PowRL:一种用于电网鲁棒管理的强化学习框架
机器学习
2023-04-21 v2 人工智能
系统与控制
系统与控制
机器学习
摘要
世界各地的电网通过向诸多工业、商业与家庭用户提供不间断、可靠且无暂态的电力,发挥着重要的社会与经济作用。随着可再生电力资源与电动汽车的出现导致发电不确定性与高度动态的负荷需求,通过妥善处理暂态稳定性问题并局部化停电事件来确保电网的鲁棒运行变得空前重要。鉴于现代电网基础设施与电网运营商压力的不断增长,本文提出一种强化学习(RL)框架 PowRL,以缓解意外网络事件的影响,并始终可靠地维持全网各处供电。PowRL 利用一种用于过载管理的新型启发式方法,结合 RL 引导的最优拓扑选择决策,以确保电网安全可靠运行(无过载)。PowRL 在 L2RPN (Learning to Run a Power Network) 主办的多个竞赛数据集上进行了基准测试。即便其动作空间缩减,PowRL 在 L2RPN NeurIPS 2020 挑战赛(鲁棒性赛道)总体层面仍居榜首,同时也是 L2RPN WCCI 2020 挑战赛中表现最佳的智能体。此外,详细分析表明 PowRL 智能体在部分测试场景中达到了最先进的性能。
引用
@article{arxiv.2212.02397,
title = {PowRL: A Reinforcement Learning Framework for Robust Management of Power Networks},
author = {Anandsingh Chauhan and Mayank Baranwal and Ansuma Basumatary},
journal= {arXiv preprint arXiv:2212.02397},
year = {2023}
}
备注
Accepted at the 37th AAAI Conference on Artificial Intelligence