{"product_id":"ieej-btb2025p38","title":"強化学習を用いた電力系統計画のための系統構成最適化","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ：\u003c\/strong\u003e部門大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No：\u003c\/strong\u003eP38\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名：\u003c\/strong\u003e【B】令和7年電気学会電力・エネルギー部門大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日：\u003c\/strong\u003e2025\/9\/5\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語)：\u003c\/strong\u003eReinforcement Learning–Based Optimal Configuration for Power System Planning\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名：\u003c\/strong\u003e久保峻樹（東京電力パワーグリッド），北村武尊（東京理科大学），小平大輔（筑波大学）\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語)： \u003c\/strong\u003eToshiki Kubo (TEPCO Power Grid, Incorporated), Takeru Kitamura (Tokyo University of Science), Daisuke Kodaira (University of Tsukuba)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード：\u003c\/strong\u003e電力系統計画,データセンター,強化学習,最適系統構成決定,潮流計算,Transmission System\/Network Planning,data center,Reinforcement learning,Determining the optimal system configuration,power flow calculation\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語)：\u003c\/strong\u003e近年、データセンターなどの大規模需要の増加や再生可能エネルギー電源の大量導入に伴い、系統混雑が多発し、変圧器・送電線の増強が必要となっている。しかし、特別高圧以上の系統増強には長い工期と多大な費用がかかるという課題がある。そのため、本研究は強化学習で系統構成を最適化し、遮断器操作による送電線接続変更で過負荷を緩和して増強工事の最小化・回避を目的とする。報酬関数は過負荷率に基づく負の報酬とし、増強困難箇所に重みを付与して過負荷抑制を重視した。また、放射状系統とすることや孤立部分を発生させない等の系統上の制約も満たすよう設計した。提案手法により、設備過負荷の抑制と系統増強工事の回避が期待される。\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ：\u003c\/strong\u003e418Kバイト\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 2","offer_id":47682565112047,"sku":"IEEJ-BTB2025P38-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_bumontaikai_8a867da3-0dd5-4a12-94ef-4b6430ea7196.png?v=1770878167","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-btb2025p38","provider":"電気学会 電子図書館","version":"1.0","type":"link"}