文献

J-GLOBAL ID：202202221247143856   整理番号：22A0891334

多地域電力系統のディスパッチ制御のための深層ニューラルネットワークベースの階層的学習法【JST・京大機械翻訳】

Deep neural network-based hierarchical learning method for dispatch control of multi-regional power grid

著者 (5件)： Tang Hao (School of Electrical Engineering and Automation, Hefei University of Technology, Hefei, China) ,  Lv Kai (School of Electrical Engineering and Automation, Hefei University of Technology, Hefei, China) ,  Bak-Jensen Birgitte (Department of Energy Technology, Aalborg University, Aalborg, Denmark) ,  Pillai Jayakrishnan Radhakrishna (Department of Energy Technology, Aalborg University, Aalborg, Denmark) ,  Wang Zhengfeng (Dispatch and Communication Center, State Grid Anhui Electric Power Co., LTD., Anhui, China)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 34  号： 7  ページ： 5063-5079  発行年： 2022年 
JST資料番号： W0703A  ISSN： 0941-0643  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 相互接続したタイラインを有する多地域送電網は,現在の電力システムにとってますます重要な構造となり,大規模に電力資源を効率的に再配置できる。多重資源を含む多地域送電網の電力配分は,システムバランスを維持し,運転利益を改善する際に重要な役割を果たす。このディスパッチ問題のための現在の最適化手法は,各ディスパッチモーメントで完全な最適化計算を実行する必要があり,オンライン決定と最適化能力を欠いている。したがって,著者らは,集中協調ディスパッチ問題に対するオンラインアプローチを確立するため,深層ニューラルネットワークベースの階層的学習最適化法を導入した。この方法は,歴史的操作データだけに基づくシステム最適化を実現できる。最初に,集中協調ディスパッチ問題を数学的に定式化した。次に,オンライン学習法に適した階層構造を確立した。この設計構造の下で,著者らは各エージェントのための学習最適化モデルを確立し,オンラインで最適化問題を解決するための深い強化学習アルゴリズムを導入する。IEEE300バスシステムに基づくシミュレーション結果を提示して,提案した階層的方法の効率とアベイラビリティを検証した。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  シミュレーション ,  *学習 ,  最適化問題 ,  *電力 ,  最適化手法 ,  送電系統 ,  配電 ,  相互接続 ,  アベイラビリティ ,  多重化 ,  定式化 ,  エージェント ,  学習アルゴリズム
準シソーラス用語： オンライン , 【Automatic Indexing@JST】

著者キーワード (4件)： 多地域電力系統 ,  協調ディスパッチ ,  階層的最適化 ,  深層強化学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 地域 ,  電力系統 ,  深層ニューラルネットワーク