文献

J-GLOBAL ID：202102244337472156   整理番号：21A3333862

スパース促進強化学習によるエネルギー貯蔵システムにおける過渡制御の構造的スケジューリング【JST・京大機械翻訳】

Structural Scheduling of Transient Control Under Energy Storage Systems by Sparse-Promoting Reinforcement Learning

著者 (4件)： Sun Jian (School of Electronic, and Information Engineering, Southwest University, Chongqing, China) ,  Qi Guanqiu (Department of Computer Information Systems, State University of New York at Buffalo, Buffalo, NY, USA) ,  Mazur Neal (Department of Computer Information Systems, State University of New York at Buffalo, Buffalo, NY, USA) ,  Zhu Zhiqin (College of Automation, Chongqing University of Post, and Telecommunications, Chongqing, China)
資料名： IEEE Transactions on Industrial Informatics  (IEEE Transactions on Industrial Informatics)
巻： 18  号： 2  ページ： 744-756  発行年： 2022年 
JST資料番号： W1434A  ISSN： 1551-3203  CODEN： ITIICH  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： 過渡制御における機械学習関連研究は,送電網からのデータ測定の急速な増加によって,かなり注目されている。2つの重要な構成要素,制御アルゴリズムとシステム構造は,制御性能を決定するために一緒に働く。制御則の設計,位相測定ユニットの選択,電力資源の配分,および限られたサイバー-物理資源における通信トポロジーのスケジューリングを考慮すべきである。制御構造に特化した多くの既存のスケジューリングまたは計画方式を,種々の線形化解析モデルまたは定常状態の最適化に基づいて設計した。しかし,送電網の過渡動力学は非線形であり,これらの動力学の部分は通常未知である。線形化解析モデルは,大きな擾乱を持つ送電網の過渡動力学を表すことができない。本論文は,エネルギー貯蔵システムによる送電網の過渡安定性強化のための制御システム構造を最適化するために,スパースニューラルネットワークベースの強化学習方式を提案した。1つの調節可能グループスパース重みマトリックスを導入して,制御構造とアクター・トラマチックネットワークの両方を定式化した。この戦略は,提案スキームを,制御システム構造を同時にスケジュールし,任意の組合せ最適化問題を解決せず,あるいは,任意の線形化解析モデルを必要とすることなく,オンライン学習によって制御則を設計することを可能にする。学習安定性,制御安定性,およびグループスパース性の十分条件を,数学的解析によって徹底的に研究した。検証のためにIEEE118バステストシステムに関して,提案した方式をシミュレーションした。シミュレーション結果は,提案方法の実現可能性,利点および適応性を確認した。Copyright 2021 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： 位相幾何学 ,  最適化 ,  シミュレーション ,  *学習 ,  *スケジューリング ,  電力 ,  過渡安定度 ,  送電系統 ,  ニューラルネットワーク ,  通信 ,  定式化 ,  機械学習 ,  *強化学習 ,  制御則 ,  解析モデル

分類 (4件)： 電力変換器  (NB08030B) ,  その他のオペレーションズリサーチの手法  (KA03070E) ,  システム設計・解析  (IA02030D) ,  電気量制御  (IC03020F)

タイトルに関連する用語 (4件)： 促進 ,  強化学習 ,  エネルギー貯蔵システム ,  スケジューリング