過去実績に基づく行動制限を用いた強化学習による蓄電池の充放電制御

抄録

電力の負荷平準化は, 電力供給コストや二酸化炭素排出量の削減, 電力供給システムの安定化の点において重要である. その方法として蓄電池を用いた電力の負荷平準化の実用化が進んでいる. その中でも特に強化学習による蓄電池の最適化制御が注目を集めている. 従来手法では, 自由度が高いとされる現実的な問題を, 強化学習により解決することは難しいとされていた. 提案手法では, 強化学習の行動価値関数を効率的に推定するために, 過去の充放電実績を用いて電力の平準化を妨げる行動を制限しながら学習を行う. 実験では, 実データを用いて従来手法に対し多くの日数において施設における電力の負荷平準化が行なわれることを示す.