小規模オフグリッドにおける深層強化学習を用いた周波数制御

カテゴリ: 研究会(論文単位)

論文No: PSE23004

グループ名: 【B】電力・エネルギー部門 電力系統技術研究会

発行日: 2023/01/14

タイトル(英語): Frequency Control Method Using Deep Reinforcement Learning in Small-scale Off-grid

著者名: 角川 直広(大阪公立大学),石亀 篤司(大阪公立大学),高山 聡志(大阪公立大学),山口 大翼(関西電力送配電),飯田 義和(関西電力送配電),村本 大輔(関西電力送配電)

著者名(英語): Naohiro Tsunokawa(Osaka Metropolitan University),Atsushi Ishigame(Osaka Metropolitan University),Satoshi Takayama(Osaka Metropolitan University),Daisuke Yamaguchi(Kansai Transmission and Distribution),Yoshikazu Iida(Kansai Transmission and Distribution),D

キーワード: オフグリッド|マイクログリッド　|深層強化学習|周波数制御|Off-grid|Microgrid|Deep Reinforcement learning|Frequency Control

要約(日本語): 再生可能エネルギーを含むオフグリッド運用では, 発電量が天候に左右されるため, 電力需給の調整が困難になる。さらに, 小規模系統では慣性力が小さくなり, 電力変動が周波数に与える影響は大きくなるため, 高精度な周波数制御が求められる。本報告では，蓄電池制御に注目し，系統周波数を一定に制御することを目的とした検討を行う。蓄電池の充放電量の決定には不確実性を含む環境に柔軟に対応できる深層強化学習を適用する。

要約(英語): In off-grid operations, including renewable energy, it is difficult to adjust the supply and demand of electricity because the renewable energy output depends on weather conditions. In addition, a small-scale grid has less inertia, and frequency is greatly affected by power fluctuations. Therefore, we need a highly accurate frequency control method. In this paper, we focus on storage battery control and propose a method to control the frequency to a constant level. This paper applies Deep reinforcement learning, which can flexibly cope with environments containing uncertainty, to determine the charge and discharge output of storage batteries.

本誌: 2023年1月17日電力系統技術研究会

本誌掲載ページ: 19-24 p

原稿種別: 日本語

PDFファイルサイズ: 1,386 Kバイト