GNN-LSTMとデータフュージョンによる発電機起動停止計画の高速計算手法の提案

カテゴリ: 研究会(論文単位)

論文No: PE25011,PSE25043,SPC25058

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/【D】産業応用部門 半導体電力変換合同研究会

発行日: 2025/03/03

タイトル(英語): Proposal of a Fast Calculation Method for Unit Commitment Using GNN-LSTM and Data Fusion

著者名: 大河原 翔希(東京理科大学),山口 順之(東京理科大学),真鍋 勇介(東京理科大学)

著者名(英語): Shoki Okawara(Tokyo University of Science),Nobuyuki Yamaguchi(Tokyo University of Science),Yusuke Manabe(Tokyo University of Science)

キーワード: 機械学習|混合整数線形計画法|変数削減|ウォームスタート|電力系統|運用コスト|machine learning|mixed-integer linear programming|variable reduction|warm start|power system|operating cost

要約(日本語): 電力需給計画策定の一手法に，発電機起動停止計画が挙げられる。混合整数線形計画法により定式化された発電機起動停止計画は，大規模な最適化問題を解くため，バイナリ変数の増加に伴い多大な計算時間を要する。本研究では，機械学習を用いて事前にバイナリ変数を予測し，最適化内で決定するバイナリ変数を削減する手法を提案する。2050年度想定の日本の電力系統を対象に，目的関数と計算時間から提案手法の妥当性を評価する。

要約(英語): Unit commitment is one of the methods for electric power supply and demand planning. Unit commitment formulated by mixed-integer linear programming solves a large-scale optimization, which requires computationally intensive as the number of binary variables increases. In this study, we propose a method to predict binary variables in advance using machine learning and to reduce the number of binary variables to be determined in the optimization. We evaluate the proposed method based on the objective function and the computation time for the Japanese power system in FY 2050.

本誌: 2025年3月6日-2025年3月7日電力技術/電力系統技術/半導体電力変換合同研究会-1

本誌掲載ページ: 59-66 p

原稿種別: 日本語

PDFファイルサイズ: 1,956 Kバイト