クラスタ並列計算による超大規模分布システムの並列制御
| Project/Area Number |
18J14348
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Single-year Grants |
|---|
| Section | 国内 |
|---|
| Research Field |
Control engineering/System engineering
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
| Research Fellow |
渡邉 郁弥 東京工業大学, 工学院, 特別研究員(DC2)
|
|---|
| Project Period (FY) |
2018-04-25 – 2020-03-31
|
| Project Status |
Granted (Fiscal Year 2019)
|
| Budget Amount *help |
¥1,500,000 (Direct Cost: ¥1,500,000)
Fiscal Year 2019: ¥700,000 (Direct Cost: ¥700,000)
Fiscal Year 2018: ¥800,000 (Direct Cost: ¥800,000)
|
|---|
| Keywords | 電力市場 / 機械学習 / 最適化 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は，電力ネットワークに代表される，状態量が空間に分布するシステムを対象とした，クラスタ並列計算による超大規模システムの制御および意思決定手法を確立することにある．本年度は，気象データといった空間に分布するデータを用いた意思決定法に関する基礎研究として，不確実な再生可能エネルギー大量導入下での電力市場における意思決定法について研究を行った．
ここでは，電力市場に参加する電力小売事業者が利益を最大化するための意思決定法を考えている．不確実性に対処するため，過去の気象データなどから求まる再生可能エネルギー発電量の予測値と，再生可能エネルギー発電量の実績値のデータをもとにした，機械学習のアプローチを取ることを考えた．さらに，電力小売事業者の目標は自身の利益の最大化であることから，過去のデータをもとにして，ある電力取引量を入札したときの利益を計算し，その利益を意思決定の評価値とする学習を行うことで，利益最大化を重視した意思決定モデルを構築した．
電力小売事業者の利益を評価値として意思決定モデルの学習を行う際には，その評価関数が最適化の関数となるため，通常の機械学習で扱う評価関数と異なり，従来の学習アルゴリズムがそのまま利用できないという問題があった．そこで本研究では，ペナルティ料金や電力設備運用コストを表す関数が凸な関数で表現されているとき，意思決定モデルの学習問題を凸な最適化問題として定式化できることを理論的に示した．これにより，既存の凸最適化アルゴリズムにより意思決定モデルの学習が可能となった．さらに，ペナルティ料金や電力設備運用コストを表す関数が区分的アフィンな凸関数であるという条件下では，意思決定モデルの学習問題が線形計画問題となることを理論的に示し，学習問題をさらに単純化できることを示した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本年度は電力市場における意思決定法を題材とし，気象データといった空間に分布する情報を取り入れた意思決定アルゴリズムの基礎理論を構築した．この結果は本研究課題の達成に向け必要不可欠なものであり，重要な成果であると考える．この結果をもとにして，次年度は並列計算と相性のよいニューラルネットワークモデルに基づく意思決定法の構築が可能となることが予想される．本年度の研究成果は制御分野で最重要な国際会議として知られるIEEE Conference on Decision and Controlに採択され，国際的にも評価される成果となったと考えられる．以上のことから，本研究課題の達成に向けて，本年度は必要な基礎理論の構築が完了したと考えられ，研究の進展状況は順調であると考えている．
|
| Strategy for Future Research Activity |
次年度は，大規模データの取り扱いが可能なニューラルネットワークに基づく意思決定モデルの学習アルゴリズムの開発に取り組む予定であり，実際に大規模計算を用いた意思決定モデルの学習と数値実験による評価を行う予定である．本年度の成果は電力市場における意思決定法の基礎理論の構築の部分であり，大規模計算にあまり取り組むことができなかった．一方で、ニューラルネットワークを用いたモデルは大規模計算に有効な手法であることが知られている．ここで，ニューラルネットワークのための学習アルゴリズムの基本的な部分は本年度の研究成果に密接に関連しており，本年度の成果をベースとしてニューラルネットワークへと発展させていくアプローチを取る予定である．
さらに，次年度は本年度の成果を学術論文としてまとめ，計測自動制御学会論文集へ投稿を行う予定である．また，ニューラルネットワークのアプローチが完成した際には，国際会議での発表および学術論文としての投稿を予定している．
|
Report
(1 results)
Research Products
(3 results)
