JP5413831B2 - 電力取引管理システム、管理装置、電力取引方法、及び電力取引用コンピュータプログラム - Google Patents
電力取引管理システム、管理装置、電力取引方法、及び電力取引用コンピュータプログラム Download PDFInfo
- Publication number
- JP5413831B2 JP5413831B2 JP2009168860A JP2009168860A JP5413831B2 JP 5413831 B2 JP5413831 B2 JP 5413831B2 JP 2009168860 A JP2009168860 A JP 2009168860A JP 2009168860 A JP2009168860 A JP 2009168860A JP 5413831 B2 JP5413831 B2 JP 5413831B2
- Authority
- JP
- Japan
- Prior art keywords
- power
- transaction
- amount
- storage device
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 53
- 238000004590 computer program Methods 0.000 title claims description 5
- 238000003860 storage Methods 0.000 claims description 87
- 238000010248 power generation Methods 0.000 claims description 50
- 230000002787 reinforcement Effects 0.000 claims description 40
- 230000005611 electricity Effects 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 239000003795 chemical substances by application Substances 0.000 description 94
- 230000006870 function Effects 0.000 description 45
- 230000009471 action Effects 0.000 description 13
- 238000002474 experimental method Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000007704 transition Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000007812 deficiency Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000470 constituent Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 description 1
- 230000007786 learning performance Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/10—Energy trading, including energy flowing from end-user application to grid
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Description
しかしながら、電力売買を世帯単位や小規模事業所単位で行うことは、新たな問題を生む。すなわち、各世帯等において誰が売買を行うかという問題である。各世帯等で誰か一名を電力売買のデイトレードのために割くという発想は非現実的である。
[1.ECOネットの概要]
本発明に係る電力取引管理システム等は、例えば、非特許文献1記載のECOネットに適用することができる。図1はECOネットの概念図を示している。ECOネットには、発電・電力消費するミニマル・クラスター(電力の生産消費者拠点)が存在しており、それらが、自らの持つ蓄電装置に電力を蓄え、また、余剰・不足分については、電力ルータを通じて電力を融通し合う。
以下では、ECOネットに登場する概念の説明を行う。
本実施形態では、電力取引市場として決済情報(決済条件)を各ミニマル・クラスターから集約し、市場決済する役割もローカル・クラスターが担う。つまり、ローカル・クラスターには、電力取引市場の市場決済処理を行う「電力取引市場コンピュータ」を構成要素として有している。
図2は、ミニマル・クラスターに設置される電力取引管理システムの機器構成を示している。電力取引管理システムは、蓄電装置1、各種電気機器などの電力負荷2、太陽光発電・マイクロ水力発電・風力発電など非定常性の発電装置3、電力ルータ4、及びこれらの機器2,3,4を接続する給電線5及びミニマル・クラスター外部に接続される給電線5を備えている。
蓄電装置1としては、具体的には、電気二重層コンデンサなどを採用することができる。なお、電力負荷2における消費電力量及び発電装置3における発電量は、時間に依存して変動する。
