文献

J-GLOBAL ID：202002284013026469   整理番号：20A2443468

マルチ電気エネルギー貯蔵システムのSOC管理のための深層強化学習ベースコントローラ【JST・京大機械翻訳】

Deep Reinforcement Learning-Based Controller for SOC Management of Multi-Electrical Energy Storage System

著者 (2件)： Sanchez Gorostiza Francisco (Wolfson School of Mechanical, Electrical and Manufacturing Engineering, Loughborough University, Loughborough, U.K.) ,  Gonzalez-Longatt Francisco M. (Department of Electrical Engineering, Information Technology and Cybernetics, University of South-Eastern Norway, Porsgrunn, Norway)
資料名： IEEE Transactions on Smart Grid  (IEEE Transactions on Smart Grid)
巻： 11  号： 6  ページ： 5039-5050  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： 現代の電力システムにおける全回転慣性の進行中の低減は,安全で経済的な運転を維持するために制限しなければならない,より高速な周波数動力学をもたらす。電気エネルギー貯蔵システム(EESS)は,それらの応答時間により高速周波数応答サービスを提供するためにますます魅力的になってきた。しかし,タイムリーで安全な運転を確保するためには,有限エネルギー埋蔵量の適切な管理が必要である。本論文では,マルチEESS(M-EESS)の充電状態(SOC)を管理するための,深い強化学習(DRL)ベースコントローラを提案し,電力グリッドに対する周波数応答サービスを提供した。提案したDRLエージェントは,M-EESSの連続動作とより円滑なSOC制御を可能にする,深い決定論的ポリシー勾配(DDPG)と呼ばれるアクター-批評法を用いて訓練される。深層ニューラルネットワーク(DNN)を用いて,アクターと批判ポリシーを表現した。提案した戦略は,SOCが最小または最大許容値に達するならば,SOCが実質的なペナルティと結合したその目標値の特定のバンド内にある各時間ステップに対して,エージェントを一定の報酬に付与することから成る。提案した制御装置を,ベンチマークDRL法および他の制御技術,即ち,ファジー論理および従来のPID制御と比較した。シミュレーション結果は,提案した方式の有効性を示した。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： 慣性モーメント ,  シミュレーション ,  周波数応答 ,  埋蔵量 ,  電力 ,  電力系統 ,  許容量 ,  有効性 ,  連続操作 ,  ベンチマーク ,  ペナルティ ,  ファジィ論理 ,  エージェント ,  *強化学習
準シソーラス用語： 充電状態 , 【Automatic Indexing@JST】

分類 (2件)： 電力系統一般  (NB02000E) ,  配電(事業者側)  (NB05040R)

タイトルに関連する用語 (5件)： マルチ ,  電気エネルギー貯蔵 ,  SOC ,  深層強化学習 ,  コントローラ