首页|期刊导航|中国电机工程学报|基于知识融合和深度强化学习的智能紧急切机决策

基于知识融合和深度强化学习的智能紧急切机决策OA北大核心CSTPCD

Intelligent Emergency Generator Rejection Schemes Based on Knowledge Fusion and Deep Reinforcement Learning

中文摘要英文摘要

紧急控制是在严重故障后维持电力系统暂态安全稳定的重要手段.目前常用的"人在环路"离线紧急控制决策制定方式存在效率不高、严重依赖专家经验等问题,该文提出一种基于知识融合和深度强化学习(deep reinforcement learning,DRL)的智能紧急切机决策制定方法.首先,构建基于DRL的紧急切机决策制定框架.然后,在智能体处理多个发电机决策时,由于产生的高维决策空间使得智能体训练困难,提出决策空间压缩和应用分支竞争 Q(branching…查看全部>>

Emergency control is an important means of maintaining power system transient security and stability following serious faults.The current popular"human-in-the-loop"offline emergency control decision-making method has some drawbacks,including low efficiency and heavy reliance on expert experience.Therefore,this paper proposes an intelligent emergency generator rejection decision-making method based on knowledge fusion and deep reinforcement learning(DRL).Firs…查看全部>>

李舟平;曾令康;姚伟;胡泽;帅航;汤涌;文劲宇

强电磁工程与新技术国家重点实验室(华中科技大学电气与电子工程学院),湖北省 武汉市 430074强电磁工程与新技术国家重点实验室(华中科技大学电气与电子工程学院),湖北省 武汉市 430074强电磁工程与新技术国家重点实验室(华中科技大学电气与电子工程学院),湖北省 武汉市 430074强电磁工程与新技术国家重点实验室(华中科技大学电气与电子工程学院),湖北省 武汉市 430074田纳西大学电气工程与计算机科学系,美国 田纳西州 诺克斯维尔市 37996中国电力科学研究院有限公司,北京市 海淀区 100192强电磁工程与新技术国家重点实验室(华中科技大学电气与电子工程学院),湖北省 武汉市 430074

动力与电气工程

紧急切机决策深度强化学习决策空间分支竞争Q网络知识融合

emergency generator rejection decisiondeep reinforcement learningdecision spacebranching dueling Q networkknowledge fusion

《中国电机工程学报》 2024 (5)

基于数字仿真的大电网人工智能分析方法研究

1675-1687,中插1,14

国家自然科学基金项目(U1866602). Project Supported by National Natural Science Foundation of China(U1866602).

10.13334/j.0258-8013.pcsee.222633

评论

您当前未登录!去登录点击加载更多...