PV用PCS力率制御への深層強化学習の適用

カテゴリ: 全国大会

論文No: 6-225

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): Application of Deep Reinforcement Learning to Power Factor Control for PV PCS

著者名: 松島史弥（名古屋工業大学）,青木睦（名古屋工業大学）,上田勝久（中部電力）,Chand VermaSuresh（中部電力）,中津井紳司（中部電力）

著者名(英語): Fumiya Matsushima (Power System Laboratory), Mutsumi Aoki (Power System Laboratory), Katsuhisa Ueda (Electric Power Research and Development Center), Suresh Chand Verma (Electric Power Research and Development Center), Shinji Nakatsui (Electric Powe

キーワード: 深層強化学習|力率制御|無効電力制御|太陽光発電|パワーコンディショニングシステム|特高系統|Deep Reinforcement Learning|Power Factor Control|Reactive Power Control|Photovoltaic generation system|Power Conditioning System|Sub-transmission System

要約(日本語): 近年の電力系統では太陽光発電（PV）の大量導入により潮流状態が複雑化し，系統の電圧調整が困難になってきている。本研究は，複数のPVが連系されている特別高圧系統（負荷供給系統）を対象として，PV用パワーコンディショニングシステム（PCS）の力率制御方法を提案するものである。具体的には，深層強化学習をPCS力率制御に適用することにより，適切な力率値を決定する。PCSの連系地点によって異なる力率設定が求められるが，複雑な行動空間に効果的な強化学習手法Soft Actor Critic（SAC）を適用することにより，電圧を適正範囲に維持することができる。数値シミュレーションにより提案法の有効性を検証した。

本誌掲載ページ: 395-397 p

原稿種別: 日本語

PDFファイルサイズ: 874 Kバイト