電力制御部6は、電力の流れを切り替える電力スイッチング機能を有しており、例えば、電力制御部6は、発電装置3から供給される電力を蓄電装置1又は負荷2に与える電力制御、ミニマル・クラスター外部から購入し供給される電力を蓄電装置1又は負荷2に与える電力制御、蓄電装置1に蓄電されている電力を負荷2に与える又はミニマル・クラスター外部に売却のために送電する電力制御などを行う。
ミニマル・クラスターは、発電装置3によって発電した電力を、蓄電装置1に蓄積しておいて、負荷2で消費するという電力の自給自足を基本とする。しかし、蓄電装置1の蓄電容量が十分でない場合、負荷2における電力消費量(需要)が、発電装置3における発電量(供給)を上回ると、蓄電残量が低下し、蓄電残量不足のためミニマル・クラスターにおいて停電が発生するおそれがある。また、発電装置3における発電量(供給)が、負荷2における電力消費(需要)を上回ると、蓄電残量が上昇し、発電量が蓄電装置1における蓄電容量をオーバしてしまい、発電ロスが発生するおそれがある。
このような電力売買(自動電力取引)を管理するため、電力ルータ4は、電力取引エージェント7を備えている。電力ルータ4が自動電力取引機能を有しているため、人手によって取引を行う必要がなくなる。
図3は、ローカル・クラスターに存在する複数のミニマル・クラスターA1〜Anが市場参加者となっている電力取引市場コンピュータネットワークシステムを示している。
この電力取引市場コンピュータネットワークシステムは、電力取引市場コンピュータ8及び電力取引市場コンピュータにネットワーク接続された電力取引エージェント7を有して構成されている。なお、電力取引市場コンピュータ9は、ローカル・クラスター用電力ルータ9の管理を行うこともできる。
本実施形態では、全エージェントが入札を一斉に行った後に市場価格により各エージェントの電力取引量(決済量)と電力単価(決済価格)が決定されるために、自らが「売り」か「買い」かも決済の時点で決定する。
各電力取引エージェント7は、電力取引コンピュータ8から、決済量及び決済価格を含む決済収支情報を受信する。そして、電力取引エージェント7は、電力制御部6に、決済量に応じた電力の流入出を行わせる。以上で、取引が完了する。
なお、上記のような取引条件の決定及び決済の詳細は後述する。
図4は、電力取引をおこなう電力取引エージェント(管理装置)7の機能ブロックを示している。
電力取引エージェント7は、取引条件を決定する決定部(強化学習部)71、取引条件を電力取引コンピュータ8に送信する送信部72、取引収支情報(決済価格及び決済量)を電力取引コンピュータ8から受信する受信部73、蓄電装置1における蓄電残量の検出値(蓄電残量を示す情報)を含む状態情報を生成する状態情報生成部74、電力超過・不足ペナルティを算出するペナルティ算出部75、取引収支情報及び電力超過・不足ペナルティから、強化学習のための報酬値を算出する報酬算出部76、受信した決算量に応じた電力の流入出を電力制御部6に行わせる取引実行処理部77を備えている。
前記報酬値riとして、電力の取引収支miのほか、蓄電装置1における蓄電量の容量オーバ発生、及び/又は蓄電量不足発生が負の値である罰則値として反映される。このため、電力超過・不足ペナルティ算出部75は、蓄電量の容量オーバ発生、及び/又は蓄電量不足発生が起こると、電力超過・不足ペナルティri p(=負の値)算出し、報酬算出部76は、電力の取引収支miと電力超過・不足ペナルティri pの和を、報酬値riとして算出する。
以下では、方策勾配法と自然方策勾配法の一種であるNatural Actor-Criticについての一般的な説明を行う。
[5.1 方策勾配法]
MDPに基づく強化学習では、エージェントが時間tにおいて環境の状態xt∈Xを観測した後に、方策π(x,u)に従い、行動意思決定を行い、行動ut∈Uを環境に出力する。行動utを環境に出力した後に、遷移後の環境の状態xt+1を観測し、同時に報酬値rtがエージェントに与えられるという一連の流れを前提にしてエージェントが学習を行う。エージェントは将来に亘る獲得報酬の期待値を最大化するように学習を行う。
ここで、MDPとは、次状態の生起確率と報酬の期待値が現在の状態と行動のみに依存する事を指す。
後者の方策勾配法では、確率的な方策を陽に表現し、最適方策を直接近似するため、Q−learinigなどの価値に基づく方法のように行動価値関数の変化に対して急激に方策が変化する様なことが無い。そのため、評価関数を徐々に増加させるように、逐次的に方策自体を直接的に改善していけるため、ある程度のPOMDP下でも学習を進めることができる。
収益の期待値をパラメータθに関して偏微分した∇θJは、収益の期待値におけるθの最急上昇方向を表すとされるが、パラメータ空間が歪んでいるときにはプラトー減少などにより学習性能が悪化する。このプラトー問題を回避する有効な手段として提案された手法が自然勾配法である。自然勾配法では通常の勾配にフィッシャー情報行列Fの逆行列を乗ずる事で自然勾配を求めるが、強化学習においては自然勾配が比較的容易に計算し得る。
具体的な実装としては、価値関数の推定方法としてLSTD−Q(λ)を用いた無限区間タスクでのNatural Actor-Criticを用いる。LSTD−Q(λ)は、価値関数の推定方法であり、旧来のTD学習がTD誤差に基づいて価値関数を更新するのに対し、価値関数が基底関数の線形和で表されることを利用し最小自乗法に基づき解く手法である。その解はTD学習により得られる最適解と共通である。
