文献

J-GLOBAL ID：202202269622427904   整理番号：22A0914011

深層強化学習を用いたクラウドコンピューティングに基づく需要応答管理【JST・京大機械翻訳】

Cloud Computing Based Demand Response Management Using Deep Reinforcement Learning

著者 (3件)： Song Chunhe (Key Laboratory of Networked Control Systems, Shenyang Institute of Automation, Institutes for Robotics and Intelligent Manufacturing, Chinese Academy of Sciences, Shenyang, Liaoning, China) ,  Han Guangjie (Changzhou Key Laboratory of Internet of Things Technology for Intelligent River and Lake, Hohai University, Changzhou, Jiangsu, China) ,  Zeng Peng (Key Laboratory of Networked Control Systems, Shenyang Institute of Automation, Institutes for Robotics and Intelligent Manufacturing, Chinese Academy of Sciences, Shenyang, Liaoning, China)
資料名： IEEE Transactions on Cloud Computing  (IEEE Transactions on Cloud Computing)
巻： 10  号： 1  ページ： 72-81  発行年： 2022年 
JST資料番号： W2426A  ISSN： 2168-7161  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： 需要応答は,電力供給と電力グリッドの需要の間のバランスを維持することによって,送電網の安全性と安定化を確実にするための効果的方法であり,本論文は,需要応答のための電気温水器の使用に焦点を合わせる。以前の研究での快適性と価格要因を考慮することに加えて,本論文では,オーバーシュート温度と需要応答への影響を考察した。最初に,電気水加熱器の加熱と冷却プロセスの理論モデルを確立した。第2に,電気水加熱器を用いた需要応答プロセスを,需要応答プロセスに及ぼす物理的パラメータおよび電気温水器の設定の影響を含めて解析した。第3に,需要応答要求,電気温水器の所有者の快適性,および電力価格を同時に考慮して,モデルを確立した。第4に,深層強化学習に基づく最適化方法を,電気水加熱器を使用する需要応答のために提案する。一方,需要応答の結果に及ぼすパラメータの影響を詳細に論じた。実験結果は提案方法の有効性を示した。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： 電力 ,  加熱器 ,  *快適性 ,  最適化手法 ,  送電系統 ,  *電力管理 ,  モデル ,  オーバシュート ,  有効性 ,  電力供給
準シソーラス用語： 理論モデル ,  電力価格 ,  冷却過程 ,  *クラウドコンピューティング ,  電気温水器 ,  *需要応答 , 【Automatic Indexing@JST】

分類 (2件)： 屋内配電・電源設備  (NB05050C) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 深層強化学習 ,  クラウドコンピューティング ,  需要応答