文献

J-GLOBAL ID：202002288874343136   整理番号：20A0216679

不確実性を考慮した蓄電池エネルギー貯蔵システムの二重深層Q学習ベース分散運転【JST・京大機械翻訳】

Double Deep $Q$ -Learning-Based Distributed Operation of Battery Energy Storage System Considering Uncertainties

著者 (3件)： Bui Van-Hai (Department of Electrical Engineering, Incheon National University, Incheon, South Korea) ,  Hussain Akhtar (Department of Electrical Engineering, Incheon National University, Incheon, South Korea) ,  Kim Hak-Man (Department of Electrical Engineering, Incheon National University, Incheon, South Korea)
資料名： IEEE Transactions on Smart Grid  (IEEE Transactions on Smart Grid)
巻： 11  号： 1  ページ： 457-469  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： Q-学習に基づく操作戦略は,エネルギー貯蔵システムの最適運用に最近適用されている。そこでは,Q-Tableを用いて,すべての可能な状態動作対に対するQ値を保存する。しかし,Q学習は,それが大きな状態空間問題,すなわち,連続状態空間問題または環境不確実性による問題になるとき,挑戦に直面した。Q-学習の限界を扱うために,本論文は二重深Q-学習法を用いた分散操作戦略を提案した。それは,マイクログリッドシステムにおけるコミュニティ電池エネルギー貯蔵システム(CBESS)の運用を管理するために適用される。Q-学習とは対照的に,提案した操作戦略は,グリッド接続と単独モードの両方におけるシステムの不確実性を扱うことができる。これは,Q値を推定するための関数近似器としての深いニューラルネットワークの利用によるものである。さらに,提案した方法は,標準的な深いQ学習の主要な欠点である過大評価を緩和することができる。提案方法は,選択と評価プロセスを分離することによって,より速くモデルを訓練する。最後に,提案した二重深Q学習に基づく動作法の性能を,集中化された方法に基づく動作との結果を比較することにより評価した。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： ニューラルネットワーク ,  マイクログリッド ,  *不確実性 ,  Q値 ,  深層 ,  コミュニティ ,  関数近似 ,  *二次電池 ,  集中化
準シソーラス用語： グリッド接続 ,  電池エネルギー貯蔵システム ,  連続状態 ,  状態空間 ,  *Q学習 ,  エネルギー貯蔵システム , 【Automatic Indexing@JST】

分類 (2件)： 電気自動車  (QG07020B) ,  配電(事業者側)  (NB05040R)

タイトルに関連する用語 (5件)： 不確実性 ,  蓄電池 ,  エネルギー貯蔵システム ,  深層 ,  Q学習