強化学習に基づく卸電力市場における発電事業者の入札戦略と送電容量の同時最適化に関する検討

カテゴリ：部門大会

論文No：P58

グループ名：【B】令和7年電気学会電力・エネルギー部門大会

発行日：2025/9/5

タイトル(英語)：A Study on Joint Optimization of Bidding Strategies and Transmission Capacities in Electricity Markets Using Reinforcement Learning

著者名：金澤友生（兵庫県立大学），星野光（兵庫県立大学），古谷栄光（兵庫県立大学）

著者名(英語)： Tomonari Kanazawa (University of Hyogo), Hikaru Hoshino (University of Hyogo), Eiko Furutani (University of Hyogo)

キーワード：送電容量拡充計画,深層強化学習,電力市場,IEEE30母線系統,Transmission Expansion Problem,Deep Reinforcement Learning,Electricity Markets,IEEE 30-bus System

要約(日本語)：電力自由化の進展に伴い，発電・送電の設備形成は事業者間の分散的な意思決定により進められるようになってきた。このような環境下では，送配電事業者は電源の立地の不確実性を考慮した先見的な設備計画（Proactive Planning）を行うことが求められる。そのための分析ツールとして，各事業者の設備投資とその下での電力市場の運用を再現した多段階最適化モデルが複数提案されているが，発電事業者の入札戦略や市場価格の変動を考慮した評価手法は依然として限られている。これに対し，著者らは先行研究において，発電事業者の入札戦略や市場価格の変動を柔軟に表せるモデルとして近年注目されるマルチエージェント深層強化学習による卸電力市場モデルの拡張を行い，送電容量をパラメータとして内生化して発電事業者の入札戦略と同時に学習（最適化）する手法を開発し，その有効性を簡易な三母線系統を対象に検証した。本報告では，その発展として，より実系統に近いIEEE 30母線系統を対象とした検討を行い，提案手法の実用的な適用可能性について考察する。

PDFファイルサイズ：673Kバイト