文献

J-GLOBAL ID：202202263723974968   整理番号：22A0569106

強化訓練人工ニューラルネットワークによる多目的AC最適電力潮流の近似【JST・京大機械翻訳】

Approximating multi-purpose AC Optimal Power Flow with reinforcement trained Artificial Neural Network

著者 (8件)： Wang Zhenqi (Department of Energy Management and Power System Operation, University of Kassel, Wilhelmshoher Allee 73, 34121 Kassel, Germany) ,  Wang Zhenqi (Fraunhofer Institute for Energy Economics and Energy System Technology, Konigstor 59, 34119 Kassel, Germany) ,  Menke Jan-Hendrik (Department of Energy Management and Power System Operation, University of Kassel, Wilhelmshoher Allee 73, 34121 Kassel, Germany) ,  Menke Jan-Hendrik (Fraunhofer Institute for Energy Economics and Energy System Technology, Konigstor 59, 34119 Kassel, Germany) ,  Schaefer Florian (Department of Energy Management and Power System Operation, University of Kassel, Wilhelmshoher Allee 73, 34121 Kassel, Germany) ,  Braun Martin (Department of Energy Management and Power System Operation, University of Kassel, Wilhelmshoher Allee 73, 34121 Kassel, Germany) ,  Braun Martin (Fraunhofer Institute for Energy Economics and Energy System Technology, Konigstor 59, 34119 Kassel, Germany) ,  Scheidler Alexander (Fraunhofer Institute for Energy Economics and Energy System Technology, Konigstor 59, 34119 Kassel, Germany)
資料名： Energy and AI  (Energy and AI)
巻： 7  ページ： Null  発行年： 2022年 
JST資料番号： W6432A  ISSN： 2666-5468  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： AC-Optimal Power Flow(OPF)問題は,グリッドオペレータにとって,全発電コストの最小化や再生可能DERs(分散エネルギー資源)からの供給削減の最小化などの使用事例に対して,電力系統を安全に保つための不可欠なタスクである。数学的ソルバは,しばしばAC-OPF問題を解決することができるが,有意な計算時間を必要とする。人工ニューラルネットワーク(ANN)は,優れた計算性能を有する関数近似において良好な応用を有する。本論文では,ANNを用いて多重目的のためのAC-OPFの解を近似した。本研究の新規性は,強化学習概念に基づく新しい訓練法である。高性能バッチ式電力潮流ソルバを訓練のための物理的環境として使用し,それは拡張損失関数と数値動作勾配を評価する。拡張損失関数は,各使用事例に対する目標項と制約違反に対するペナルティ項から成る。この訓練法は,参照OPFなしの訓練と,制約付き最適化における離散変圧器タップ変化器位置のような離散決定変数の統合を可能にする。近似の最適性を改善するために,参照OPFによってラベル付けされた教師付き訓練と強化訓練アプローチをさらに組み合わせた。種々のベンチマーク結果は,多重使用事例で高い計算効率を達成しながら,提案アプローチの高い近似品質を示した。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： 変圧器 ,  損失関数 ,  オペレータ ,  *電力潮流 ,  電力系統 ,  *ニューラルネットワーク ,  *近似法 ,  教師つき学習 ,  多重化 ,  ベンチマーク ,  ペナルティ ,  強化学習
準シソーラス用語： 計算効率 ,  ソルバ ,  *最適電力潮流 , 【Automatic Indexing@JST】

著者キーワード (5件)： OPF ,  人工ニューラルネットワーク ,  強化学習 ,  グリッド計画と運用 ,  グリッド混雑管理

分類 (2件)： 電力系統一般  (NB02000E) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 強化 ,  訓練 ,  人工ニューラルネットワーク ,  Ac ,  最適電力潮流 ,  近似