大象传媒

　太阳光発电は天候に左右されやすく、计画通りの発电ができない场合、电力市场では「インバランス料金」と呼ばれる罚则的费用が発生します。本研究では、人工知能（础滨）を用いて太阳光発电と蓄电池の运用を最适化する手法を开発し、従来に比べ最大47％のインバランス料金の削减を実现しました。

　再生可能エネルギーの普及に伴い、太阳光発电と蓄电池を组み合わせた电力供给システムの活用が重要性を増しています。电力市场では、発电事业者は翌日に供给する电力量を「计画発电量」として提出し、これに基づいて取引を行います。しかし、太阳光による発电量は天候に左右されやすく、计画と実际の供给量にずれが生じると市场全体の需给バランスが崩れ、「インバランス料金」と呼ばれる罚则的な费用が発生します。これを制御するための计算方法が提案されてきましたが、现実の急な天候変化や市场の复雑な动きといった不确実性を十分に反映できないという课题がありました。

　本研究では、不确実性を含む问题に対応可能な深层强化学习础滨を用いて、太阳光と蓄电池の运用を市场ルールに适合させつつ最适化する新たな手法を开発しました。実际の市场データを用いたシミュレーションの结果、本手法は、従来の制御手法に比べてインバランス料金を约47％削减し、他の深层强化学习モデルと比べても约26％削减できることが确认されました。また、四季を通じて安定した利益を维持できることも示されました。

　本研究成果は、収益性を追求するだけでなく、インバランス料金を回避し、安定的に再生可能エネルギーを市场に供给できる仕组みの构筑につながるものです。さらに、蓄电池や电気自动车などの家庭用电源の集合を新たな电力源とする仕组みの基盘になり、电気料金の安定化や停电リスク低减といった社会的便益をもたらすと期待されます。

笔顿贵资料

プレスリリース

研究代表者

筑波大学システム情报系

大曽根 佑紀　构造エネルギー工学学位プログラム（博士前期課程）2年次

掲载论文

【题名】

Imbalance-Aware Scheduling for PV Battery Storage Systems Using Deep Reinforcement Learning.
（深层强化学习を用いた太阳光発电-蓄电池システムのインバランス考虑型スケジューリング手法の开発）

【掲载誌】

IEEE ACCESS

【顿翱滨】

関连リンク