文献

J-GLOBAL ID：202202239918844613   整理番号：22A0203979

弾力性のある配電系統における実時間サービス回復のためのハイブリッド模倣学習【JST・京大機械翻訳】

Hybrid Imitation Learning for Real-Time Service Restoration in Resilient Distribution Systems

著者 (5件)： Zhang Yichen (Energy System Division, Argonne National Laboratory, Lemont, IL, USA) ,  Qiu Feng (Energy System Division, Argonne National Laboratory, Lemont, IL, USA) ,  Hong Tianqi (Energy System Division, Argonne National Laboratory, Lemont, IL, USA) ,  Wang Zhaoyu (ECpE Department, Iowa State University, Ames, IA, USA) ,  Li Fangxing (Department of EECS, University of Tennessee, Knoxville, TN, USA)
資料名： IEEE Transactions on Industrial Informatics  (IEEE Transactions on Industrial Informatics)
巻： 18  号： 3  ページ： 2089-2099  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： 自己修復能力は,ネットワーク再構成と無効電力ディスパッチを含む,オンラインでサービス回復を自動的に実行するためにインテリジェントエージェントを必要とする,弾力性のある配電系統のための重要因子である。本論文では,エージェントが,その最適ポリシーを学習するための混合整数プログラムに基づいて構築されるエキスパートと相互作用し,従って,探索支配強化学習(RL)法と比較して訓練効率を著しく改善する,そのようなエージェントを訓練するための模倣学習フレームワークを提案した。訓練効率が著しく改善されたのは,N-kシナリオの下で訓練問題を訓練する。ハイブリッド政策ネットワークを提案し,回復性能をさらに改善するために,タイライン運用と無効電力配分を同時に処理する。N-k擾乱を有する33バスと119バスシステムを採用して訓練を行った。結果は,提案方法が深いQネットワークのような従来のRLアルゴリズムより優れていることを示した。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： アルゴリズム ,  相互作用 ,  ネットワーク ,  *弾性 ,  *配電系統 ,  無効電力 ,  対応線 ,  エージェント ,  強化学習
準シソーラス用語： インテリジェントエージェント ,  実時間 ,  自己修復 ,  オンライン ,  *模倣学習 ,  無効電力配分 , 【Automatic Indexing@JST】

分類 (2件)： 電力系統一般  (NB02000E) ,  電力工学・電力事業一般  (NB01000X)

タイトルに関連する用語 (5件)： 弾力性 ,  配電系統 ,  実時間 ,  サービス回復 ,  模倣学習