基于深度强化学习的自适应电力系统应急控制

深度强化学习方法来解决电力系统的控制和决策问题。利用InterPSS仿真平台作为电力系统模拟器。开发了一个与OpenAI兼容的电网动态仿真环境，用于开发、测试和基准测试电网控制的强化学习算法。

电力系统应急控制，控制方案采用深度强化学习(DRL)高维特征提取和非线性泛化能力。
提出了基于DRL的发电机动态制动和欠压减载应急控制方案，所开发的DRL方法鲁棒性对不同仿真场景，模型参数的不确定性和噪声无论是双区四机系统还是IEEE 39节点系统有良好的性能和鲁棒性。

利用深度强化学习(DRL)的高维特征提取和非线性泛化能力，开发了新的自适应应急控制方案。辅助电力系统控制的DRL算法的开发和基准测试。详细介绍了发电机动态制动和低压减载应急控制方案。研究了发展的DRL方法对不同仿真场景、模型参数不确定性和观测噪声的鲁棒性。在两机，四机系统和IEEE 39总线系统中进行，证明了所提方案的优异性能和鲁棒性。

www.mx-dm.com