離散および連続的動作空間における深層強化学習を用いたスマートアネルギーシステムの最適化
-
- 曽我部 東馬
- 国立大学法人 電気通信大学
-
- Dinesh Malla
- 国立大学法人 電気通信大学
-
- 高山 将太
- 国立大学法人 電気通信大学
-
- 坂本 克好
- 国立大学法人 電気通信大学
-
- 山口 浩一
- 国立大学法人 電気通信大学
-
- Singh Thakur
- (株) グリッド
-
- 曽我部 完
- (株) グリッド
書誌事項
- タイトル別名
-
- Smart Grid Optimization by Deep Reinforcement Learning over Discrete and Continuous Action Space
抄録
<p>マートグリッドにおけるエネルギー最適化は、State of art深層学習や深層強化学習に代表されるエージェントベースの機械学習手法に徐々に移行している。特に、強化学習手法をベースにした深層ニューラルネットワークが出現し、スマートグリッドへの応用に人気を集めている。本研究では、離散的動作空間および連続的動作空間の両方に対応するようデザインされた2つの深層強化学習アルゴリズムの応用を試みた。これらのアルゴリズムは、スマートグリッドの最適化を目的に、Simscape Power SystemsTM(Matlab / SimulinkTM Environment)を構築することで厳密な物理モデルによく組み込まれた。結果として、エージェントは訓練データにおけるエネルギーの需要と供給の機能を非常</p>
収録刊行物
-
- 人工知能学会全国大会論文集
-
人工知能学会全国大会論文集 JSAI2018 (0), 4Pin112-4Pin112, 2018
一般社団法人 人工知能学会
- Tweet
詳細情報 詳細情報について
-
- CRID
- 1390845712976791936
-
- NII論文ID
- 130007427324
-
- 本文言語コード
- ja
-
- データソース種別
-
- JaLC
- CiNii Articles
-
- 抄録ライセンスフラグ
- 使用不可