[論文レビュー] Human-in-the-loop MGA to generate energy system design options matching stakeholder needs

Francesco Lombardi, Stefan Pfenninger|arXiv (Cornell University)|Jul 19, 2024

Real-time simulation and control systems被引用数 4

ひとこと要約

本稿は、ステークホルダーの好みを段階的に最適化可能なMGA探索空間に統合することで、エネルギー・システム設計最適化に人間を統合する（HITL）新しいモデリングフレームワークを提案する。初期段階で一時的な設計空間と対話することで好みを抽出し、それを強化目的に変換することで、『人間が訓練した』設計空間を生成する。この方法により、ステークホルダーの優先順位との整合性が著しく向上し、合意形成の可能性も高まる。ポルトガルのエネルギー・システムを対象とした制御実験で、合意関連設計の割合が1%から18%に上昇した。

ABSTRACT

The common use of cost minimisation to support energy system design decisions hides from view many economically comparable design options that stakeholders may prefer. Modelling to generate alternatives (MGA) is increasingly popular as a way to go beyond least-cost designs, providing stakeholders with diverse portfolios to appraise. However, generating all the feasible designs is not computationally viable; modellers must choose what design features to generate diversity around, despite not knowing which trade-offs matter the most in practice. Therefore, MGA alone cannot ensure the generation of design options that match stakeholder needs. To address this shortcoming, we propose a human-in-the-loop (HITL) approach that automatically integrates stakeholder preferences into MGA. We elicit preferences by letting stakeholders interact with a tentative MGA design space. Hence, we decode those preferences to feed them back to the MGA algorithm and perform a guided search. This search produces a human-trained design space with more designs that mirror the elicited preferences. A synthetic experiment for the Portuguese energy system shows that HITL-MGA may facilitate consensus formation, promising to accelerate technically and socially feasible energy transition decisions.

研究の動機と目的

• 従来のコスト最適化手法が、実務的利点を持つ非最適な実行可能設計を無視するという限界に対処する。
• 特に大規模・高解像度モデルにおいて、すべての実行可能エネルギー・システム設計オプションを生成する計算上の非現実性という課題を克服する。
• 意思決定の現実世界の文脈に最も関連する特徴に向けた探索の多様性を高めるために、ステークホルダーの知識をMGAワークフローに統合する。
• 自動的で好みに基づく設計空間の最適化により、モデラーと共同して技術的・社会的に実現可能なエネルギー移行経路を生み出す方法を開発・検証する。
• HITL-MGAが、複数の対立するステークホルダーの好みと整合する設計の割合を増やすことで、合意形成の質を向上させる有効性を示す。

提案手法

• 一時的で一時的なMGA生成設計空間との初期対話によって、ステークホルダーの好みを抽出する。
• 上位評価の設計における統計的に顕著な技術的特徴を特定することで、ステークホルダーの好みを定量的な強化目的に変換する。
• SPORES MGAアルゴリズムの修正版を用いて、強化係数（bおよびc）を解釈された好みに基づいて調整することで、望ましい特徴を優先するガイド付き探索を実施する。
• しきい値ベースの特徴検出法を適用し、統計的に顕著で、したがってステークホルダーの好みに関連する技術的特徴を特定する。
• 更新された強化目的でMGAアルゴリズムを再実行し、ステークホルダーの入力を反映した新たな『人間が訓練した』設計空間を生成する。
• ステークホルダーの好みとの整合性と合意形成の可能性を評価するため、マルチ基準意思決定分析（MCDA）を用いて人間が訓練した設計空間のパフォーマンスを評価する。

Figure 1: Conceptual representation of the proposed HITL-MGA workflow and of the controlled experiment we carry out in this study to test the workflow. The theoretical framework we propose envisions that we collect the high-level system design preferences arising from a first iteration of an MGA des

実験結果

リサーチクエスチョン

• RQ1 ステークホルダーの好みは、自動化されたMGAワークフローに効果的に抽出され、エネルギー・システム設計オプションの生成を導くことができるか？
• RQ2 人間を統合するアプローチにより、ステークホルダーの好みとの整合性が従来のMGAと比較してどの程度向上するか？
• RQ3 HITL-MGAアプローチは、対立する優先順位を持つステークホルダー間での合意形成の可能性にどのように影響を与えるか？
• RQ4 MGAフレームワーク内でのステークホルダーの好みの解釈と強化目的への変換において、計算的および手法的トレードオフは何か？
• RQ5 HITL-MGAアプローチは、制御された合成実験を超えて、現実世界のステークホルダー参加に一般化可能か？

主な発見

• HITL-MGAアプローチにより、MCDAスコアの最高値から25%以内の設計オプション（高合意可能性を示唆）の割合が、従来のMGA設計空間の1%から、人間が訓練した設計空間では18%に上昇した。
• 本手法は、11の高レベルのステークホルダーの好みのうち10つについて、整合性の向上に成功した。これには、陸上風力の地域的集中の低減や、特定技術の全体的導入量の制限が含まれる。
• 唯一向上しなかった好みは、全体的なインフラ整備の低減であり、これは強化ベースの解釈により導入量のスケーリングを好むため、モデルレベルでの矛盾が生じたことに起因した。
• 感度分析の結果、特徴解釈におけるしきい値の選定が強化目的の分布に影響することが判明した。より厳しいしきい値は、より多くの特徴に目的を分散させるが、特定の好みへの影響を希釈する可能性がある。
• 人間が訓練した設計空間により、例えば限定的な陸上風力導入と低い地域的集中という、元のMGA空間にはまったく存在しなかった妥協解が発見された。
• 本研究は、HITL-MGAがステークホルダーと共同してモデル結果を生み出し、エネルギー移行経路の関連性と社会的実現可能性を著しく高められることを示している。

Figure 2: Stylised representation of the SPORES algorithm, in its standard ( a ) and HITL ( b ) formulations. Starting from the cost-optimal solution, the algorithm iteratively looks for additional feasible and only marginally costlier system designs in parallel batches. The standard formulation ( a