에서의 계층적 프라이버시 보호 설명 가능한 AI

HXAI: Hierarchical Privacy-Preserving Explainable AI in Distributed Energy Systems

재생 에너지 발전의 내재적인 간헐성과 확률적인 전력 소비로 인해 전력 수요와 공급의 균형을 맞추는 것이 점점 더 어려워지고 있습니다. 전력망 운영자는 피크 부하를 관리하고 대응형 요금제를 설계하기 위해 가구별 에너지 소비에 대한 세밀하고 의사결정에 유의미한 통찰을 필요로 하지만, 이 수준에서 투명성이 높아지면 심각한 프라이버시 문제가 발생합니다. 설명 가능한 AI(XAI)의 전통적인 방법들은 민감한 정보를 노출할 수 있는 반면, 표준적인 프라이버시 기법들은 설명의 유용성을 저하시키는 경우가 많습니다. 이러한 문제를 해결하기 위해, 본 논문에서는 프라이버시를 보호하면서도 전력망 수준의 수요 관리를 위한 합리적인 설명 가능 분석을 가능하게 하는 계층적 프레임워크인 HXAI를 제안합니다. HXAI는 두 가지 주요 구성 요소로 이루어져 있습니다: (1) 안전한 비공개 환경(environment) 내에서 세밀한 설명을 생성하는 로컬 모델(model), (2) 이러한 설명을 집계하여 전력망 수준의 분석을 지원하는 동시에 유연한 프라이버시 예산 관리를 통해 프라이버시를 보장하는 구역(zonal) 모델. 우리는 운영자의 반복적인 쿼리 하에서 누적 프라이버시 노출을 명시적으로 제한하며, 제안된 프레임워크가 가구의 프라이버시를 침해하지 않으면서도 의사결정에 유의미한 정보를 보존함을 보여줍니다. 시뮬레이션 및 실제 에너지 데이터셋 모두에 대한 실험을 통해, HXAI가 가전제품 수준의 소비 정보는 로컬에 유지되어 전력망 운영자에게 결코 전송되지 않도록 보장하면서도 구역 부하 관리를 위한 유용한 통찰을 제공함을 입증합니다. 우리의 결과는 수치적 오차를 최소화하는 것보다 설명의 의미론적 구조를 보존하는 것이 차분 프라이버시(differential privacy) 하에서 XAI의 핵심임을 보여줍니다. 이 프레임워크는 에너지 관리에서 프라이버시와 설명 가능성을 모두 달성할 수 있는 방법을 제공합니다.

arXiv:2607.14309v1cs.AI공통 태그 Privacy Preserving, Management

Traccia: OpenTelemetry 기반 AI 시스템 거버넌스 플랫폼

Traccia: An OpenTelemetry-Based Governance Platform for AI Systems

대규모 언어 모델(LLM)과 인공지능(AI) 기반 자율 에이전트의 급속한 발전은 기존 소프트웨어 거버넌스의 형태를 근본적으로 바꾸었다. EU AI Act와 같은 국제 프레임워크에 따라 투명성과 책임성에 대한 엄격한 기준이 요구됨에도 불구하고, 이론과 현실 사이에는 상당한 격차가 있다. 본 연구는 LLM 평가, 머신러닝 워크플로, 일반적인 애플리케이션 성능 모니터링을 위해 현재 사용되는 플랫폼의 고유한 한계를 논의한다. 현재의 분리된 솔루션들이 무제한 상태 공간(unbound state space) 에이전트 아키텍처를 정렬 드리프트(alignment drift), SaaS 보안 우려, 무단 배포되는 섀도 AI(shadow AI) 시스템과 같은 심각한 위협으로부터 보호하지 못한다는 것이 밝혀졌다. 또한 OpenTelemetry 인프라 플랫폼 위에 구축된 일관된 다계층 AI 거버넌스 스택인 Traccia 형태로 논의된 과제들을 극복하기 위한 솔루션을 제안한다. Traccia는 텔레메트리 데이터, 수동적 의미론적 가드레일 평가, 실행 계보(execution lineage)를 해시된 추적 원장(hashed trace ledger)에 추가함으로써 AI 정렬(alignment)의 마지막 단(last mile)을 해결한다. Traccia는 변조 방지 지문과 SHA-256 콘텐츠 해시를 부가하여 EU AI Act의 제12조, 제14조, 제19조, 제26조(6), 제50조 등 규제 요건에 매핑되는 준수 증거 패키지를 자동으로 생성하며, 어떠한 데이터 프라이버시도 침해하지 않는다. 이러한 평가를 체계적인 방식으로 수행함으로써, 자율 AI 시스템의 기업 전반 관리를 위한 견고한 기계 판독 가능(machine-readable) 기반을 마련하였다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.