面向多目标传输切换的深度强化学习方法
系统与控制
2025-07-17 v1 系统与控制
摘要
传输切换是一种主要用于通过战略网络重构来最小化运营成本的成熟方法。然而，仅关注成本降低可能会损害系统可靠性。虽然多目标传输切换可以在成本节省与可靠性提升之间取得平衡，但随着系统规模的增大，获取可行解变得极其困难，由于其固有的非线性和高计算需求。本文提出一种深度强化学习（DRL）方法用于多目标传输切换。该方法采用基于dueling的演员-评论家框架来评估每个线路切换决策在动作空间中的相对影响，从而提高决策质量，增强系统的可靠性和成本效率。在IEEE 118母线系统上的数值研究验证了所提出方法的有效性和效率，与两种基准DRL算法相比较。
引用
@article{arxiv.2507.11726,
title = {A Deep Reinforcement Learning Method for Multi-objective Transmission Switching},
author = {Ding Lin and Jianhui Wang and Tianqiao Zhao and Meng Yue},
journal= {arXiv preprint arXiv:2507.11726},
year = {2025}
}
备注
5 pages