Quantum-Computing-Enabled Multi-Objective Reinforcement Learning for Energy Management System Optimal Operation
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(유형A)
2026년
2710115313
과학기술정보통신부
한국연구재단
가천대학교산학협력단
오은성
3명
2026.09.01 ~ 2027.08.31
2025.09.01 ~ 2028.08.31
6,418만원
6,418만원
기초연구
대학
경기도 성남시
에너지/자원 > 스마트그리드 > IT기반 고부가 서비스 기술
본 과제의 최종 목표는 에너지 관리 시스템 최적 운영를 위한 양자 컴퓨팅 기반 다중 목적 강화학습(Multi-objective QRL, MO-QRL) 방안을 개발하는 것이다. 구체적으로, 재생에너지원 등 분산 발전 자원 증가에 따라 나타나는 에너지 관리 시스템 운영 어려움을 해결하기 위하여 양자 알고리즘(QAOA 등)과 강화학습을 통합하여 ESS 스케줄링, 에너지 ...
... 에너지 커뮤니티를 고려한다. 이 커뮤니티 내에서는 prosumer들이 서로 전력을 거래(P2P 거래)하고, 공용 ESS를 설치하여 공동 활용한다고 가정한다. 에너지 커뮤니티 환경의 에너지 시스템 최적 운영은 가격 메커니즘을 디자인하고, 각 참여자의 거래/저장 행동을 조정하여 전체 커뮤니티의 편익을 극대화하면서도 개별 구성원의 이익을 보장하는 방안에 대한 것이다. 목표 함수는 커뮤니티 ...
본 연구는 양자 컴퓨팅과 강화학습을 활용한 에너지 관리 시스템 최적화 연구를 통해 도출될 성과가 다양한 분야에서 실질적으로 활용될 수 있도록 계획되었다. 연구결과는 우선 스마트그리드와 에너지 관리 시스템의 복잡한 최적화 문제를 해결하는 데 직접 활용될 수 있으며, 에너지 커뮤니티 운영 모델에서 최적화된 에너지 거래 정책은 한국전력거래소의 전력시장운영규칙 및 중앙정부의 ...