再生可能エネルギー電源を電源制限対象に含む機械学習を用いた電制機選択ロジックの基礎検討

カテゴリ: 部門大会

論文No: 117

グループ名: 【B】令和5年電気学会電力・エネルギー部門大会

発行日: 2023/08/23

タイトル(英語): A Basic Study of Shedding Target Selection Logic Including Renewable Energy Sources Using Machine Learning

著者名: 黒田英佑（日立製作所），板井準（日立製作所），原弘一（日立製作所），菊池賢一（日立製作所），佐藤慧（中部電力パワーグリッド），服部光太朗（中部電力パワーグリッド），平神真也（中部電力パワーグリッド），松原貢（中部電力パワーグリッド）

著者名(英語): Eisuke Kuroda (Hitachi), Jun Itai (Hitachi), Koichi Hara (Hitachi), Kenichi Kikuchi (Hitachi), Kei Sato (Chubu Electric Power Grid), Kotaro Hattori (Chubu Electric Power Grid), Shinya Hiragami (Chubu Electric Power Grid), Takumi Matsubara (Chubu Electric Power Grid)

キーワード: 系統安定化システム|再生可能エネルギー電源|過渡安定性|電源制限|機械学習|power system stabilization system|renewable energy sources|transient stability|generator shedding|machine learning

要約(日本語): 再生可能エネルギー電源(RES: Renewable Energy Sources)の導入拡大が進むと同期発電機 (SG: Synchronous Generator)の減少に伴う系統慣性等の低下により電力系統の過渡安定性が悪化する恐れがある。過渡安定性維持対策として，従来の系統安定化システムは系統故障時にSGを電源制限（以下，電制）する。著者らは先行研究にて，SGに加えてRESも電制対象に含めることが，安定化に必要な電制量の削減に効果的であることを示した。本稿では，機械学習を用いてSGとRESの電制効果を推定する電制機選択ロジックを提案し簡易系統モデルにて電制効果推定精度を評価した。

PDFファイルサイズ: 516 Kバイト