文献

J-GLOBAL ID：201902297447246588   整理番号：19A2840533

電力市場のための機械学習に基づく前日スケジューリング

Machine Learning Approach to Day-ahead Scheduling for Multi-period Energy Markets

著者 (6件)： 渡邉郁弥 (東京工業大学工学院) ,  川口貴弘 (東京工業大学工学院) ,  石崎孝幸 (東京工業大学工学院) ,  竹中栄晶 (宇宙航空研究開発機構地球観測研究センター) ,  中島孝 (東海大学情報技術センター) ,  井村順一 (東京工業大学工学院)
資料名： 計測自動制御学会論文集  (Transactions of the Society of Instrument and Control Engineers)
巻： 55  号： 10  ページ： 593-601(J-STAGE)  発行年： 2019年 
JST資料番号： S0104A  ISSN： 0453-4654  CODEN： KJSRA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本論文では,著者らは機械学習方式に基づく不確実な再生可能エネルギー生成の下での前日スケジューリング法を提案した。再生可能エネルギー発電装置を備えた集合体は,再生可能電力発電量が前日スケジューリングで正確に予測されない状況で,エネルギー生成と消費(消費)をスケジューリングする必要がある。前日スケジュールと実際の消費プロファイルの間の差として定義される,不均衡が発生した場合,集合体は不均衡ペナルティコストを支払うことを必要とされる。不均衡ペナルティの支払いを回避するためのスケジューリング方法として,著者らは過去のトランザクションの結果に基づく機械学習によるスケジューリングモデルを提案した。特に,著者らはパラメータに関して線形であるパラメトリックブラックボックススケジューリングモデルを導入することにより,スケジューリングモデルのパラメータを見つける問題が,凸プログラムに縮小されることを示した。さらに,著者らはコスト関数が凸で区分的アフィンである場合,パラメータを見つける問題が線形プログラムに縮小されることも示した。さらに,L₂正則化項が導入されるならば,パラメータを見つける問題が2次プログラムに縮小されることも示された。最後に,著者らは数値例により提案した方法の効率を示した。(翻訳著者抄録)

シソーラス用語： *機械学習 ,  *電力市場 ,  *スケジューリング ,  市場 ,  再生エネルギー ,  非平衡状態 ,  ペナルティ ,  費用関数 ,  最適化 ,  線形計画法 ,  凸最適化 ,  不均衡 ,  改変
準シソーラス用語： エネルギー市場 ,  プログラム

著者キーワード (2件)： エネルギー市場 ,  機械学習

分類 (3件)： 人工知能  (JE08000Z) ,  工程管理  (KB03030P) ,  電力工学・電力事業一般  (NB01000X)

引用文献 (17件)：

• 1) A.M. Annaswamy and M. Amin: IEEE Vision for Smart Grid Controls: 2030 and Beyond (2013)
• 2) 八田達夫:電力競争市場の基本構造,RIETI Discussion Paper Series, 04-J-029 (2004)
• 3) 井村,原:太陽光発電のスマート基幹電源化,日刊工業新聞社 (2019)
• 4) J. Matevosyan and L. Soder: Minimization of imbalance cost trading wind power on the short-term power market, IEEE Transactions on Power Systems, 21-3, 1396/1404 (2006)
• 5) G. Ferruzzi, G. Cervone, L.D. Monache, G. Graditi and F. Jacobone: Optimal bidding in a Day-Ahead energy market for Micro Grid under uncertainty in renewable energy production, Energy, 106, 194/202 (2016)

タイトルに関連する用語 (3件)： 電力市場 ,  機械学習 ,  スケジューリング