电网深度学习操作

为了实现IPCC气候目标，世界范围内的电力系统正在通过脱碳和交通运输和供热等社会其他部门的电气化而以多种方式发生变化。这些根本性变化的结果是，未来运营电力网络面临的挑战越来越大。当前依赖于将网络实时保持在安全状态并为不久的将来进行计划的工具和技术可能不再足够。

RL是一个非常有用的框架，可以用来开发新的解决方案技术来解决脱碳世界中的网络运营问题。 RL涉及基于环境状态以及状态与操作之间的转换功能的代理执行操作。通过游戏化网络运行问题，

可以将RL部署为开发针对网络运营挑战的新颖解决方案的技术。

继L2RPN 2019挑战赛最近取得成功之后，2020年将发起一个新挑战，其中包括更大的网络以及增加的重新分配操作以及拓扑更改。这将是开发实用的RL方法的重要步骤，该方法可用于协助电网运营商的决策。这项挑战旨在将电力系统和ML / RL社区的专家召集在一起，共同开发解决方案，以解决脱碳未来网络运营商所面临的问题。、

想了解详情请下载附件http://www.apollocode.net/a/970.html