文献

J-GLOBAL ID：202202231784687822   整理番号：22A0631099

改良型深層強化学習に基づくアクティブ配電系統のための日先最適ディスパッチ戦略【JST・京大機械翻訳】

Day-Ahead Optimal Dispatch Strategy for Active Distribution Network Based on Improved Deep Reinforcement Learning

著者 (3件)： Li Xiaoyu (Key Laboratory of Power System Intelligent Dispatch and Control of Ministry of Education, Shandong University, Jinan, China) ,  Han Xueshan (Key Laboratory of Power System Intelligent Dispatch and Control of Ministry of Education, Shandong University, Jinan, China) ,  Yang Ming (Key Laboratory of Power System Intelligent Dispatch and Control of Ministry of Education, Shandong University, Jinan, China)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 9357-9370  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 能動配電網における再生可能エネルギーのような不確実性によって引き起こされた最適ディスパッチングの課題を効果的に取り扱うために,改良深層強化学習に基づくアクティブ配電ネットワークのための日先最適ディスパッチ戦略を提案する。最初に,アクティブ配電ネットワークのための日先最適ディスパッチ問題を,多段確率計画モデルとしてモデル化した。多段モデルは,時間にわたる非折畳み不確実性の動力学を捉えることを試み,意思決定と不確実性アンフォールディング間の相互作用をより正確に,現実的に表現し,決定を動的かつ適応的に調整することができた。第2に,データ駆動方式で能動配電ネットワークの電力潮流モデルを近似する深層ニューラルネットワークの助けを借りて,改良深層強化学習アルゴリズムを提案して,対応する多段確率的計画法問題を解決した。提案した改良深層強化学習アルゴリズムは,試行錯誤情報取得法が,高コスト電力システムに適用するのが難しいという問題を効果的に解決する。最後に,改良深層強化学習に基づくアクティブ配電ネットワークのための提案した日先最適化ディスパッチ戦略の有効性を,修正IEEE33ケースによって検証する。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： アルゴリズム ,  最適化 ,  相互作用 ,  意思決定 ,  確率的計画法 ,  ディスパッチング ,  不確実性 ,  電力潮流 ,  電力系統 ,  *配電系統 ,  改良 ,  デコンボリューション ,  情報収集
準シソーラス用語： 配電網 ,  データ駆動 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 深層強化学習 ,  配電系統 ,  戦略