文献

J-GLOBAL ID：202102246761000075   整理番号：21A0989432

強化学習を用いた電力系統におけるオンラインエリア負荷モデリング【JST・京大機械翻訳】

Online Area Load Modeling in Power Systems Using Enhanced Reinforcement Learning

著者 (5件)： Shang Xiaoya (School of Electric Power Engineering, South China University of Technology, Guangzhou 510641, China) ,  Li Zhigang (School of Electric Power Engineering, South China University of Technology, Guangzhou 510641, China) ,  Ji Tianyao (School of Electric Power Engineering, South China University of Technology, Guangzhou 510641, China) ,  Wu P. Z. (Paul C. Lauterbur Research Center for Biomedical Imaging, Institute of Biomedical and Health Engineering, Shenzhen Institute of Advanced Technology (SIAT), Chinese Academy of Sciences, Shenzhen 518055, China) ,  Wu Qinghua (School of Electric Power Engineering, South China University of Technology, Guangzhou 510641, China)
資料名： Energies (Web)  (Energies (Web))
巻： 10  号： 11  ページ： 1852  発行年： 2017年11月 
JST資料番号： U7016A  ISSN： 1996-1073  CODEN： ENERGA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 負荷モデリングの精度は,電力系統運用と制御に直接影響する。以前のモデリング研究は,電圧の静的荷重特性を十分に考慮せずに,単一境界バスに接続された負荷に主に集中している。この見通しを改善するために,本論文は,Ward等価に基づく多重境界バスとZIP負荷(一定インピーダンス,一定電流と一定電力負荷の組合せ)による面積負荷のための正確なモデリングアプローチを提案した。さらに,リアルタイムモニタリングの要求を満たすために,強化学習(ERL)アルゴリズムを用いて,モデルパラメータをオンライン方式で同定する。値関数の並列表をERLアルゴリズムに実装し,その追跡性能を改善した。3つのシミュレーションケースを,それぞれ,単一ZIP負荷と,IEEE57バスシステムと,中国の実際の1209バス電力システムにおける,第2と第3の領域負荷を含む第1に取り組んだ。結果は,ERLアルゴリズムが既存の強化学習アルゴリズムと収束に関する改良最小二乗法と,ステップ変化および時変負荷の両方を追跡する能力に関して優れていることを証明した。さらに,試験事例で得られた結果は,提案した領域負荷モデルが以前に導入したモデルよりも正確であることを確認した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  インピーダンス ,  最小二乗法 ,  シミュレーション ,  電圧 ,  電流 ,  計算機シミュレーション ,  静荷重 ,  *電力系統 ,  多重化 ,  系統運用 ,  *強化学習 ,  学習アルゴリズム
準シソーラス用語： モデルパラメータ ,  電力負荷 ,  リアルタイムモニタリング , 【Automatic Indexing@JST】

著者キーワード (4件)： 負荷モデリング ,  パラメータ追跡 ,  強化学習 ,  Ward等価性

分類 (1件)： 電力系統一般  (NB02000E)

引用文献 (35件)：

• Wen, J.Y.; Wu, Q.H.; Nuttall, K.I.; Shimmin, D.W.; Cheng, S.J. Construction of power system load models and network equivalence using an evolutionary computation technique. Int. J. Electr. Power Energy Syst. 2003, 25, 293-299.
• Arif, A.; Wang, Z.; Wang, J.; Mather, B.; Bashualdo, H.; Zhao, D. Load Modeling: A Review. IEEE Trans. Smart Grid 2017.
• Zhao, J.; Wang, Z.; Wang, J. Robust Time-Varying Load Modeling for Conservation Voltage Reduction Assessment. IEEE Trans. Smart Grid 2016.
• Fahmy, O.; Attia, A.; Badr, M. A novel analytical model for electrical loads comprising static and dynamic components. Electr. Power Syst. Res. 2007, 77, 1249-1256.
• Casolino, G.; Losi, A. Load Area model accuracy in distribution systems. Electr. Power Syst. Res. 2017, 143, 321-328.

タイトルに関連する用語 (5件)： 強化学習 ,  電力系統 ,  オンライン ,  エリア ,  モデリング