論文の概要: Independent policy gradient-based reinforcement learning for economic and reliable energy management of multi-microgrid systems

• arxiv url: http://arxiv.org/abs/2511.20977v1
• Date: Wed, 26 Nov 2025 02:11:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-27 18:37:58.922679
• Title: Independent policy gradient-based reinforcement learning for economic and reliable energy management of multi-microgrid systems
• Title（参考訳）: 独立政策勾配に基づく強化学習によるマルチグリッドシステムの経済的・信頼性の高いエネルギー管理
• Authors: Junkai Hu, Li Xia,
• Abstract要約: 本研究は,マルチマイクログリッドシステム(MMS)における分散方式による経済的・信頼性の高いエネルギー管理問題について検討する。 本稿では,MMSとメイングリッド間の交換電力の平均と分散を,システムの経済性能と信頼性の指標として紹介する。 本稿では,厳密な収束分析を用いた完全分散独立政策アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 2.8374986119002803
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Efficiency and reliability are both crucial for energy management, especially in multi-microgrid systems (MMSs) integrating intermittent and distributed renewable energy sources. This study investigates an economic and reliable energy management problem in MMSs under a distributed scheme, where each microgrid independently updates its energy management policy in a decentralized manner to optimize the long-term system performance collaboratively. We introduce the mean and variance of the exchange power between the MMS and the main grid as indicators for the economic performance and reliability of the system. Accordingly, we formulate the energy management problem as a mean-variance team stochastic game (MV-TSG), where conventional methods based on the maximization of expected cumulative rewards are unsuitable for variance metrics. To solve MV-TSGs, we propose a fully distributed independent policy gradient algorithm, with rigorous convergence analysis, for scenarios with known model parameters. For large-scale scenarios with unknown model parameters, we further develop a deep reinforcement learning algorithm based on independent policy gradients, enabling data-driven policy optimization. Numerical experiments in two scenarios validate the effectiveness of the proposed methods. Our approaches fully leverage the distributed computational capabilities of MMSs and achieve a well-balanced trade-off between economic performance and operational reliability.
• Abstract（参考訳）: 効率性と信頼性はエネルギー管理に不可欠であり、特に断続的および分散再生可能エネルギー源を統合するマルチマイクログリッドシステム(MMS)において重要である。 本研究は,MMSにおける経済・信頼性の高いエネルギー管理問題を分散方式で検討し,各マイクログリッドが独立してエネルギー管理方針を更新し,長期システム性能を協調的に最適化する手法である。 本稿では,MMSとメイングリッド間の交換電力の平均と分散を,システムの経済性能と信頼性の指標として紹介する。 そこで我々は,平均分散チーム確率ゲーム (MV-TSG) としてエネルギー管理問題を定式化し,予測累積報酬の最大化に基づく従来の手法は分散メトリクスには適さないことを示した。 MV-TSGの解法として,厳密な収束解析を用いた完全分散独立政策勾配アルゴリズムを提案する。 未知のモデルパラメータを持つ大規模シナリオに対しては、独立的なポリシー勾配に基づく深層強化学習アルゴリズムをさらに発展させ、データ駆動型ポリシー最適化を実現する。 2つのシナリオにおける数値実験により,提案手法の有効性が検証された。 本手法は,MMSの分散計算能力を完全に活用し,経済性能と運用信頼性のバランスのとれたトレードオフを実現する。

関連論文リスト

• Approximate Model Predictive Control for Microgrid Energy Management via Imitation Learning [9.044455355747482]
  本稿では,マイクログリッドエネルギー管理のための混合整数型経済モデル予測制御(EMPC)の模倣学習に基づくフレームワークを提案する。 提案手法は、ニューラルネットワークを用いて、オフライン軌道からのエキスパートEMPC制御動作を模倣し、最適化問題をオンラインで解決することなく、高速でリアルタイムな意思決定を可能にする。
  論文  参考訳（メタデータ） (2025-10-22T21:39:18Z)
• Integrated Forecasting of Marine Renewable Power: An Adaptively Bayesian-Optimized MVMD-LSTM Framework for Wind-Solar-Wave Energy [4.097364225798782]
  総合的な音波海洋システムは、沖合と沿岸部でクリーンな電気を供給することを広く約束している。 複数のリソースの補完を利用することで、そのようなシステムは単一ソース出力の不確定性とボラティリティを効果的に軽減することができる。 正確な超短命予測は、安全な運用とプロアクティブディスパッチの最適化に不可欠である。
  論文  参考訳（メタデータ） (2025-09-24T11:29:42Z)
• Joint Resource Management for Energy-efficient UAV-assisted SWIPT-MEC: A Deep Reinforcement Learning Approach [50.52139512096988]
  6G Internet of Things (IoT)ネットワークは、地上インフラストラクチャが利用できない遠隔地や災害シナリオにおいて、課題に直面している。 本稿では、指向性アンテナにより強化された新しい無人航空機(UAV)支援コンピューティングシステムを提案する。
  論文  参考訳（メタデータ） (2025-05-06T06:46:19Z)
• Optimal Planning of Hybrid Energy Storage Systems using Curtailed Renewable Energy through Deep Reinforcement Learning [0.0]
  エネルギー貯蔵システム(ESS)を計画するためのポリシーに基づくアルゴリズムを用いた高度な深層強化学習手法を提案する。 定量的性能比較の結果、DRLエージェントはシナリオベース最適化(SO)アルゴリズムよりも優れていた。 その結果、DRLエージェントは人間の専門家が行うように学習し、提案手法の信頼性が示唆された。
  論文  参考訳（メタデータ） (2022-12-12T02:24:50Z)
• A State-Augmented Approach for Learning Optimal Resource Management Decisions in Wireless Networks [58.720142291102135]
  マルチユーザ無線ネットワークにおける無線リソース管理(RRM)問題について考察する。 目標は、ユーザのエルゴード平均パフォーマンスに制約を受けるネットワーク全体のユーティリティ機能を最適化することである。 本稿では, RRM の制約に対応する2変数の集合を入力として, 瞬時ネットワーク状態と並行して, RRM のパラメータ化を提案する。
  論文  参考訳（メタデータ） (2022-10-28T21:24:13Z)
• Trustworthy Multimodal Regression with Mixture of Normal-inverse Gamma Distributions [91.63716984911278]
  このアルゴリズムは、異なるモードの適応的統合の原理における不確かさを効率的に推定し、信頼できる回帰結果を生成する。 実世界のデータと実世界のデータの両方に対する実験結果から,多モード回帰タスクにおける本手法の有効性と信頼性が示された。
  論文  参考訳（メタデータ） (2021-11-11T14:28:12Z)
• Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
  マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。 ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
  論文  参考訳（メタデータ） (2020-02-21T02:14:38Z)
• Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable Edge Computing Systems [87.4519172058185]
  エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。 定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。 実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
  論文  参考訳（メタデータ） (2020-02-20T04:58:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。