需給不確実性下におけるマイクログリッドのマルチタイムスケールエネルギー管理と低炭素最適スケジューリング
Multi-time-scale energy management and low-carbon optimal scheduling of microgrids under source-load uncertainty (原題)
Jinting Gao
🤖 gxceed AI 要約
日本語
太陽光・風力・蓄電池・ガスタービン等を備えた系統連系マイクログリッドに対し、日前と当日の二段階マルチタイムスケール最適化を提案。ラテン超方格サンプリングで不確実性を表現し、適応変異PSOでコストと炭素排出を最小化、当日は深層Qネットワークで15分ごとに補正する。ケースでは運用コスト11.2%・炭素排出14.7%削減、再エネ利用率96.3%を達成した。
English
Proposes a two-stage multi-time-scale energy management strategy for a grid-connected microgrid with PV, wind, LFP battery, gas turbine, and interruptible loads. Day-ahead scheduling uses Latin hypercube sampling and adaptive-mutation PSO to minimize operating and carbon costs; intraday rolling correction every 15 min uses a deep Q-network for fast feasible control. Case results show 11.2% lower operating cost, 14.7% lower emissions, and 96.3% renewable utilization with 0.012 s intraday decision time.
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
再エネ大量導入下での需給調整と炭素コストの両立は、日本の電力システム改革・非化石価値・企業の再エネ調達(PPA)やScope2削減戦略に直結する。マイクログリッド運用の低炭素最適化は、地域脱炭素や産業団体の自家発電・蓄電投資判断に示唆を与える。
In the global GX context
As grids decarbonize, coordinating cost, renewable utilization, and carbon emissions under uncertainty is central to transition finance and corporate Scope 2 strategies. The RL-based intraday control offers a template for real-time low-carbon dispatch relevant to ISSB-aligned emissions performance and PPA-backed procurement.
👥 読者別の含意
🔬研究者:不確実性下でのマルチタイムスケール最適化と深層強化学習を組み合わせた低炭素運用の定量ベンチマークを提供する。
🏢実務担当者:蓄電池・自家発・再エネを組み合わせた拠点の運用コストと炭素排出を同時に削減する設計指針として活用できる。
🏛政策担当者:再エネ高比率系統での需給調整と炭素コスト内部化を両立する運用ルール設計の参考になる。
📄 Abstract（原文）
High renewable-energy penetration increases source-load uncertainty and complicates the coordination of operating cost, renewable-energy utilization, and carbon emissions in grid-connected microgrids. This study proposes a two-stage multi-time-scale energy-management strategy for a microgrid comprising photovoltaic and wind generation, a lithium-iron-phosphate battery, a micro gas turbine, interruptible loads, and a utility-grid tie line. In the day-ahead stage, Latin hypercube sampling is employed to represent photovoltaic, wind-power, and load uncertainty, and an adaptive mutation particle swarm optimization algorithm minimizes operating and carbon-emission costs at a 1-h resolution. In the intraday stage, forecasts are updated every 15 min, and a rolling correction model penalizes deviations from the day-ahead schedule. A deep Q-network provides rapid feasible control actions for the gas turbine, battery, and interruptible load. In the case study, the proposed strategy reduces operating cost and carbon emissions by 11.2% and 14.7%, respectively, relative to single-time-scale scheduling, while increasing renewable-energy utilization to 96.3%. The intraday decision time is 0.012 s, indicating that the proposed framework can coordinate economic, low-carbon, and real-time scheduling objectives.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.1049/icp.2026.4764first seen 2026-11-15 05:09:06
🔔 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。