ミニマル・クラスターにおける情報の流れを説明する。まず、ローカル・クラスターにおける複数の電力取引エージェントのうち、i番目のエージェントAiの時刻tでの発電量、電力消費量をそれぞれ、Ei(t)、Ci(t)とする。これらの差分Di(t)=Ei(t)−Ci(t)が、ミニマル・クラスター内部での蓄電装置1への流入出量となる。なお、差分Di(t)が正の値であれば、蓄電装置1への蓄電量を示し、負の値であれば蓄電装置1からの放電量を示す。
また、ミニマル・クラスターが有する蓄電装置1における、時刻tにおける蓄電残量をSi(t)とする。さらに、その蓄電装置1の最大容量をSi max、最小容量をSi minとする。蓄電装置1への電力の流入出により蓄電残量Si(t)は、次式に基づいて毎時刻変化する。なお、実際の電力取引管理システムでは、蓄電残量Si(t)は、蓄電装置1の蓄電残量検出装置(図示省略)から電力取引エージェント7に出力される。
図4に示すように電力取引エージェント7の状態情報生成部74は、蓄電残量Si(t)を示す情報に、時刻情報hを不可して、状態情報xi=(Si(t),h)を生成する。なお、状態情報としては、少なくとも蓄電残量Si(t)が含まれていれば良く、その他の情報として、例えば、天候など、発電量や電力消費量に影響を与えるその他の情報が含まれても良い。
図5に示す入札曲線si(p)は、下記式で表される。
なお、取引条件の表し方は上記のものに限定されるわけではない。より詳細な入札曲線を用いる場合は,多くの代表点やパラメータを用いて表現する。
そして、決定部(強化学習部)71は、報酬値riが最大化するように、方策πiの最適化(強化学習)を行う。
以下、電力取引エージェントの決定部(強化学習部)の強化学習則として、Natural Actor-Criticアルゴリズムを採用した場合の強化学習モデルについて説明する。なお、以下では、一つの電力取引エージェント7について述べるため、エージェントの添え字iは省略する。
本実験は、仮想的なローカル・クラスターを計算機環境に構築して行った。
[8.1 実験条件]
上記モデルにおける電力取引学習エージェント7にとって、発電量Eiと消費量Ciは直接的には意味が無く、蓄電装置1への流入出量Diのみが問題となる。本モデルでは、一日毎の発電・消費の周期性を仮定しているので、ミニマル・クラスターAiの時間tにおける流入出量Di(t)を以下のようにsin波形を用いて近似する。
また、報酬関数の係数m+=m-=1.0×102,ζ+=1.5×104,ζ-=1.0×104とした。
勾配については更新ベクトルのノルム最大値を1.0として、急激な変更がなされないよう制約を与えた。他のパラメータは、gi=20,bi=0,Si max=100,Si min=25とした。また、初期蓄電量はSi(0)=50とする。
まず、6つの電力取引エージェントA1〜A6のうち、エージェントA1のみに学習を行わせた。図7(a)は、全てのエージェントA1〜A6が学習しない場合の各エージェントの獲得報酬の遷移を示し、図7(b)は、エージェントA1のみが学習を行った場合の各エージェントの獲得報酬の遷移を示している。
次に、より多くのエージェントが動じに学習する条件下で実験を行った。1体以上のエージェントが同時に学習する場合は、しばしば部分観測や同時学習の問題が発生するため、学習が正常に進行しない可能性がある。
実験を行った結果、多くの場合で問題なく、学習を行ったエージェントは獲得報酬を増大させることが出来た。図10に6体のエージェントが学習を行った場合の各エージェントの獲得報酬の変化を示す。ここでは6体ものエージェントが同時学習を行っているにも関わらず、学習はほぼ安定的に進行している。これによりNatural Actor-Criticはこのようなローカルな市場取引というマルチエージェント強化学習系において有効な手法であることが示された。
しかしながら、系の内、1体ずつエージェントを学習ありに切り替えていった時には金銭的収益が増加することが観察された。これは実際に電力取引エージェントを組み込んだ電力ルータを市場投入する際に、ミニマル・クラスター所有者が電力ルータの導入を検討するインセンティブになると考えられ重要な点となる。
この系のようなマルチエージェント課題ではシングルエージェント用に開発された強化学習手法は必ずしもよい学習結果を得ることはできないと考えられている。これに対し、Natural Actor-Criticが頑健であった理由としては、方策を直接探索している点、及びLSTDにより勾配方向を決定するため、バッチ的な更新に成らざるを得ず、学習過程で各エージェントが断続的な定常状態を繰り返すために非同期的な更新が案目的に実現されているために動じ学習問題を回避できているなどの点が考えられる。
なお、上記において開示した事項は、例示であって、本発明を限定するものではなく、様々な変形が可能である。
2 電力負荷
3 発電装置
4 電力ルータ
5 電力線
6 電力制御部
7 電力取引エージェント
8 電力取引市場コンピュータ
9 ローカル・クラスター用電力ルータ
71 決定部(強化学習部)
72 送信部
73 受信部
74 状態情報生成部
75 電力超過・不足ペナルティ算出部
76 報酬算出部
77 取引実行処理部
Claims (8)
