深層強化学習を用いた再生可能エネルギー統合グリッドにおける電圧支持力制約付き送電網拡張計画
Voltage support strength-constrained transmission network expansion planning for renewable-integrated grids via deep reinforcement learning
本研究は、インバータベースの再生可能エネルギー源(RES)の増加による系統安定性への課題に対応するため、データ駆動型の不確実性モデリングと安定性を考慮した意思決定を統合した新しい送電網拡張計画(TNEP)フレームワークを提案する。代表的な運用シナリオを抽出するために改良型ニューラル・クープマンアルゴリズムとK-Means法を採用し、TNEP問題をマルコフ決定過程(MDP)として定式化した。深層強化学習(DRL)エージェント(Double Deep Q-Network, DDQN)を用いて最適な逐次建設戦略を決定する。動的な短絡比(SCR)をエージェントの報酬関数にペナルティ項として組み込み、事後的な厳密な実現可能性チェックを通じて系統安定性を確保する。高再生可能エネルギー導入標準システムCEPRI-VC-88で検証した結果、提案フレームワークは年間風力発電の抑制を12.8%から1.5%に削減し、中程度の投資コストでSCR不足シナリオを完全に排除した。このDRLベースのアプローチは、経済性、再生可能エネルギーの受け入れ、動的安定性の目標を効果的にバランスさせ、より強靭な電力系統を構築するための強力なTNEPパラダイムを提供することを示した。
- インバータベース電源の増加で生じる短絡比(SCR)不足に対応するため、動的SCRをDRLエージェントの報酬関数にペナルティ項として組み込む送電網拡張計画(TNEP)フレームワークを提案
- 改良型ニューラル・クープマンアルゴリズムとK-Means法で代表運用シナリオを抽出し、TNEPをマルコフ決定過程として定式化、DDQNで逐次建設戦略を決定
- 高再生可能エネルギー導入標準システムCEPRI-VC-88での検証で、年間風力発電の抑制を12.8%から1.5%に削減し、中程度の投資コストでSCR不足シナリオを完全に排除
再生可能エネルギーの大量導入に伴う系統安定性(短絡比不足)という、送電網投資の実務課題に直接踏み込んだ研究。深層強化学習で送電網拡張計画を最適化し、風力抑制率を12.8%から1.5%へ削減しつつSCR不足シナリオを排除した点は、系統増強・蓄電・インバータ制御への設備投資需要を裏付ける。ただし検証はCEPRI-VC-88という標準テストシステム上のシミュレーションに留まり、商用実装や規制・調達の動きではないため、短期的な銘柄判断材料ではなく、系統安定化ソリューション(STATCOM/SVG、グリッドフォーミングインバータ、系統運用ソフト)の中長期需要を読む材料として扱うべき。