典型文献
结合深度强化学习与领域知识的电力系统拓扑结构优化
文献摘要：
对拓扑结构进行优化可提高电力系统运行灵活性,然而线路开断与变电站母线分裂等系统级的离散决策变量维度极高.该拓扑结构优化问题难以由传统混合整数优化方法求解.针对该问题,提出了一种结合异步优势Actor-Critic(A3C)深度强化学习与电力系统领域知识的运行优化方法,将在线优化的计算负担转移至离线智能体训练阶段.该方法通过同时考虑拓扑结构与发电出力调整的动作空间设计系统运行控制智能体,以最小化约束越限为训练奖励,通过强制约束校验缩减搜索空间并提高强化学习效率,从而实现电力系统运行拓扑结构优化的快速计算,提高电力系统运行的安全性.仿真测试验证了所提方法的有效性.
文献关键词：
电力系统运行;深度强化学习;拓扑结构优化;发电出力调整
中图分类号：
作者姓名：
严梓铭;徐岩
作者机构：
南洋理工大学电气与电子工程学院,新加坡 639798,新加坡
文献出处：
引用格式：
[1]严梓铭;徐岩-.结合深度强化学习与领域知识的电力系统拓扑结构优化)[J].电力系统自动化,2022(01):60-68
A类：
发电出力调整
B类：
深度强化学习,领域知识,系统拓扑,拓扑结构优化,电力系统运行,运行灵活性,开断,变电站,母线,系统级,决策变量,优化问题,整数,异步,Actor,Critic,A3C,运行优化,在线优化,计算负担,移至,离线,智能体,训练阶段,动作空间,空间设计,设计系统,运行控制,校验,搜索空间,学习效率,快速计算,仿真测试,测试验证
AB值：
0.36794
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
