文献

J-GLOBAL ID：202002224549989346   整理番号：20A0811950

不完全情報下のネットワーク化マイクログリッドのための学習ベース電力管理法【JST・京大機械翻訳】

A Learning-Based Power Management Method for Networked Microgrids Under Incomplete Information

著者 (4件)： Zhang Qianzhi (Department of Electrical and Computer Engineering, Iowa State University, Ames, IA, USA) ,  Dehghanpour Kaveh (Department of Electrical and Computer Engineering, Iowa State University, Ames, IA, USA) ,  Wang Zhaoyu (Department of Electrical and Computer Engineering, Iowa State University, Ames, IA, USA) ,  Huang Qiuhua (Electricity Infrastructure Group, Pacific Northwest National Laboratory, Richland, WA, USA)
資料名： IEEE Transactions on Smart Grid  (IEEE Transactions on Smart Grid)
巻： 11  号： 2  ページ： 1193-1204  発行年： 2020年 
JST資料番号： W2294A  ISSN： 1949-3053  CODEN： ITSGBQ  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： 本論文では,配電系統におけるネットワーク化マイクログリッド(MG)の2レベル電力管理のための近似的強化学習(RL)方法論を提示した。実際には,協調エージェントは,MG資産行動の知識を制限しないか,共通結合(PCC)のポイントの背後にある詳細なモデルを持つことができる。これにより,制約付きMG電力管理問題に対する従来の最適化解を観測できず,インピーダンス化することができる。この挑戦に取り組むために,価格ベース環境における2レベルRLフレームワークを提案した。より高いレベルでは,協調エージェントは,MGパラメトリックモデルの不完全な情報の下でエンティティの挙動を予測するために関数近似を実行する。一方,低レベルでは,各MGは価格信号に対して電力潮流制約付き最適応答を提供する。次に,関数近似方式を,システム負荷と時間にわたる太陽発生変化として価格信号を最適化するために,適応可能なRLフレームワークの中で使用した。数値実験は,文献における以前の研究と比較して,提案したプライバシー保存学習モデルがより良い適応性と強化した計算速度を持つことを証明した。Copyright 2020 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： *マイクログリッド ,  強化学習 ,  *電力管理 ,  最適化 ,  エージェント ,  太陽 ,  近似法 ,  配電系統 ,  学習モデル ,  関数近似 ,  プライバシー ,  *学習 ,  電力潮流 ,  計算機処理速度 ,  インピーダンス

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (4件)： 不完全情報 ,  マイクログリッド ,  学習 ,  電力管理