基于深度强化学习的主动配电网高恢复力决策方法OA北大核心CSTPCD
High Resilience Decision-Making Method of Active Distribution Network Based on Deep Reinforcement Learning
随着全球极端天气事件频发,电力系统在极端自然灾害下恢复力的研究日益受到关注.本文提出基于深度强化学习的高恢复力决策方法,将极端灾害下配电网运行状态和线路故障状态作为观测状态集合,自学习智能体Agent在当前环境观测状态下寻求可行的决策策略进行动作,定义自学习Agent的回报函数以进行动作评价;采用观测状态数据,开展基于竞争深度Q网络(dueling deep Q network,DDQN)的深度强化学习(deep reinforcement le…查看全部>>
罗欣儿;杜进桥;田杰;刘安迪;王标;李妍;王少荣
深圳供电局有限公司,广东 深圳518001深圳供电局有限公司,广东 深圳518001深圳供电局有限公司,广东 深圳518001华中科技大学强电磁工程与新技术国家重点实验室,武汉430074华中科技大学强电磁工程与新技术国家重点实验室,武汉430074华中科技大学强电磁工程与新技术国家重点实验室,武汉430074华中科技大学强电磁工程与新技术国家重点实验室,武汉430074
信息技术与安全科学
马尔科夫决策过程竞争深度Q网络(DDQN)深度强化学习(DRL)高恢复力配电网
《南方电网技术》 2022 (1)
67-74,8
国家重点研发计划项目(2017YFB0902800).
评论