F-012
グラフ構造深層強化学習による電力系統制御

◎伊藤秀将・釜谷幸男・花井克之（東芝デジタルソリューションズ）

グラフ構造を持つシステムを分析対象とする、構成変更に対して柔軟な高精度ニューラルネットと強化学習方式を提案する。IEEE電力系統システムモデルで効果を検証した。
従来の強化学習による電力系統制御は、系統の構造が固定されていることが前提にあった。しかしながら、現実の電力系統系は設備の増設や撤去等によって構造変化が起こる。そこで、Graph Attention Networkを拡張し、系統の構造変化にも再学習の必要なく対応できる強化学習モデルを提案する。提案モデルでIEEE Case14電力系統のタップスイッチ制御を行ったところ、全結合NNよりも高い平均報酬が得られた。また、学習時とテスト時のモデル構造を変化させても、同等の報酬が得られることを確認した。