学习最优潮流:环境设计至关重要
机器学习
2024-03-27 v1 系统与控制
系统与控制
摘要
为解决最优潮流（OPF）问题，强化学习（RL）被视为一种有前景的新方法。然而，RL-OPF 文献中关于将 OPF 问题具体化为 RL 环境的做法存在强烈分歧。本文收集并实现了关于训练数据、观测空间、剧集定义和奖励函数选择等环境设计决策的多样化方案。在实验分析中，我们展示了这些环境设计选项对 RL-OPF 训练性能具有显著影响。进一步，我们推导出一些首次性的关于这些设计决策选择的建议。所创建的环境框架完全开源，可作为该领域未来研究的基准。
引用
@article{arxiv.2403.17831,
title = {Learning the Optimal Power Flow: Environment Design Matters},
author = {Thomas Wolgast and Astrid Nieße},
journal= {arXiv preprint arXiv:2403.17831},
year = {2024}
}