Core Concepts
電力グリッドの運用を最適化するために、特定のターゲットトポロジーを活用することで、従来の個別のサブステーション操作よりも優れた性能を示すことができる。
Abstract
本論文では、電力グリッドの運用を最適化するための新しいアプローチとして、ターゲットトポロジー(TT)の概念を提案している。従来の研究では、個別のサブステーション操作に着目していたが、本研究では、グリッド全体のトポロジーに着目し、特定のTTを見つけ出し、それを活用することで、より安定したグリッド運用が可能になることを示している。
具体的には以下の通り:
TT探索アルゴリズムを提案し、既存のサブステーション操作セットから、頑健性の高いTTを見つけ出す。
先行研究で開発したCurriculumAgent(CAgent)を拡張し、TTを活用するTopoAgent85-95%を開発する。
WCCI 2022 L2RPNベンチマーク環境で評価を行った結果、TopoAgent85-95%はスコアで10%、生存時間で25%の改善を示した。
TTは基本トポロジーから1-2個のサブステーションしか変更されていないことから、その頑健性が説明できる。
TTの導入によるコンピューテーション時間の増加は限定的であり、TTアプローチの有効性が示された。
今後の展開として、TTを活用したJunior/Seniorエージェントの開発や、階層的なアプローチとの組み合わせなどが考えられる。
Stats
電力グリッドの最大容量ρmax,tが0.95を超えた場合、Senior95%エージェントが最適な操作を選択する。
電力グリッドの最大容量ρmax,tが0.85~0.95の場合、TopoAgent85-95%エージェントがターゲットトポロジーを選択する。
電力グリッドの最大容量ρmax,tが0.8未満の場合、トポロジーの復元を試みる。
Quotes
"電力グリッドの運用を最適化するために、特定のターゲットトポロジーを活用することで、従来の個別のサブステーション操作よりも優れた性能を示すことができる。"
"TTは基本トポロジーから1-2個のサブステーションしか変更されていないことから、その頑健性が説明できる。"