- 発電及び/又は電力消費が行われる拠点における電力売買を管理する電力取引管理システムであって、
前記拠点において発電した電力を蓄電するため、及び/又は蓄電された電力を前記拠点において消費するため、に用いられる蓄電装置と、
電力の購入時は前記拠点外から電力の供給を受けて前記蓄電装置に蓄電するとともに、電力の販売時は、前記蓄電装置に蓄電された電力を前記拠点外に放出するように電力の流入出を制御する電力制御部と、
電力の購買量又は売却量と購買価格又は売却価格とを示す情報を含む取引条件を決定する電力取引管理部と、を備え、
前記電力取引管理部は、
前記蓄電装置における蓄電残量を示す情報を含む状態情報から前記取引条件を決定するための方策に従って、前記状態情報から前記取引条件を決定する決定部と、
前記決定部によって決定した取引条件を前記拠点外の電力取引市場コンピュータに送信する送信部と、
前記電力取引市場コンピュータにおいて決済された決済量及び決済価格を、前記電力取引市場コンピュータから受信する受信部と、
前記受信部によって受信した決済量に応じた電力の流入出を電力制御部に行わせる取引実行処理部と、を備え、
前記決定部は、前記受信部によって受信した決済価格から算出される取引収支を含む報酬値が、最大化するように、前記状態情報から前記取引条件を決定するための方策の強化学習を行い、
前記報酬値は、前記取引収支に加えて、前記蓄電装置における蓄電量の容量オーバ発生、及び/又は前記蓄電装置における蓄電量不足発生が罰則値として反映されたものであることを特徴とする電力取引管理システム。 - 前記取引条件は、電力の購買量又は売却量と、購買価格又は販売価格と、の関係を規定した入札曲線として表されたものである請求項1に記載の電力取引管理システム。
- 前記取引条件は、購入可能な最大限の電力量における購入価格と、売却可能な最大限の電力量における売却価格と、を示す情報を含んだものである請求項1又は2に記載の電力取引管理システム。
- 前記強化学習の学習則は、方策勾配法である請求項1〜3のいずれか1項に記載の電力取引管理システム。
- 前記強化学習の学習則は、Natural Actor−Criticである請求項1〜4のいずれか1項に記載の電力取引管理システム。
- 購入した電力を蓄電装置に蓄電するとともに前記蓄電装置に蓄電された電力を販売するために行われる電力の流入出を制御する電力制御部を管理する管理装置であって、
前記蓄電装置の蓄電残量を示す情報を含む状態情報に基づいて、電力の購買量又は売却量と購買価格又は売却価格とを示す情報を含む取引条件を決定する決定部と、
前記決定部によって決定した取引条件を、電力取引市場コンピュータに送信する送信部と、
前記電力取引市場コンピュータにおいて決済された決済量及び決済価格を、前記電力取引市場コンピュータから受信する受信部と、
前記受信部によって受信した決済量に応じた電力の流入出を前記電力制御部に行わせる取引実行処理部と、を備え、
前記決定部は、前記受信部によって受信した決済価格から算出される取引収支を含む報酬値が、最大化するように、前記状態情報から前記取引条件を決定するための方策の強化学習を行い、
前記報酬値は、前記取引収支に加えて、前記蓄電装置における蓄電量の容量オーバ発生、及び/又は前記蓄電装置における蓄電量不足発生が罰則値として反映されたものであることを特徴とする管理装置。 - 発電及び/又は電力消費が行われる拠点において発電した電力を蓄電するため、及び/又は蓄電された電力を前記拠点において消費するため、に用いられる蓄電装置と、
電力の購入時は前記拠点外から電力の供給を受けて前記蓄電装置に蓄電するとともに、電力の販売時は、前記蓄電装置に蓄電された電力を前記拠点外に放出するように電力の流入出を制御する電力制御部と、
電力の購買量又は売却量と購買価格又は売却価格とを示す情報を含む取引条件を決定する電力取引管理部と、を備えた電力取引管理システムにおける、電力取引方法であって、
前記電子取引管理部が、前記蓄電装置における蓄電残量を示す情報を含む状態情報から前記取引条件を決定するための方策に従って、前記状態情報から前記取引条件を決定するステップと、
前記電子取引管理部が、決定した前記取引条件を、前記拠点外の電力取引市場コンピュータに送信するステップと、
前記電子取引管理部が、前記電力取引市場コンピュータにおいて決済された決済量及び決済価格を、前記電力取引市場コンピュータから受信するステップと、
前記電子取引管理部が、受信した決済量に応じた電力の流入出を電力制御部に行わせるステップと、
受信した決済価格から算出される取引収支を含み、前記蓄電装置における蓄電量の容量オーバ発生、及び/又は前記蓄電装置における蓄電量不足発生が罰則値として反映された報酬値が最大化するように、前記電子取引管理部が、前記方策の強化学習を行うステップと、
を含むことを特徴とする電力取引方法。 - コンピュータに、請求項7に記載の電力取引方法における各ステップを実行させるための電力取引用コンピュータプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009168860A JP5413831B2 (ja) | 2009-07-17 | 2009-07-17 | 電力取引管理システム、管理装置、電力取引方法、及び電力取引用コンピュータプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009168860A JP5413831B2 (ja) | 2009-07-17 | 2009-07-17 | 電力取引管理システム、管理装置、電力取引方法、及び電力取引用コンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011022902A JP2011022902A (ja) | 2011-02-03 |
