Developing AI-based model for flexibility needs' management under high renewable energy penetration

开发基于人工智能的模型，以实现高可再生能源渗透率下的灵活性需求管理

• 批准号: 22KF0057
• 负责人: 安芸 裕久
• 金额: $ 0.9万
• 依托单位: University of Tsukuba
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2023
• 资助国家: 日本
• 起止时间: 2023-03-08 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22KF0057/
• 关键词: 電力系統; 再生可能エネルギー; 最適化モデル; 人工知能

渡日後の5ヶ月間において、再生可能エネルギー資源と負荷需要予測のための人工知能ツールの適用など、本研究の主要な側面を概念化することができた。ランダムフォレスト（RF）、サポートベクター回帰（SVR）、長期短期記憶（LSTM）、ディープニューラルネットワーク（DNN）、一般回帰ニューラルネットワーク（GRNN）などの予測ツールについて、本研究への適用可能性を検討した。その最適な実装と、データ／特徴の特性に応じた適切なハイパーパラメータの決定についても検討を行ってきた。さらに、エネルギーシステム設計のための最適化モデルやソフトウェアツールについても検討を進め、実用的なモデルの構築を進めてきた。シミュレーションに用いるための電子計算機を購入し、プラットフォーム等の研究環境整備も進めた。エネルギーシステムの最適計画モデルを解くために、Matlab環境上のYALNIPツールボックスのCPLEXとGUROBIソルバーを用いる予定である。再生可能エネルギーが大規模に普及した条件下で、より現実的で信頼性の高い配電システムの最適運用分析・計画を実現するために、不確実性をモデル化する2次コーンプログラミング（SOCP）アルゴリズムをモデル化した。さらに、シミュレーションモデルの入力データとして、本研究で検討対象地域に関するデータベース（太陽光、風力、負荷需要、電力価格）を調査し、決定した。利用時間帯別デマンドレスポンス導入のための価格弾力性に基づくモデルを構築した。現在は、人工知能による予測解析のための特徴量生成のためのデータ分解手順を模索している。

Crossing の ヶ 5 months later に お い て, regeneration may エ ネ ル ギ ー と load resources need to be の た め の artificial can know ツ ー ル の applicable な ど, this research main な の side を conceptualization す る こ と が で き た. ラ ン ダ ム フ ォ レ ス ト (RF), サ ポ ー ト ベ ク タ ー 帰 back (SVR), short-term memory (LSTM) for a long time, デ ィ ー プ ニ ュ ー ラ ル ネ ッ ト ワ ー ク (within DNN), general back 帰 ニ ュ ー ラ ル ネ ッ ト ワ ー ク (GRNN) な ど の be ツ ー ル に つ い て, this study へ の applicable possibility を beg し 検 た. The optimal な そ の be と, デ ー タ / special 徴 の features に 応 じ た appropriate な ハ イ パ ー パ ラ メ ー タ の decided に つ い て も 検 line for を っ て き た. さ ら に, エ ネ ル ギ ー シ ス テ ム design の た め の optimization モ デ ル や ソ フ ト ウ ェ ア ツ ー ル に つ い て も beg を 検 into め, be な モ デ ル の build を into め て き た. シ ミ ュ レ ー シ ョ ン に with い る た め を の computers bought し, プ ラ ッ ト フ ォ ー ム の research environment development such as も into め た. エ ネ ル ギ ー シ ス テ ム の optimum plan モ デ ル を solution く た め に, Matlab is の YALNIP ツ ー ル ボ ッ ク ス の can と GUROBI ソ ル バ ー を with い る designated で あ る. Regeneration may エ ネ ル ギ ー が large-scale に popularization し た で, under the condition of よ り presently be で letter 頼 の high い distribution シ ス テ ム の, the optimal analytical program を be presently す る た め に, uncertain be を モ デ ル change す る twice コ ー ン プ ロ グ ラ ミ ン グ (SOCP) ア ル ゴ リ ズ ム を モ デ ル change し た. さ ら に, シ ミ ュ レ ー シ ョ ン モ デ ル の デ into force ー タ と し て, this study で beg like regional に seaborne 検 masato す る デ ー タ ベ ー ス (sun, wind, load, power 価 lattice) を investigation し, decided to し た. Use time 帯 don't デ マ ン ド レ ス ポ ン ス import の た め の 弾 価 lattice force sexual に base づ く モ デ ル を build し た. Now, による, artificial intelligence による, pre-test analysis, ため, generation of characteristic quantities, ため, デ, タ, decomposition of hand sequence, を, mold, て, る, る, る.