Andes_gym：面向电力系统深度强化学习的通用环境
系统与控制
2022-03-03 v1 系统与控制
摘要
本文提出 Andes_gym，一个用于电力系统研究的通用高性能强化学习环境。该环境利用 ANDES 的建模与仿真能力以及强化学习（RL）环境 OpenAI Gym，以支持电力系统 RL 算法的原型设计与演示。文中详述了所提软件工具的架构，为 RL 算法提供观测与动作接口。示例展示了基于可用算法训练的 RL 快速原型化负荷-频率控制算法。所提环境通过支持 ANDES 中所有电力系统动态模型及 OpenAI Gym 的众多 RL 算法而具有高度通用性。
引用
@article{arxiv.2203.01292,
title = {Andes_gym: A Versatile Environment for Deep Reinforcement Learning in Power Systems},
author = {Hantao Cui and Yichen Zhang},
journal= {arXiv preprint arXiv:2203.01292},
year = {2022}
}
备注
5 pages, 7 figures, accepted by 2022 IEEE Power and Energy Society General Meeting