JP5413831B2 true JP5413831B2 (ja) | 2014-02-12 |
Family
ID=43632909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009168860A Expired - Fee Related JP5413831B2 (ja) | 2009-07-17 | 2009-07-17 | 電力取引管理システム、管理装置、電力取引方法、及び電力取引用コンピュータプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5413831B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018049504A1 (en) * | 2016-09-13 | 2018-03-22 | Green Power Labs Inc. | Method and system for establishing in real-time an energy clearing price for microgrids having distributed energy resources |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5232266B2 (ja) | 2011-04-21 | 2013-07-10 | 積水化学工業株式会社 | 電力制御システム |
JP5868104B2 (ja) * | 2011-09-30 | 2016-02-24 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 周期性を有するマルコフ決定過程を用いて最適施策を決定する方法、装置及びコンピュータプログラム |
JP6468582B2 (ja) * | 2014-04-17 | 2019-02-13 | 日本電気株式会社 | 電力取引ユニット、電力取引方法および電力取引システム |
US20150345812A1 (en) * | 2014-05-27 | 2015-12-03 | Wireless Glue Networks, Inc. | Method and apparatus for selective componentized thermostatic controllable loads |
JP6472615B2 (ja) * | 2014-08-04 | 2019-02-20 | 株式会社東芝 | 電力取引支援装置、電力取引システム、制御方法及び制御プログラム |
JP6417150B2 (ja) * | 2014-08-19 | 2018-10-31 | 学校法人立命館 | 電力管理システム、管理装置、買電計画生成方法およびコンピュータプログラム |
CN105160559A (zh) * | 2015-09-30 | 2015-12-16 | 谢乐 | 一种交互式智能用电控制方法和系统 |
US10572798B2 (en) * | 2015-11-12 | 2020-02-25 | Deepmind Technologies Limited | Dueling deep neural networks |
WO2017114810A1 (en) * | 2015-12-31 | 2017-07-06 | Vito Nv | Methods, controllers and systems for the control of distribution systems using a neural network arhcitecture |
KR102009683B1 (ko) * | 2016-05-09 | 2019-08-12 | 한국전자통신연구원 | 분산전원별 전력 거래 방법 |
JP7047770B2 (ja) * | 2016-12-14 | 2022-04-05 | ソニーグループ株式会社 | 情報処理装置及び情報処理方法 |
JP6978871B2 (ja) * | 2017-08-03 | 2021-12-08 | 株式会社アスコン | 販売促進システム、機械学習装置および機械学習用データ提供装置 |
JP6590029B1 (ja) * | 2018-06-13 | 2019-10-16 | 株式会社Gsユアサ | 行動生成装置、蓄電素子評価装置、コンピュータプログラム、学習方法及び評価方法 |
JP6698804B2 (ja) * | 2018-12-13 | 2020-05-27 | シャープ株式会社 | 電力量計 |
CN109831229B (zh) * | 2019-02-28 | 2021-07-06 | 中国电力科学研究院有限公司 | 一种基于强化学习恢复电力通信网络中业务的方法及系统 |
JP6663064B1 (ja) * | 2019-05-17 | 2020-03-11 | sglab株式会社 | 発注管理装置、発注管理方法及び発注管理プログラム |
