← 論文一覧に戻る

炭素フローと強化学習による配電系統の低炭素・経済運用のための電源－系統－蓄電池階層協調スケジューリング

Hierarchical Source-Network-Storage Coordinated Scheduling for Low-Carbon and Economic Operation of Active Distribution Networks via Carbon Flow and Reinforcement Learning (原題)

Taorong Jia, Guoqing Yang, Xiangxiang Wei, Lixiao Yao

Energies📚 査読済 / ジャーナル2026-11-06#エネルギー転換Origin: CN経営インパクト: コスト削減対象セクター: power
DOI: 10.3390/en19215329
原典: https://doi.org/10.3390/en19215329

🤖 gxceed AI 要約

日本語

配電系統におけるネットワーク再構成と電源・蓄電池運用の時間軸の違いを解消するため、3層の階層協調スケジューリングを提案する。炭素フロー理論を組み込んだ低炭素・経済の複合目的関数を定式化し、トポロジ決定にはPPO改良アルゴリズム、電源・蓄電池運用には炭素フロー駆動の差分報酬とカリキュラム学習を組み込んだマルチエージェントPPOを適用する。IEEE 33バス系統の模擬で再エネ比率20～100%において日次炭素排出を約935～1092kg、運用コストを約213～246元削減し、計算時間を98.14%短縮した。

English

This paper proposes a three-layer hierarchical source-network-storage scheduling framework that coordinates hourly network reconfiguration with 15-minute source-storage dispatch in active distribution networks. Carbon flow theory is embedded in a low-carbon economic objective, with a trajectory-centered PPO variant for topology decisions and a carbon-flow-driven multi-agent PPO with curriculum learning for dispatch. On a modified IEEE 33-bus system at 20-100% renewable penetration, it cuts daily emissions by 934-1092 kg and operating costs by 213-246 CNY while reducing losses and online computation time by 98.14%.

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

炭素フローに基づく運用時炭素強度の最適化は、日本で議論が進む電力の時間別排出係数やScope 2マージナル排出量の精緻化に関わる。配電レベルでの低炭素運用は地域電力・再エネ大量導入下の系統運用政策に示唆を与える。

In the global GX context

Carbon-flow-based operational scheduling connects to the global push for hourly and marginal emission factors in Scope 2 accounting and grid decarbonization. It offers a computationally efficient RL alternative to mathematical optimization for distribution-level low-carbon operation under high renewable penetration.

👥 読者別の含意

🔬研究者:強化学習と炭素フローを組み合わせた階層的最適化の設計と、数理最適化比98%の計算時間削減という実証ベンチマークが参考になる。

🏢実務担当者:配電事業者や系統運用者は、再エネ高比率下での低炭素・経済の両立運用にRLベースの実用的スケジューリングを検討できる。

🏛政策担当者:時間別・地域別の排出係数設計や配電系統の低炭素運用ルール策定の際、運用最適化の効果量の目安として参照できる。

📄 Abstract（原文）

To address the coupling and timescale differences between network reconfiguration and Source-storage dispatch in active distribution networks, this paper proposes a hierarchical source-network-storage coordinated scheduling method for low-carbon and economic operation. A three-layer framework is developed to coordinate hourly network reconfiguration with 15-min source-storage dispatch, where carbon flow theory is incorporated to formulate a comprehensive low-carbon economic objective. A Trajectory-Centered Advantage-Driven Proximal Policy Optimization algorithm is proposed for high-dimensional topology decision-making, while a carbon-flow-driven three-path differential reward mechanism and curriculum learning are integrated into Multi-Agent Proximal Policy Optimization for source-storage dispatch. The coordination layer further adjusts network topology according to source-storage operating states. Simulations on a modified IEEE 33-bus system demonstrate that, across renewable penetration levels of 20–100%, the proposed method reduces daily carbon emissions by 934.64–1091.66 kg and operating costs by 212.90–246.26 CNY, while reducing active power losses and improving voltage performance. The method also demonstrates good generalization capability under unseen renewable penetration levels and achieves scheduling performance comparable to mathematical optimization, while reducing online computation time by 98.14%.

🔗 Provenance — このレコードを発見したソース

🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。