基于强化学习缓解多阶段连锁故障
机器学习
2019-08-20 v1 系统与控制
系统与控制
动力系统
机器学习
摘要
本文提出了一种基于强化学习（RL）方法的连锁故障缓解策略。首先介绍了RL的原理。随后给出多阶段连锁故障（MSCF）问题并研究其挑战。该问题继而由基于DC-OPF（最优潮流）的RL加以解决。RL框架关键要素（奖励、状态等）的设计也进行了详细讨论。在IEEE 118总线系统上由浅层与深度神经网络开展的实验，在降低系统崩溃率方面展示了有前景的结果。
引用
@article{arxiv.1908.06599,
title = {Mitigating Multi-Stage Cascading Failure by Reinforcement Learning},
author = {Yongli Zhu and Chengxi Liu},
journal= {arXiv preprint arXiv:1908.06599},
year = {2019}
}
备注
This paper has been accepted and presented in the IEEE ISGT-Asia conference in 2019