| 研究課題/領域番号 |
17K01262
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
社会システム工学・安全システム
|
|---|
| 研究機関 | 富山県立大学 |
|---|
研究代表者 |
榊原 一紀 富山県立大学, 工学部, 准教授 (30388110)
|
|---|
| 研究分担者 |
渡邉 真也 室蘭工業大学, 大学院工学研究科, 准教授 (30388136)
大原 誠 神戸大学, 学術・産業イノベーション創造本部, 特定プロジェクト研究員 (10633620)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2019年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2018年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2017年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
|
|---|
| キーワード | エネルギーマネジメント / 混合整数計画 / 機械学習 / 空調 / サーマルグリッド / 電力ネットワーク / 再生可能エネルギー / 数理計画 / 自律分散型電力グリッド / システム工学 / 最適化 / エネルギー効率化 |
|---|
| 研究成果の概要 |
大規模施設での空調機の効率的運用による省エネルギー化をとりあげ，リアルタイム性を有する電力マネジメント則を機械学習を用いて実現した．これは，逐次計画を（新たに先の意思決定を取り込みながら）作り直すモデル予測制御のアイデアに基づく．モデル予測制御の枠組みに，不確実性を伴う熱需要の統計性を反映するために，モデル予測制御における最適化モデルを機械学習モデルに置き換える．
様々な気候や施設の利用状況を踏まえた熱需要パターンを事前に十分数用意しておき，それら熱需要パターンごとに最適化モデルをあらかじめ求解しておく．熱需要パターンと得られた最適解をそれぞれ入力および教師として機械学習モデルを学習させる．
|
| 研究成果の学術的意義や社会的意義 |
複数の空調機の協調的運用が求められるような大規模施設における高効率なエネルギーマネジメント則を分単位でリアルタイムに作成することが可能となる．このとき，外部環境や消費パターンを学習・予測することにより，適切な電力融通を決定することで高効率な電力利用を実現するための機械学習手法が実現された．
このとき機械学習アルゴリズムを設計する前提として，数理最適化手法により生成された最適化結果群を直接機械学習手法の教師データとする点が特長である．一般に数理計画手法は計算負荷が大きくオンライン性に乏しいが，機械学習の学習用に用いることで，その精度を保持しつつ，オンライン性を生むことができる．
|
