基于强化学习的电网连锁故障缓解
机器学习
2021-08-25 v1 动力系统
最优化与控制
摘要
本文提出了一种基于强化学习 (RL) 的连锁故障缓解策略。介绍了多阶段连锁故障 (MSCF) 问题的动机及其与气候变化挑战的联系。基于直流最优潮流 (DCOPF) 公式化了 MCSF 问题的底层校正控制。然后，为了通过高层的基于 RL 的策略缓解 MSCF 问题，设计了物理信息驱动的奖励、动作和状态。此外，测试了浅层和深层神经网络架构。在 IEEE 118 节点系统上使用所提出的缓解策略进行的实验，展示了在减少系统崩溃方面具有前景的性能。
引用
@article{arxiv.2108.10424,
title = {Power Grid Cascading Failure Mitigation by Reinforcement Learning},
author = {Yongli Zhu},
journal= {arXiv preprint arXiv:2108.10424},
year = {2021}
}
备注
This paper has been accepted by the ICML 2021 Workshop "Tackling Climate Change with Machine Learning". arXiv admin note: substantial text overlap with arXiv:1908.06599