文献

J-GLOBAL ID：201902269610848845   整理番号：19A0517221

ネットワーク再構成を考慮した再生可能分散発電の最適割当のための学習オートマトンに基づく方法論【JST・京大機械翻訳】

Learning Automata-Based Methodology for Optimal Allocation of Renewable Distributed Generation Considering Network Reconfiguration

著者 (7件)： Zhu Junpeng (School of Electrical Engineering, Southeast University, Nanjing, China) ,  Gu Wei (School of Electrical Engineering, Southeast University, Nanjing, China) ,  Lou Guannan (School of Electrical Engineering, Southeast University, Nanjing, China) ,  Wang Liufang (State Grid Anhui Electric Power Corporation Research Institute, Hefei, China) ,  Xu Bin (State Grid Anhui Electric Power Corporation Research Institute, Hefei, China) ,  Wu Ming (China Electric Power Research Institute, Beijing, China) ,  Sheng Wanxing (China Electric Power Research Institute, Beijing, China)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 14275-14288  発行年： 2017年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 再生エネルギーを消費するための配電網の不十分な容量と再生可能な分散発電(RDG)の不適切な配分が重要な課題になっている。本論文では,マスタ-スレーブ構造における3レベル学習オートマトンベースの方法論を,ネットワーク再構成を考慮した最適RDGサイジングとサイジングのために提案した。RDG割当最適化,すなわちマスタ問題を,年間投資コストと運用コストを最小化する目的で,最初のレベルで提案した。ネットワーク再構成は,RDGの消費を促進し,運用コストを減少させるために,第2レベルにおけるスレーブ問題としてモデル化される。第3レベルにおける二次スレーブ問題として,アクティブ電力削減と無効電力補償を含むRDG電力制御戦略を導入した。再生エネルギーと負荷の確率的特性を考慮して,学習オートマトンに基づく知的アルゴリズムを提案し,マスタ-スレーブ構造に埋め込んだ。標準試験システムに関するシミュレーション結果は,提案方法の実現可能性と有効性を実証した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  操業費 ,  *サイジング ,  モデリング ,  投資 ,  有効性 ,  再生エネルギー ,  アルゴリズム ,  計算機シミュレーション ,  電力
準シソーラス用語： 制御戦略 ,  無効電力補償 ,  配電網 ,  *学習オートマトン ,  *分散型発電 ,  *ネットワーク再構成 , 【Automatic Indexing@JST】

分類 (2件)： 信号理論  (ND02020G) ,  マイクロ波・ミリ波通信  (ND08020W)

タイトルに関連する用語 (5件)： ネットワーク再構成 ,  分散発電 ,  割当 ,  学習オートマトン ,  方法論