本发明公开了一种基于深度强化学习的电力选线方法。该方法包括步骤:筛选影响因素;收集影响因素所对应的数据;将影响因素进行标准化处理,然后栅格化为图像;将连续的路径分为片段,用图像、智能体位置、路径片段组合为样本,构建样本库;基于DQN和FCN构建深度强化学习模型;将样本库分为训练集与测试集,先用训练集对模型进行训练,然后用测试集对模型进行评价;在指定选线区域内,利用测试后的模型进行电力选线。该方法将电力选线中所考虑的影响因素栅格化为一张包含量化值的二维图像,使得神经网络感知环境成为可能;通过组合使用FCN和DQN,可以较好感知环境,做出最优决策,克服传统路径规划算法存在的不能及时响应复杂多变的环境的问题。
声明:
“基于深度强化学习的电力选线方法” 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)