文献

J-GLOBAL ID：202202276629433332   整理番号：22A0913461

グラフ強化学習による逐次配電系統回復の学習【JST・京大機械翻訳】

Learning Sequential Distribution System Restoration via Graph-Reinforcement Learning

著者 (2件)： Zhao Tianqiao (Brookhaven National Laboratory, Upton, NY, USA) ,  Wang Jianhui (Department of Electrical and Computer Engineering, Southern Methodist University, Dallas, TX, USA)
資料名： IEEE Transactions on Power Systems  (IEEE Transactions on Power Systems)
巻： 37  号： 2  ページ： 1601-1611  発行年： 2022年 
JST資料番号： C0872B  ISSN： 0885-8950  CODEN： ITPSEG  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： システムオペレータのための基本的な弾力性パラダイムとしての分配サービス回復アルゴリズムは,最適に協調して,回復性能を強化するための弾力性のある解法を提供した。回復問題は,分散発電機と制御可能なスイッチを最適に調整するために定式化した。モデルベースの制御方式は,通常,正確なモデルに依存し,低いスケーラビリティをもたらすために,この問題を解決するために設計されている。これらの限界に取り組むために,本研究は復元問題のためのグラフ強化学習フレームワークを提案した。電力系統トポロジーをグラフ畳込みネットワークとリンクし,電力ネットワークにおけるネットワーク復元の複雑な機構を捉え,制御可能なデバイス間の相互作用を理解する。グラフ畳込み層により生成されたグラフィカル電力ネットワーク上の潜在特徴を利用して,深層強化学習を用いてネットワーク復元のための制御ポリシーを学習した。解スケーラビリティはマルチエージェント環境におけるエージェントとして分散発電機のモデリングと適切な事前訓練パラダイムによって保証される。IEEE123ノードと8500ノード試験システムの比較研究は,提案した解決策の性能を実証した。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 ,  位相幾何学 ,  畳込み ,  オペレータ ,  ネットワーク ,  弾性 ,  *配電系統 ,  モデリング ,  制御方式 ,  モデル ,  定式化 ,  エージェント ,  *強化学習
準シソーラス用語： 分散型発電 ,  マルチエージェント , 【Automatic Indexing@JST】

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (6件)： グラフ ,  強化学習 ,  逐次 ,  配電系統 ,  回復 ,  学習