JP7234815B2 (ja) * | 2019-06-11 | 2023-03-08 | 株式会社アイシン | 電力調整システム |
JP7351135B2 (ja) | 2019-08-13 | 2023-09-27 | 富士通株式会社 | 方策改善方法、方策改善プログラム、および方策改善装置 |
CN111898789B (zh) * | 2020-05-29 | 2024-02-13 | 广西电力交易中心有限责任公司 | 基于深度学习的电量出清方法、系统、介质及出清设备 |
CN112186811B (zh) * | 2020-09-16 | 2022-03-25 | 北京交通大学 | 一种基于深度强化学习的agc机组动态优化方法 |
KR102503091B1 (ko) * | 2021-01-12 | 2023-02-23 | 인하대학교 산학협력단 | 장·단기간 지연보상을 활용한 강화학습 기반 자동 p2p 에너지 거래 방법 |
KR102666181B1 (ko) * | 2021-09-24 | 2024-05-13 | 광운대학교 산학협력단 | 심층 강화 학습 기반 전력 거래 모델의 학습 방법 및 심층 강화 학습 기반 전력 거래 모델을 이용한 전력 거래 방법 |
CN114386650A (zh) * | 2021-10-27 | 2022-04-22 | 中国南方电网有限责任公司超高压输电公司梧州局 | 电网调度系统的控制方法、装置及计算机设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3935386B2 (ja) * | 2002-03-28 | 2007-06-20 | 大阪瓦斯株式会社 | エネルギー需給方法、及びエネルギー需給システム |
JP2005339527A (ja) * | 2004-04-28 | 2005-12-08 | Toshiba Corp | 電力市場における入札支援システム |
-
2009
- 2009-07-17 JP JP2009168860A patent/JP5413831B2/ja not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018049504A1 (en) * | 2016-09-13 | 2018-03-22 | Green Power Labs Inc. | Method and system for establishing in real-time an energy clearing price for microgrids having distributed energy resources |
Also Published As
Publication number | Publication date |
---|---|
JP2011022902A (ja) | 2011-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5413831B2 (ja) | 電力取引管理システム、管理装置、電力取引方法、及び電力取引用コンピュータプログラム | |
Chen et al. | Local energy trading behavior modeling with deep reinforcement learning | |
Gazafroudi et al. | Stochastic interval-based optimal offering model for residential energy management systems by household owners | |
Guo et al. | Optimal energy management of multi-microgrids connected to distribution system based on deep reinforcement learning | |
Chen et al. | Research on day-ahead transactions between multi-microgrid based on cooperative game model | |
Lahon et al. | Risk‐based coalition of cooperative microgrids in electricity market environment | |
Löhndorf et al. | Optimal day-ahead trading and storage of renewable energies—an approximate dynamic programming approach | |
Samende et al. | Multi-agent deep deterministic policy gradient algorithm for peer-to-peer energy trading considering distribution network constraints | |
Li et al. | Incentivizing distributed energy trading among prosumers: A general Nash bargaining approach | |
