深層強化学習を用いたPV-蓄電池システムの収益最適化アプローチの提案と検証

カテゴリ: 全国大会

論文No: 6-161

グループ名: 【全国大会】令和7年電気学会全国大会論文集

発行日: 2025/03/01

タイトル(英語): A Deep Reinforcement Learning-Based Approach for Revenue Optimization in PV-Battery Storage System

著者名: 大曽根佑紀（筑波大学）,小平大輔（筑波大学）

著者名(英語): Yuki Osone (Degree programs in Systems and Information Engineering),Daisuke Kodaira (Institute of Systems and Information Engineering)

キーワード: 深層強化学習|仮想発電所|収益最適化|蓄電池システム|インバランス損失|近接方策最適化|Deep Reinforcement Learning|Virtual Power Plant|Revenue Optimization|Battery Storage System|Imbalance Loss|Proximal Policy Optimization

要約(日本語): 本研究では，深層強化学習を活用した新たなPV-蓄電池システムの収益最適化手法を提案する。特に，インバランス損失を報酬関数に組み込み，蓄電池運用の効率化と収益性向上を目指した制御フレームワークを構築した。本モデルでは，PV発電量，電力価格，インバランス価格を予測し，これらの予測値を基に蓄電池の最適な充放電計画を策定する。学習アルゴリズムにはProximal Policy Optimizationを採用し，シミュレーションによりその有効性を検証した。結果として，提案手法は累積報酬の収束と日次収益の改善を達成した一方で，インバランス損失やモデル予測精度の限界が収益に与える影響が確認された。今後は，モデルの改良と実機検証を通じて，実運用への適用可能性を高めることを目指す。

本誌掲載ページ: 266-268 p

原稿種別: 日本語

PDFファイルサイズ: 564 Kバイト