文献

J-GLOBAL ID：202202266241615907   整理番号：22A0287776

ヒューマンインザループを用いたハイブリッド強化学習に基づくエネルギーインターネットのエネルギー効率のための最適エネルギー運用戦略【JST・京大機械翻訳】

Optimal Energy Operation Strategy for We-Energy of Energy Internet Based on Hybrid Reinforcement Learning With Human-in-the-Loop

著者 (4件)： Yang Lingxiao (College of Information Science and Engineering, Northeastern University, Shenyang, China) ,  Sun Qiuye (College of Information Science and Engineering, Northeastern University, Shenyang, China) ,  Zhang Ning (College of Information Science and Engineering, Northeastern University, Shenyang, China) ,  Liu Zhenwei (College of Information Science and Engineering, Northeastern University, Shenyang, China)
資料名： IEEE Transactions on Systems, Man, and Cybernetics: Systems  (IEEE Transactions on Systems, Man, and Cybernetics: Systems)
巻： 52  号： 1  ページ： 32-42  発行年： 2022年 
JST資料番号： C0425D  ISSN： 2168-2216  CODEN： ITSMFE  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： 本論文では,エネルギーインターネット(EI)における新しい完全二重モデル,We-Energy(WE)に基づくエネルギー運用問題を研究した。WEの2目的最適エネルギー運用モデルを,種々の時間シナリオの下で経済的利益とセキュリティ操作を考慮して定式化した。分散発電装置と負荷の不正確なモデルのため,マルチポリシー凸包強化学習(MCRL)アルゴリズムを提案した。それは,モデルフリー特徴を有する多目的戦略セットを見つけることができる。さらに,複合タスクのための情報処理における人工知能技術と人間の利点の限界を考慮して,2チャネルヒトインザループ(HITL)方式を,意思決定リスクを避けるためにMCRLと結合するように設計した。HITLの1つのチャネルは,通常条件の下で人間による操作戦略を評価することができて,複雑な操作条件のための人間の理解は,インテリジェントシステムの信頼性を改良するために,機械学習アルゴリズムに組み込むことができた。HITLの他のチャネルは,制御のシステムを回避するための異常条件下でリアルタイム調整に参加することを可能にする。修正EIのシミュレーション研究は,提案したアルゴリズムが効果的にシステム性能を改善できることを確認した。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 ,  性能 ,  意思決定 ,  情報処理 ,  信頼性 ,  人工知能 ,  定式化 ,  凸包 ,  *インターネット ,  *強化学習 ,  学習アルゴリズム
準シソーラス用語： 操作条件 ,  インテリジェントシステム ,  システム性能 ,  分散型発電 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  人間機械系  (IB03000G)

タイトルに関連する用語 (6件)： 強化学習 ,  エネルギー ,  インターネット ,  エネルギー効率 ,  運用 ,  戦略