文献

J-GLOBAL ID：202202245775753824   整理番号：22A0101772

マルチエージェント深層強化学習を用いた多地域統合エネルギーシステムの協調負荷周波数制御【JST・京大機械翻訳】

Coordinated load frequency control of multi-area integrated energy system using multi-agent deep reinforcement learning

著者 (3件)： Li Jiawen (College of Electric Power, South China University of Technology, 510640 Guangzhou, China) ,  Yu Tao (College of Electric Power, South China University of Technology, 510640 Guangzhou, China) ,  Zhang Xiaoshun (College of Engineering, Shantou University, 515063 Shantou, China)
資料名： Applied Energy  (Applied Energy)
巻： 306  号： PA  ページ： Null  発行年： 2022年 
JST資料番号： A0097A  ISSN： 0306-2619  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： マルチエリア統合エネルギーシステム(IES)における多重エネルギー変動を動的にバランスさせるために,分散インテリジェント協調自動発電制御(DIC-AGC)と名付けた協調電力制御フレームワークを,負荷周波数制御(LFC)の間,異なる領域の間で構築した。さらに,進化模倣カリキュラムマルチエージェント深層決定論的ポリシー勾配(EIC-MADDPG)アルゴリズムを,協調制御を実現し,性能ベース周波数制御市場におけるDIC-AGCの性能を改善するために,新しい深層強化学習アルゴリズムとして提案した。模倣学習とカリキュラム学習を組み合わせたEIC-MADDPGは,集中学習と分散実装を通して,LFC制御装置の多重領域の最適協調制御戦略を適応的に導出できる。中国南部グリッド(CSG)に関する4地域LFC-IESモデルのシミュレーションは,確率的負荷と再生可能電力変動に対するあらゆる地域における規制マイルド支払いを最小にしながら,制御性能を最大にする際に提案した方法の有効性を実証した。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 ,  *学習 ,  制御装置 ,  可制御性 ,  *周波数制御 ,  電力制御 ,  多重化 ,  カリキュラム ,  エネルギーシステム ,  深層 ,  有効性 ,  *負荷周波数制御 ,  協調制御 ,  中国南部
準シソーラス用語： 制御戦略 , 【Automatic Indexing@JST】

著者キーワード (3件)： 性能に基づく周波数規制市場 ,  分散インテリジェント協調自動生成制御(DIC-AGC) ,  進化模倣カリキュラムマルチエージェント二重遅延ディープ決定論的ポリシー勾配アルゴリズム(EIC-MADDPG)

分類 (1件)： 圧縮点火機関  (PB02030N)

タイトルに関連する用語 (6件)： マルチエージェント ,  深層強化学習 ,  地域統合 ,  エネルギーシステム ,  協調 ,  負荷周波数制御