文献

J-GLOBAL ID：202202228308039687   整理番号：22A0203940

プレビューベースロバスト強化学習による風力-腕電力追跡【JST・京大機械翻訳】

Wind-Farm Power Tracking Via Preview-Based Robust Reinforcement Learning

著者 (2件)： Dong Hongyang (Intelligent Control and Smart Energy (ICSE) Research Group, School of Engineering, University of Warwick, Coventry, U.K.) ,  Zhao Xiaowei (Intelligent Control and Smart Energy (ICSE) Research Group, School of Engineering, University of Warwick, Coventry, U.K.)
資料名： IEEE Transactions on Industrial Informatics  (IEEE Transactions on Industrial Informatics)
巻： 18  号： 3  ページ： 1706-1715  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： 本論文は,時間変動電力基準を追跡するために農場の総発電を必要とするウインドファーム電力追跡問題に対処し,従って,風力発電所が周波数調整のような補助サービスに参加することを可能にした。風力タービン間の不確実な環境条件と強い空力相互作用を受けるそのようなタスクを処理するために,新しいプレビューベースロバスト深層強化学習(PR-DRL)法を提案した。著者らが知る限りでは,これは,データ駆動モデルフリー解がウインドファーム電力追跡のために開発された初めてである。特に,参照信号を,事前視点情報として扱い,特別に設計した拡張状態としてシステムに埋め込んだ。次に,制御問題をゼロ和ゲームに変換して,未知の風条件と将来の参照信号の影響を定量化した。H_∞制御理論により,提案したPR-DRL法は,得られたゼロ和ゲーム解を近似し,ウインドファーム電力追跡を達成した。時系列測定と長い短期メモリネットワークを,空力相互作用の時間遅れ特徴によって誘起される非Markov特性を取り扱うために,著者らのDRL構造において採用した。動的ウィンドファームシミュレータに基づく試験は,提案したPR-DRLウィンドファーム制御戦略の有効性を実証した。Copyright 2022 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： 相互作用 ,  *電力 ,  不確実性 ,  空気力学 ,  発電 ,  周波数制御 ,  ゼロ和ゲーム ,  風車 ,  農場 ,  *風力 ,  基準信号 ,  ウインドファーム ,  *強化学習
準シソーラス用語： データ駆動 ,  制御戦略 , 【Automatic Indexing@JST】

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (4件)： 強化学習 ,  風力 ,  腕 ,  追跡