深層強化学習を用いた住宅用エネルギーマネジメントシステムにおけるハイパーパラメータの検討

カテゴリ: 部門大会

論文No: P85

グループ名: 【B】令和6年電気学会電力・エネルギー部門大会

発行日: 2024/08/23

タイトル(英語): Investigating Hyperparameters in HomeEnergy Management Systems Using Deep Reinforcement Learning

著者名: 小嶋悠太（東京理科大学），片山昇（東京理科大学）

著者名(英語): Yuta Kojima (Tokyo University of Science), Noboru Katayama (Tokyo University of Science)

キーワード: 深層強化学習|住宅用エネルギーマネジメントシステム|Deep Reinforcement Learning|Home Energy Management System

要約(日本語): 住宅用エネルギーマネジメントシステム（HEMS）は、家庭用太陽光発電システムで発電された電力を経済性や環境への負荷を考慮して効果的に運用・取引するシステムである。先行研究では、深層強化学習を用いてFIT制度下で経済性を追求したシミュレーションが実現されている。本研究ではさらにFIP制度を組み込み、時刻毎に変化する電力取引価格に対応するシミュレーションを構築した。環境の複雑化に伴い、エージェントが多くの学習を必要とするため、学習速度に関わるハイパーパラメータである割引率を調整し、少ない学習回数で良好なモデルを作成することを目指した。その結果、割引率を0.99程度に設定し、学習回数は割引率の冪乗が10の-60乗程度とするのが望ましいことがわかった。

PDFファイルサイズ: 747 Kバイト