文献

J-GLOBAL ID：202202277178787555   整理番号：22A0902597

キャンパスマイクログリッドシステムのための学習ベースコスト最適エネルギー管理モデル【JST・京大機械翻訳】

Learning based cost optimal energy management model for campus microgrid systems

著者 (3件)： Kim Jangkyum (School of Electrical Engineering, KAIST, Daejeon, 34141, Republic of Korea) ,  Oh Hyeontaek (Institute for Information Technology Convergence, KAIST, Daejeon, 34141, Republic of Korea) ,  Choi Jun Kyun (School of Electrical Engineering, KAIST, Daejeon, 34141, Republic of Korea)
資料名： Applied Energy  (Applied Energy)
巻： 311  ページ： Null  発行年： 2022年 
JST資料番号： A0097A  ISSN： 0306-2619  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： マイクログリッドの導入は,再生可能エネルギー源の設置によるシステムにおける効率的なエネルギー管理を可能にした。マイクログリッドの代表的なモデルの一つとして,キャンパスマイクログリッド(CMG)に関する様々な研究が行われている。CMGの運転では,様々なエネルギー消費資源と再生エネルギーが,システムの全体コストまたはピーク電力を最小化すると考えられている。しかし,ほとんどの従来の研究は,異なる環境からのデータを収集することによって,シミュレーションに関して性能解析を扱うだけである。この場合,実際の電力系統に研究エネルギー運用技術を適用するのを困難にする電力規制や電力コストには考慮が不足している。問題を解決するために,本論文は実際のCMG環境においてテストベッドを構築し,様々なIoTセンサを通してデータセットを収集した。さらに,様々な電力資源を通して起こる不確実性を解析し,正味エネルギー消費シナリオを導出するために使用した。この方法で,様々な補助IoTデバイスを用いた発電と消費の詳細な解析による新しいコスト最適エネルギー管理モデルを提案した。実装されたCMGからの実世界データセットに基づいて,提案した解析モデルとエネルギー管理モデルが実際の環境に対して実行可能であることを示した。制約を満足して,CMGの不確実性を考慮しない場合と比較して,毎日の電力コストを2.16%まで低減でき,ピーク電力を3%まで削減できることを示した。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： *エネルギー ,  *学習 ,  *原価 ,  電力 ,  不確実性 ,  電力系統 ,  *モデル ,  *キャンパス ,  正味エネルギー ,  性能分析 ,  解析モデル ,  *マイクログリッド
準シソーラス用語： 電力価格 ,  ピーク電力 ,  モノのインターネット , 【Automatic Indexing@JST】

著者キーワード (5件)： マイクログリッド ,  エネルギー管理 ,  学習 ,  予測の不確実性 ,  コスト最適化

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (3件)： 学習 ,  エネルギー ,  管理モデル