文献

J-GLOBAL ID：202302289482679260   整理番号：23A1037362

機械学習の推定精度に基づいて探索領域を限定した高速大規模発電計画

Search domain restriction based on estimation accuracy of machine learning for large scale unit commitment

著者 (2件)： 木下喜仁 (東京工大) ,  石崎孝幸 (東京工大)
資料名： 自動制御連合講演会(CD-ROM)  (自動制御連合講演会講演論文集(CD-ROM))
巻： 65th  ページ： ROMBUNNO.1D2-4  発行年： 2022年 
JST資料番号： F0989D  資料種別： 会議録 (C)
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： ・電力系統では予め電力系統状況を予測しながら当日必要な電力需要に対して発電計画を作成しているが,想定する不確実性が大きいと,最適化演算における演算時間の増加が課題。
・大規模な最適化問題の演算時間を高速化するため,機械学習モデルにより演算負荷の高い起動停止を決定し,残りを最適化演算で計画する手法が提案され,研究が進展中。
・本研究では,機械学習モデルの推定精度に応じて起動停止の探索領域を限定することで,発電計画の最適化に対する演算時間を高速化しながら最適性の劣化を改善する手法を提案。
・電力需給の標準モデルで検証した結果,最適化演算だけを使用した結果と比較して,精度差を0.1%に維持しながら演算時間を最大50%向上できることを確認。

シソーラス用語： *電力系統 ,  生産計画 ,  *機械学習 ,  *最適化 ,  系統運用 ,  CPU時間 ,  不確実性 ,  精度 ,  シミュレーション ,  *大規模最適化 ,  推定精度 ,  数値シミュレーション ,  *改変
準シソーラス用語： *電力システム ,  発電計画 ,  起動停止計画 ,  計算時間 ,  電力需給

分類 (2件)： システム最適化手法  (IA02050Z) ,  電力系統一般  (NB02000E)

引用文献 (7件)：

• J.Wang, M.Shahidehpour, Z.Li: Security-Constrained Unit Commitment With Volatile Wind Power Generation, IEEE Transactions on Power Systems, vol. 23, no. 3, pp. 1319-1327 (2008)
• A. S. Xavier, F. Qiu, S. Ahmed: Learning to Solve Large-Scale Security-Constrained Unit Commitment Problems, Informs journal on computing, vol. 33, no. 2, pp. 739-756 (2020)
• T. Wu, Y. J. A. Zhang and S. Wang: Deep Learning to Optimize: Security-Constrained Unit Commitment With Uncertain Wind Power Generation and BESSs; IEEE Transactions on Sustainable Energy, vol. 13, no. 1, pp. 231-240 (2022)
• T.Achterberg, T.Berthold: Improving the feasibility pump; Discrete Optimization, vol. 4, no. 1, pp. 77-86 (2007)
• 電力需給解析モデル標準化調査専門委員会: 電力需給・周波数シミュレーションの標準解析モデル; 電気学会技術報告, 1386号 (2016)

タイトルに関連する用語 (5件)： 機械学習 ,  推定精度 ,  探索 ,  大規模 ,  発電計画