収益向上を目指した強化学習による蓄電池制御

カテゴリ: 全国大会

論文No: 6-207

グループ名: 【全国大会】令和6年電気学会全国大会論文集

発行日: 2024/03/01

タイトル(英語): Reinforcement Learning-Based Battery Control Method Aimed at Increasing Profits for Prosumers

著者名: 後藤拓也（筑波大学）,小平大輔（筑波大学）

著者名(英語): Takuya Goto (University of Tsukuba),Daisuke Kodaira (University of Tsukuba)

キーワード: 電力システム|VPP|蓄電池|充放電計画|強化学習|Power System|Virtual Power Prant|Storage Battery|Charge and discharge planning|Reinforcement Learning

要約(日本語): 再生可能エネルギーの導入に向けて，再生可能エネルギーや電気自動車，蓄電池といった小規模な分散型エネルギーリソースを1つの発電所としてみなし，制御するVPPが注目されている。しかし，VPPの実証実験では太陽光発電の予測誤差や蓄電池の容量など，制御の失敗によってインバランス料金が発生し，VPPに携わるアグリゲータの収益低下を招く。本研究では，PV予測を決定論的ではなく確率論的に予測し，予測値が実績から外れたリスクを考慮しながら深層強化学習を用いて蓄電池の充放電計画を決定する手法を提案する。この充放電計画によって，蓄電池がなかった場合の結果と比較し，収益を改善することが認められた。

本誌掲載ページ: 361-363 p

原稿種別: 日本語

PDFファイルサイズ: 589 Kバイト