Core Concepts
配電系統に接続された再生可能エネルギー源からの仮想慣性を、物理情報を活用したアクター・クリティック手法により効率的に調整することができる。
Abstract
本論文では、配電系統からの仮想慣性の調整のために、物理情報付きアクター・クリティック(PI-AC)アルゴリズムを提案している。
配電系統のモデルが不明な場合でも、物理的な振る舞いを組み込むことで、より効率的な学習が可能となる。
スイング方程式に基づく一般的な電力系統動特性モデルを損失関数の正則化項として活用することで、モデルフリーな調整を実現している。
CIGRE 14バスおよびIEEE 37バス系統を用いた検証では、従来のアクター・クリティック(AC)アルゴリズムや遺伝的アルゴリズム(GA)と比較して、PI-ACが高い報酬を短い学習時間で得られることを示している。
再生可能エネルギー源の高い系統では、物理情報の活用がより効果的であり、PI-ACの優位性が顕著に現れることを明らかにしている。
Stats
配電系統の慣性定数HTS = 1.1 p.u.、減衰定数DTS = 0.8 p.u.の場合、
PI-ACのアルゴリズムは最終的な報酬 rfinal = -6.93を704回の学習で得られた。
一方、ACアルゴリズムは662回の学習で rfinal = -10.69、GAは910回の学習で rfinal = -17.56を得た。
Quotes
"物理情報付きの損失関数の正則化項を導入することで、より効率的な学習が可能となる。"
"再生可能エネルギー源の高い系統では、物理情報の活用がより効果的であり、PI-ACの優位性が顕著に現れる。"