文献

J-GLOBAL ID：202202239101683682   整理番号：22A0151314

風力エネルギー入札のためのモデルベース深層強化学習【JST・京大機械翻訳】

Model-based deep reinforcement learning for wind energy bidding

著者 (2件)： Sanayha Manassakan (Department of Computer Engineering, Faculty of Engineering, Chulalongkorn University, Pathumwan, Bangkok, Thailand) ,  Vateekul Peerapon (Department of Computer Engineering, Faculty of Engineering, Chulalongkorn University, Pathumwan, Bangkok, Thailand)
資料名： International Journal of Electrical Power & Energy Systems  (International Journal of Electrical Power & Energy Systems)
巻： 136  ページ： Null  発行年： 2022年 
JST資料番号： A0596B  ISSN： 0142-0615  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 風力エネルギーはクリーンエネルギーの重要な源である。入札による共通の貿易により,多くの試みが,利益を最大化するための適切な入札政策を生成するために,深い強化学習技術を適用するためになされてきた。しかし,これらのアルゴリズムはモデルフリー戦略に基づいている。本研究では,風力エネルギーに対する戦略的入札が可能な動的モデルを開発した。従って,モデルMB-A3Cを実装し,非常に弾力性があることを証明した。ここでは,デンマークとスウェーデンの各風力サイトを代表する6つのデータセットから成る従来のベンチマークである「Nord Pool」を,十分に調査した。結果は,MB-A3Cによって発生する政策が,以前のモデルフリーとモデルベースのアルゴリズム,すなわちConv-A3C,DPPO,DDPG,およびMBPGの両方によって生成されたものより,より安価であることを示した。本研究で示した最適入札アプローチは,利益を最適化し,エネルギーと予備市場の両方の不確実性を克服するのに利用できる。Copyright 2022 Elsevier B.V., Amsterdam. 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 ,  不確実性 ,  弾性 ,  スウェーデン王国 ,  デンマーク王国 ,  ダイナミックモデル ,  クリーンエネルギー ,  *風力 ,  風力エネルギー ,  ベンチマーク ,  *強化学習
準シソーラス用語： *モデルベース ,  低価格 ,  *深層強化学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 機械学習 ,  モデルベース強化学習 ,  深層学習 ,  エネルギー入札戦略

分類 (1件)： 電力工学・電力事業一般  (NB01000X)

タイトルに関連する用語 (4件)： 風力エネルギー ,  入札 ,  モデルベース ,  深層強化学習