本发明涉及一种基于图深度强化学习的电网低压减载紧急控制方法。该方法基于电力系统算例规模设计拓扑变化场景和低压减载策略;采样系统拓扑多时刻观测值构建节点特征矩阵;基于FastGCN‑D3QN图深度强化学习提取有效样本特征,训练并建立电力系统低压减载紧急控制模型;利用训练完成的低压减载模型进行预测获取系统紧急控制方案。现有基于传统深度强化学习的低压减载方法难以适应电网拓扑变化,无法提供准确和可靠的控制方案;而改进的FastGCN方法可对非欧式空间数据进行建模,提取拓扑频繁变化的电网拓扑特征,但是缺乏一定的决策能力。本发明将两者结合优势互补,为拓扑频繁变化的电力系统场景的感知决策问题提供了解决思路,可提供更可靠更经济的控制策略。
声明:
“基于图深度强化学习的电网低压减载紧急控制方法” 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)