[論文レビュー] Deep Reinforcement Learning-Based Robust Protection in Electric Distribution Grids.

Dongqi Wu, Dileep Kalathil+1 more|arXiv (Cornell University)|Mar 5, 2020

Smart Grid Security and Resilience参考文献 20被引用数 5

ひとこと要約

本稿では、分散型発電や故障インピーダンスの変動といった複雑な条件下でも、故障検出精度と応答速度を向上させる通信不要な深層強化学習（DRL）ベースの保護リレーを提案する。OpenDSSで評価されたIEEE 34ノードおよび123ノードの給電線で、従来の過電流保護方式に依存せずに、低故障率と高いロバスト性を達成した。

ABSTRACT

This paper introduces a Deep Reinforcement Learning based control architecture for protective relay control in power distribution systems. The key challenge in protective relay control is to quickly and accurately detect faults from other disturbances in the system. The performance of widely-used traditional overcurrent protection scheme is limited by factors including distributed generations, power electronic interfaced devices and fault impedance. We propose a deep reinforcement learning approach that is highly accurate, communication-free and easy to implement. The proposed relay design is tested in OpenDSS simulation on the IEEE 34-node and 123-node test feeders and demonstrated excellent performance from the aspect of failure rate, robustness and response speed.

研究の動機と目的

• 分散型発電およびパワー電子素子の高浸透率を示す現代の配電系統における従来の過電流リレーの限界を解決すること。
• 変動する故障インピーダンスおよび系統の擾乱に強く、ロバストな故障検出手法を開発すること。
• 実用的導入を可能にするために、他のリレーとの通信依存を排除したリレー制御アーキテクチャを設計すること。
• 動的で不確実な系統条件下における保護リレーの応答速度を向上させ、故障率を低減すること。
• 実際の配電系統シミュレーションにおいて、DRLベースの手法の実現可能性と性能を実証すること。

提案手法

• リアルタイムの系統測定に基づいて最適なトリップ決定を学習できる保護リレーのエージェントを、深層強化学習（DRL）で訓練する。
• 他のリレーとの通信を不要とするため、局所的な測定値のみを用いて自律的に動作するDRLエージェントを設計する。
• 状態空間に母線電圧、電流、電力注入量を含むマルコフ意思決定過程（MDP）フレームワークを採用する。
• 行動空間を、故障検出に基づく断路器のトリップまたは非トリップとして定義する。
• 故障の遮断成功と速度に基づくスパarsな報酬を用いてDRLエージェントを訓練する。
• 安定な訓練と導入を実現するため、DQNベースのアルゴリズムを用いてOpenDSSにDRLモデルを実装する。

実験結果

リサーチクエスチョン

• RQ1 分散型発電や変動する故障インピーダンスが存在する状況下で、DRLベースのリレーは従来の過電流リレーに比べて優れた故障検出正確性を達成できるか？
• RQ2 本稿で提案するDRLリレーは、多様な故障条件下において応答速度と故障率の観点でどのように性能を発揮するか？
• RQ3 配電ネットワーク内において、他のリレーとの通信なしに、DRLリレーがどの程度効果的に動作できるか？
• RQ4 DRLベースのリレーは、系統の擾乱やネットワークトポロジー、運用条件の変化に対してどの程度ロバストか？
• RQ5 IEEE 34ノードおよび123ノードといった異なる配電系統テスト給電線において、DRLリレーの性能はいかがであるか？

主な発見

• DRLベースのリレーは、IEEE 34ノードおよび123ノードの両方のテスト給電線において、従来の過電流リレーに比べて顕著に低い故障率を達成した。
• 本手法は高速応答を示し、高インピーダンス故障時でも迅速な故障遮断を可能にした。
• 通信不要な設計により、さまざまな故障種別および系統構成においても高い正確性と安定性を維持した。
• 分散型発電の浸透率や故障インピーダンスレベルの変動といった多様な運用条件下でのテストを通じて、ロバスト性が確認された。
• OpenDSSにおけるシミュレーション結果から、DRLアプローチが信頼性および適応性の観点で従来の手法を上回ることが確認された。