文献

J-GLOBAL ID：202202258969876188   整理番号：22A0398240

マルチエージェント深層強化学習を用いた相互接続マルチエネルギーマイクログリッドにおけるピアツーピアエネルギー取引とエネルギー変換【JST・京大機械翻訳】

Peer-to-Peer Energy Trading and Energy Conversion in Interconnected Multi-Energy Microgrids Using Multi-Agent Deep Reinforcement Learning

著者 (6件)： Chen Tianyi (James Watt School of Engineering, University of Glasgow, Glasgow, U.K) ,  Bu Shengrong (Department of Engineering, Brock University, Catharines, ON, Canada) ,  Liu Xue (School of Computer Science, McGill University, Montreal, QC, Canada) ,  Kang Jikun (School of Computer Science, McGill University, Montreal, QC, Canada) ,  Yu F. Richard (School of Information Technology and Department of Systems and Computer Engineering, Carleton University, Ottawa, ON, Canada) ,  Han Zhu (Department of Electrical and Computer Engineering, University of Houston, Houston, TX, USA)
資料名： IEEE Transactions on Smart Grid  (IEEE Transactions on Smart Grid)
巻： 13  号： 1  ページ： 715-727  発行年： 2022年 
JST資料番号： W2294A  ISSN： 1949-3053  CODEN： ITSGBQ  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： マルチエネルギーマイクログリッド(MEMG)の鍵となる側面は,コストと環境影響を低減するために,エネルギーを効率的に変換し,貯蔵する能力である。ピアツーピア(P2P)エネルギー取引は,分散エネルギー市場設計の新規なパラダイムである。本論文では,外部P2Pエネルギー取引問題と内部エネルギー転換問題を,相互接続住宅,商業および産業MEMGsの中で調査した。これらの2つの問題は,巨大な高次元データおよび不確実性を有する複雑な意思決定問題であり,したがって,ツイン遅れた深い決定論的政策勾配アルゴリズムによるマルチエージェントアクター-批評アルゴリズムを結合するマルチエージェント深層強化学習方式を提案した。提案した手法は,高次元連続動作空間を扱うことができ,複数のMEMGとのP2Pエネルギー取引の性質と整合する。3つの実世界MGデータセットに基づくシミュレーション結果は,提案した方式が各MGの平均時間運転コストを著しく低減することを示した。炭素税価格決定の影響も検討した。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 ,  シミュレーション ,  意思決定 ,  価格決定 ,  不確実性 ,  *相互接続 ,  *エネルギー変換 ,  内部エネルギー ,  高次元 ,  環境影響 ,  連続操作
準シソーラス用語： *ピアツーピア ,  決定論 ,  分散エネルギー ,  *マルチエージェント , 【Automatic Indexing@JST】

分類 (2件)： 電力系統一般  (NB02000E) ,  配電(事業者側)  (NB05040R)

タイトルに関連する用語 (5件)： マルチエージェント ,  深層強化学習 ,  相互接続 ,  取引 ,  エネルギー変換