学習困難性の低減:インバータベースボルトバー制御のための1ステップ2批評深層強化学習【JST・京大機械翻訳】

Liu Qiong; Guo Ye; Deng Lirong; Liu Haotian; Li Dongyu; Sun Hongbin; Huang Wenqi

プレプリント

J-GLOBAL ID：202202201632774109 整理番号：22P0322510

学習困難性の低減:インバータベースボルトバー制御のための1ステップ2批評深層強化学習【JST・京大機械翻訳】

Reducing Learning Difficulties: One-Step Two-Critic Deep Reinforcement Learning for Inverter-based Volt-Var Control

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年03月30日プレプリントサーバーでの情報更新日： 2022年07月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,能動配電網におけるインバータベースボルト制御(IB-VVC)のための1段階二批深層強化学習(OSTC-DRL)手法を提案した。最初に,IB-VVCを単一周期最適化問題として定式化し,著者らは,DRL学習タスクを単純化する標準Markov決定プロセスよりむしろ,1ステップMarkov決定プロセスとしてIB-VVCを定式化した。次に,著者らは,最近のDRLアルゴリズムの簡易版である1段階アクター-批評DRL方式を設計して,それはQ値過大評価の問題点を首尾よく回避した。さらに,VVCの2つの目的を考慮して,電力損失を最小にして,電圧違反を除去するため,著者らは,別々に2つの目的の報酬を近似するために2つの批判を利用した。それは各批判の近似タスクを単純化し,批判の学習プロセスにおける2つの目的間の相互作用効果を避ける。OSTC-DRL方式は,1段階アクター-批評DRL方式と2つの批評技術を統合した。OSTC-DRLに基づいて,2つの集中DRLアルゴリズムを設計した。さらに,分散IB-VVCのためにOSTC-DRLをマルチエージェントOSTC-DRLに拡張し,2つのマルチエージェントDRLアルゴリズムを設計した。シミュレーションは,提案したOSTC-DRLが,より速い収束速度とより良い制御性能を持ち,マルチエージェントOSTC-DRLが,分散IB-VVC問題に対して良好に機能することを示した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , ロボットの運動・制御 , 電力系統一般

前のページに戻る