文献

J-GLOBAL ID：202002225454408213   整理番号：20A2607919

強化学習によるリニア式波力発電装置の電力量最大化

Deep Reinforcement Learning Control to Maximize Output Energy for a Wave Energy Converter

著者 (2件)： 梅田隼 (国立研究開発法人海上・港湾・航空技術研究所 海上技術安全研究所) ,  藤原敏文 (国立研究開発法人海上・港湾・航空技術研究所 海上技術安全研究所)
資料名： 日本船舶海洋工学会論文集  (Journal of the Japan Society of Naval Architects and Ocean Engineers)
巻： 31  ページ： 229-238(J-STAGE)  発行年： 2020年 
JST資料番号： G0242B  ISSN： 1880-3717  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： 本論文は,リニア発電機を有するポイントアプソーバ型波力エネルギー変換機(WEC)についての出力エネルギーを最大化するための深層強化学習制御法を記す。通常の制御法はWECの動的モデルを必要とする。しかしながら,動的モデルのモデリング誤差はエネルギー吸収を小さくし不正確な制御をもたらす。モデルフリー制御法である提案した方法は,最適減衰と剛性係数を実験に基づいて学習する。提案した制御法において,減衰および剛性係数は,深層強化学習によって入射波に依存する時間ドメインにおいて変化させることができる。提案した制御法の性能を,規則および不規則波の両方における数値シミュレーションを通して調べている。通常の制御方法と比較して,平均化出力は増加し,出力変動は動的モデル無しで減少した。提案した方法は通常の制御法よりもより効果的であると理解される。(翻訳著者抄録)

シソーラス用語： *波力発電 ,  発電機 ,  生産量 ,  機能 ,  操作 ,  制御 ,  強化学習 ,  機械学習
準シソーラス用語： リニア発電機 ,  発電量 ,  最大化 ,  深層学習

分類 (1件)： 波力発電,潮力発電  (NB03130B)

引用文献 (25件)：

• 1) Maeda, H. and Yamashita S.: Section 1.2 Wave Energy Converters, Bulletin of the Society of Naval Architects of Japan, Vol. 637, pp.306-327,1982. (in Japanese)
• 前田久明,山下誠也:海洋エネルギー利用<特集>1.2 波浪エネルギー一次変換装置,日本造船学会誌,第637号,pp. 306-326, 1982.
• 2) New Energy and Industrial Technology Development Organization (NEDO): Project Report of “Development of the Next-generation ocean energy power generation technology Wave energy Converters with Linear generators”, 20180000000866, 2019. (in Japanese)
• 国立研究開発法人新エネルギー・産業技術総合開発機構:平成26年度~平成29年度成果報告書 海洋エネルギー技術研究開発 次世代海洋エネルギー発電技術開発 リニア式波力発電, 20180000000866, 2019.
• 3) Falnes, J.: Ocean Waves and Oscillating System, Cambridge University Press, Cambridge, 2002.

タイトルに関連する用語 (5件)： 強化学習 ,  リニア ,  波力発電 ,  電力量 ,  最大化