PREE 2025（奈良）にて招待講演を行いました Invited lecture at PREE 2025 (Nara)
2025年10月29日、奈良県コンベンションセンターで開催された
The 3rd International Conference on Power and Renewable Energy Engineering (PREE 2025)において、Invited Speaker（招待講演者）として発表を行いました。
本会議は IEEE（米国電気電子学会）技術協賛 のもと開催され、再生可能エネルギーや電力工学分野の研究者が国際的に集う学術会議です。
________________________________________
講演概要
講演タイトル：
“Reinforcement Learning-Based Control Strategies for Distributed Energy Resources in Next-Generation Power Systems”
太陽光発電・蓄電池・電気自動車などの分散エネルギーリソース（DER）を対象に、
深層強化学習（Deep Reinforcement Learning: DRL）を用いた制御戦略と、需要・発電・市場価格の予測を組み合わせたハイブリッド制御手法について紹介しました。シミュレーションでは、提案モデルが従来のルールベース手法に比べて収益を約35％増加、インバランスコストを約47％削減 する効果を確認しました。これにより、次世代エネルギーシステムにおけるAI制御の有効性を実証しました。今後は、筑波大学スマートグリッド研究室における実験用蓄電池システムを用いた実証実験を進める予定です。
•Session 5（Room 201, 15:35–15:55）で登壇
•質疑応答では、再エネ制御・AI応用に関する活発な議論が行われました。
________________________________________
リンク
•PREE 2025 公式ページ（Invited Speakers）：
Presentation Summary
Presentation Title: “Reinforcement Learning-Based Control Strategies for Distributed Energy Resources in Next-Generation Power Systems”
This presentation introduced a hybrid control method combining control strategies using Deep Reinforcement Learning (DRL) with forecasts of demand, generation, and market prices, targeting distributed energy resources (DER) such as solar power generation, storage batteries, and electric vehicles. Simulations confirmed that the proposed model increases revenue by approximately 35% and reduces imbalance costs by approximately 47% compared to conventional rule-based methods. This demonstrates the effectiveness of AI control in next-generation energy systems. Future plans include conducting demonstration experiments using the experimental battery storage system at the University of Tsukuba's Smart Grid Laboratory. • Presentation at Session 5 (Room 201, 15:35–15:55)
•During Q&A, lively discussions took place regarding renewable energy control and AI applications.
Links
•PREE 2025 （Invited Speakers）：