Lahon et al. | Optimal power scheduling of cooperative microgrids in electricity market environment | |
Patrizi et al. | Prosumer-centric self-sustained smart grid systems | |
Latifi et al. | A self-governed online energy management and trading for smart micro/nano-grids | |
Cai et al. | Energy management in residential microgrid using model predictive control-based reinforcement learning and Shapley value | |
Gao et al. | Distributed energy trading and scheduling among microgrids via multiagent reinforcement learning | |
Chuang et al. | Deep reinforcement learning based pricing strategy of aggregators considering renewable energy | |
Timilsina et al. | A reinforcement learning approach for user preference-aware energy sharing systems | |
Najafi et al. | The role of EV based peer-to-peer transactive energy hubs in distribution network optimization | |
Peng et al. | Review on bidding strategies for renewable energy power producers participating in electricity spot markets | |
Agwan et al. | Pricing in prosumer aggregations using reinforcement learning | |
Seyedhossein et al. | Risk management framework of peer-to-peer electricity markets | |
Saini et al. | Data driven net load uncertainty quantification for cloud energy storage management in residential microgrid | |
Yu et al. | A Stackelberg game-based peer-to-peer energy trading market with energy management and pricing mechanism: A case study in Guangzhou | |
Qiu et al. | Local integrated energy system operational optimization considering multi‐type uncertainties: A reinforcement learning approach based on improved TD3 algorithm | |
Kiannejad et al. | A stochastic offering approach for photovoltaic power plants in day-ahead and balancing markets | |
Anita et al. | Energy Trading and Optimum Scheduling for Microgrids Using Multiple Agents Based DL Approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120625 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130719 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130730 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130919 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20131015 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131105 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5413831 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |