本发明涉及一种基于图卷积神经网络与强化学习的负荷转供方法及装置,包括:基于图卷积神经网络和深度强化学习Dueling‑DQN算法搭建的第一神经网络和第二神经网络,基于第一神经网络、第二神经网络和经验池构建智能体模型,配电网发生故障,智能体模型将配电网实时运行数据输入到智能体模型,计算出动作评价向量,基于动作评价向量根据动作策略选取相应的动作;动作作用于环境使其状态发生改变,同时奖励函数对该动作进行评价,并反馈给智能体,更新智能体的参数进行学习,通过大量的训练后,智能体实现最佳目标的负荷转供动作。本发明直接通过分析实时运行大数据与网络拓扑数据进行负荷转供决策,可以在短时间内给出更好的负荷转供策略。
声明:
“基于图卷积神经网络与强化学习的负荷转供方法及装置” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)