リカレントニューラルネットワークを用いた深層強化学習によるSVRの時系列考慮型電圧制御

カテゴリ: 研究会(論文単位)

論文No: PE24146,PSE24146

グループ名: 【B】電力・エネルギー部門 電力技術/【B】電力・エネルギー部門 電力系統技術合同研究会

発行日: 2024/09/16

タイトル(英語): Time-Series-Aware Voltage Control by SVR Using Deep Reinforcement Learning with Recurrent Neural Networks

著者名: 西井 翔馬(大阪公立大学),高山 聡志(大阪公立大学),石亀 篤司(大阪公立大学),前坂 達哉(関西電力送配電),竹内 翔吾(関西電力送配電),山口 大翼(関西電力送配電)

著者名(英語): Shoma Nishii(Osaka Metropolitan University ),Satoshi Takayama(Osaka Metropolitan University ),Atsushi Ishigame(Osaka Metropolitan University ),Tatsuya Maesaka(Kansai Transmission and Distribution),Shogo Takeuchi(Kansai Transmission and Distribution),Daisu

キーワード: 電圧制御|深層強化学習|ＲＮＮ|ＳＶＲ|Voltage Control|Deep Reinforcement Learning|RNN|SVR

要約(日本語): 近年、配電系統では、系統内の電圧や電力需要量などの計測データを活用した電圧制御の研究が進められている。本稿では、SVRによるタップ制御に対して、深層強化学習の一手法であるDeep Q Networkの適用を検討する。また、タップ位置の時間的推移を考慮するために、本稿では、Deep Q networkのニューラルネットワークにRNNを適用し、急峻な電圧変動に対しても事前に対応できるSVRのタップ制御について検討する。

要約(英語): This paper explores voltage control in distribution networks using SVR with Deep Q Network (DQN), a method of deep reinforcement learning. Furthermore, this paper applies RNN to the neural network of DQN to consider the temporal transitions of its tap positions that can preemptively respond to sharp voltage fluctuations.

本誌: 2024年9月19日-2024年9月20日電力技術/電力系統技術合同研究会-3

本誌掲載ページ: 71-76 p

原稿種別: 日本語

PDFファイルサイズ: 2,094 Kバイト