抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】