抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
再生可能エネルギー源の増殖と環境への関心の増加により,マイクログリッドは,住宅のエネルギー供給の主要な手段の一つとなるであろうことが期待される。しかし,マイクログリッド運用の分布特性は,エネルギー管理への新しい技術的挑戦をもたらす。マイクログリッドにおける分散型発電(DG)ユニットとエネルギー貯蔵(ES)デバイスへの無線通信機能を付与集中コントローラなしにそれらの協力のための有益である。それにもかかわらず,全てのDGユニットと負荷のための分散エネルギー管理withouta prioristatistical情報を確立するかは広範な研究が必要である。本論文では,協調型ニューラルフィッティング反復を伴う強化学習アルゴリズムは,無線ネットワークを介したマイクログリッドにおける分散型エネルギー管理のために提案した。強化学習アルゴリズムは,マイクログリッドの連続状態と行動空間を採用する分散アクタ-クリティック構造を活用した。無線ネットワークを介してそれらの評価と決定を交換することによってDGユニットとESデバイスの作用を調整するために強化学習アルゴリズムに組み込まれている拡散戦略。現実的な再生可能発電と負荷データに基づくシミュレーション結果は,提案したアルゴリズムの性能を評価した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】