Double Deep Q NetworkとLSTMを用いたSVRによる電圧制御

カテゴリ: 研究会(論文単位)

論文No: PSE25016

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: 2025/01/21

タイトル(英語): Voltage Control by SVR Using Double Deep Q Network and LSTM

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),Daisuke Yamaguchi(Kansai Transmission and Distribution)

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

要約(日本語): 本研究では、深層強化学習のDouble Deep Q Network (DDQN)を用いたSVRによる配電系統の電圧制御手法を検討する。DDQNは、Q学習にディープニューラルネットワーク（DNN）を導入することで、高次元の状態空間に対応可能である。また、行動価値関数の過大評価を抑え、精度の高い行動選択が可能である。ただし、DDQNでは時系列データの学習が困難であるため、DNNに時系列学習に有用なLSTM層を組み込み、時系列情報を考慮したSVRのタップ制御について検討する。

要約(英語): This paper proposes the voltage control method using SVR with Double Deep Q Network (DDQN) to address the increased complexity due to the expansion of PV. Furthermore, it incorporates the LSTM layer in the neural network of DDQN in order to consider the temporal transitions of the PV output.

本誌: 2025年1月24日電力系統技術研究会-2

本誌掲載ページ: 57-62 p

原稿種別: 日本語