IEEE ACCESSに掲載されました（M2大曽根） Published in IEEE ACCESS (M2 Osonoe)
論文タイトル：Imbalance-Aware Scheduling for PV Battery Storage Systems Using Deep Reinforcement Learning 著者：Y. Osone, D. Kodaira 掲載誌：IEEE ACCESS （IF:3.6)
紹介 本研究では、AI（深層強化学習）を活用し、太陽光発電と蓄電池の運用を最適化する新しい手法を開発しました。
電力市場において課題となる「インバランス料金」を従来より最大47％削減できることをシミュレーションで実証し、再生可能エネルギーを安定的に市場へ供給できる可能性を示しました。今後は家庭用蓄電池やEVを統合管理する仮想発電所の基盤技術としての展開が期待されます。
「国際誌に成果が掲載され、研究の新規性と有効性が評価されたことは大きな励みになりました。今後は実証実験を通じて、社会実装に結びつけていきたいです。」（M2大曽根）
In this study, we developed a new method that utilizes AI (deep reinforcement learning) to optimize the operation of solar power generation and storage batteries.
Simulations demonstrated that the “imbalance charges” posing challenges in the electricity market can be reduced by up to 47% compared to conventional methods, indicating the potential for stable supply of renewable energy to the market.
Going forward, it is expected to be developed as a foundational technology for virtual power plants that integrate and manage home storage batteries and EVs.
「Having my findings published in an international journal and receiving recognition for the novelty and effectiveness of my research has been a tremendous encouragement to me. Moving forward, I aim to connect this work to real-world implementation through empirical testing.」（M2：Osone）