太阳能发电很大程度上取决于天气条件。当发电量偏离计划产量时，电力市场会征收被称为“不平衡罚款”的罚款。筑波大学的研究人员开发了一种基于人工智能 (AI) 的方法，可以优化太阳能发电和电池储能系统的运行，与传统方法相比，可将不平衡罚款降低高达 47%。

随着分布式可再生能源的日益普及，我们需要比现有策略更智能、更具适应性的能源管理策略。在电力市场中，交易基于电力生产商提交的次日计划发电量。然而，太阳能发电极易受到天气条件的影响。

计划供应量与实际供应量之间的差异会扰乱整个市场的供需平衡，导致被称为“不平衡罚款”的惩罚性费用。虽然计算方法可以在一定程度上控制这种平衡，但它们无法充分反映现实世界的不确定性，例如突发的天气变化和复杂的市场动态。

筑波大学的研究人员开发了一种方法，可以在符合市场规则的情况下优化太阳能发电和电池存储系统的运行。该方法发表在《IEEE Access》上，依赖于基于深度强化学习的人工智能，可以处理涉及不确定性的问题。

在实际市场数据的仿真结果中，该方法相比传统控制方法和其他深度强化学习模型，分别将不平衡惩罚降低了约47%和26%，并且在整个四季中都保持了稳定的利润。

本研究将有助于构建提高盈利能力、避免不平衡惩罚、并向市场稳定供应可再生能源的机制。此外，本研究有望为构建将蓄电池、电动汽车等家庭电源集合体作为新型电源的系统奠定基础，从而带来稳定电价、降低停电风险等社会效益。