| 학회 |
한국화학공학회 |
| 학술대회 |
2022년 봄 (04/20 ~ 04/23, 제주국제컨벤션센터) |
| 권호 |
28권 1호, p.140 |
| 발표분야 |
[주제 2] 기계학습 |
| 제목 |
Optimal Decision-making Model for Energy Management System with Reinforcement Learning |
| 초록 |
Mathematical programming (MP)의 경우 문제의 크기와 복잡성이 커지면(e.g. NP-hard) 계산비용이 기하급수적으로 증가하고 수학적 모델링 자체가 어려워진다. 본 연구에서는 기존에 MP로 풀어내던 에너지 시스템에 대한 mixed integer liner programming (MILP) 스케줄링 최적화 문제를 Reinforcement Learning (RL)로 구현하는 case study를 진행함으로써 MP 모델의 한계점을 극복하고 RL 모델 개발에 대한 방법론을 제시한다. RL 모델 설계에 따라 모델을 총 4가지로 세분화하여 상황에 맞는 의사결정 시스템을 구축할 수 있도록 환경을 구성하였으며, 훈련된 RL 정책을 훈련 데이터와 다른 년도의 데이터를 통해 검증하여 모델의 지속적인 사용 가능성과 실시간 의사결정이 가능함을 확인하였다. 확률적인 훈련 데이터를 통해 환경의 파라미터(에너지, 가격 등) 값이 불확실성을 가진 경우에도 뛰어난 성능을 가짐을 몬테카를로 시뮬레이션을 통해 검증하였다. 이 연구는 변동하는 환경 파라미터에 따라 RL 에이전트가 내리는 의사결정을 도표화 시킴으로써 인공지능이 스케쥴링 최적화 문제에서 인간과 유사한 논리의 형태로 정책을 학습할 수 있다는 점을 시사한다. |
| 저자 |
강도은1, 강동주2, 황보수민1, Haider Niaz3, 유준3, 나종걸1
|
| 소속 |
1이화여자대, 2서울대, 3부경대 |
| 키워드 |
공정시스템(Process Systems Engineering) |
| E-Mail |
|
| 원문파일 |
초록 보기 |
