메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
임세헌 (Soongsil University) 김태근 (Soongsil University) 윤성국 (Soongsil University)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제69권 제11호
발행연도
2020.11
수록면
1,659 - 1,667 (9page)
DOI
10.5370/KIEE.2020.69.11.1659

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Distribution network reconfiguration (DNR) is a technique that changes the status of sectionalizing and tie switches for various purposes such as loss minimization, voltage profile improvement, load leveling, and hosting capacity increase. Although previous algorithms for DNR show good performance, they still have practical limitations. Most of the algorithms assumed that a central coordinator knows all parameters and/or perfect states in a distribution network. Reinforcement learning which is a model-free optimization technique can be a key way to overcome these limitations. This work proposes a DNR scheme using deep reinforcement learning to minimize power loss defined by the amount of line loss and renewable energy curtailment. We model the DNR problem as a Markov decision process (MDP) problem and apply the reinforcement learning algorithm to solve this problem in real-time. Simulation result using 33-bus radial distribution system shows that the proposed scheme shows similar performance compared to an existing method which uses all information on the distribution network.
#deep Q network (DQN) #distribution netwok reconfiguration (DNR) #line loss #reinforcement learning #renewable energy curtailment

목차

Abstract
1. 서론
2. 심층 강화학습 (Deep Reinforcement Learning)
3. 전력손실 최소화를 위한 목적함수 설정
4. 배전계통 재구성 문제 Markov decision process(MDP) 모델링
5. 사례 연구
6. 결론
References

참고문헌 (26)

참고문헌 신청
Ministry of Trade, Industry and Energy, the Republic of Korea / 재생에너지 3020 이행계획(안) 발표 google schola Ministry of Trade, Industry and Energy, the Republic of Korea / 1 MW 이하 소규모 신재생발전 전력망 접속보장 google schola M. M. Haque / 2016 / A review of high PV penetrations in LV distribution networks : Present status, impacts and mitigation measures / Renewable and Sustainable Energy Reviews 62:1195~1208 google schola J. Seuss / 2015 / Improving distribution network PV hosting capacity via smart inverter reactive power support / 2015 IEEE Power & Energy Society General Meeting :1~5 google schola 김영환 / 2018 / 재생에너지의 전력계통 수용 증대를 위한 ESS 운영방안 / 전기학회논문지 67(11):1401~1407 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

새로운 동작 모드와 고효율 스위칭 방식을 이용한 대기모드 전력손실 최소화 방안
주성용 ,  강정일 전력전자학회 학술대회 논문집 2021 .07
지능형 교차로 신호 제어 연구 1: 시뮬레이션, 메타 휴리스틱 및 심층 신경망 기반 단일 교차로 교통 신호 최적화 연구
이승엽 ,  신영훈 ,  엄명은 외 5명 대한산업공학회 추계학술대회 논문집 2020 .11
전력 변환 장치 효율 개선을 위한 손실 분석 연구
김민국 ,  우동균 ,  이병국 외 2명 전력전자학회논문지 2014 .02
주요국의 신재생에너지 분야 기술경쟁력 분석 연구
하수진 ,  최지혁 ,  오상진 신·재생에너지 2022 .09
강화학습을 적용한 커넥티드 전동화 차량의 지능형 적응 에너지 관리 제어 전략
이웅 ,  정해성 ,  박도현 외 2명 한국자동차공학회 추계학술대회 및 전시회 2020 .11

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2020-560-001579652