一种基于强化学习的电网偶发故障安全调控策略生成方法

    公开(公告)号:CN112701681B

    公开(公告)日:2023-01-24

    申请号:CN202011528445.9

    申请日:2020-12-22

    Abstract: 本发明公开了一种基于强化学习的电网偶发故障安全调控策略生成方法,包括搭建实际电网的半实物仿真模型;利用实际电网的大量历史运行数据,生成用神经网络表示的电网调控策略,并通过人为生成安全威胁对历史数据进行补充,利用强化学习优化电网调控策略;针对实际电网发生的偶发故障,数字仿真平台及时感知,进而使用训练好的电网调控策略,生成调控行为。本发明将复杂的电网安全调控问题转化为用神经网络表示电网调控策略,当新的安全威胁发生时,只需要在先前训练好的电网调控策略的基础上,使用强化学习迭代优化调控策略,而不用重新构建训练集,避免重复计算,在安全性能和时间开销上取得较好的平衡,可有效处理电网面临的偶发安全威胁。

    一种基于强化学习的电网偶发故障安全调控策略生成方法

    公开(公告)号:CN112701681A

    公开(公告)日:2021-04-23

    申请号:CN202011528445.9

    申请日:2020-12-22

    Abstract: 本发明公开了一种基于强化学习的电网偶发故障安全调控策略生成方法,包括搭建实际电网的半实物仿真模型;利用实际电网的大量历史运行数据,生成用神经网络表示的电网调控策略,并通过人为生成安全威胁对历史数据进行补充,利用强化学习优化电网调控策略;针对实际电网发生的偶发故障,数字仿真平台及时感知,进而使用训练好的电网调控策略,生成调控行为。本发明将复杂的电网安全调控问题转化为用神经网络表示电网调控策略,当新的安全威胁发生时,只需要在先前训练好的电网调控策略的基础上,使用强化学习迭代优化调控策略,而不用重新构建训练集,避免重复计算,在安全性能和时间开销上取得较好的平衡,可有效处理电网面临的偶发安全威胁。

    一种基于加权质心算法的软交换网络规划方法

    公开(公告)号:CN107612739B

    公开(公告)日:2020-07-14

    申请号:CN201710873036.4

    申请日:2017-09-25

    Abstract: 本发明涉及软交换网络规划技术领域,更具体地,涉及一种基于加权质心算法的软交换网络规划方法。通过建立区域内网络规划影响因素的数学模型,检测所建立的数学模型是否为凹多边形,若是则将凹多边形分割为多个凸多边形,求解其加权质心作为最佳网络规划点。本发明解决了凹多边形的网络规划点规划问题,能将复杂的影响因素的数学模型进行分解,最终获得最佳网络规划点。本发明适用范围广,在规划影响因素的数学模型较为复杂时,也能计算出最佳网络建设点,且求得的网络规划点为最佳规划点,能综合考虑各种影响因素,求得网络规划点具备科学性。

    一种基于加权质心算法的软交换网络规划方法

    公开(公告)号:CN107612739A

    公开(公告)日:2018-01-19

    申请号:CN201710873036.4

    申请日:2017-09-25

    Abstract: 本发明涉及软交换网络规划技术领域,更具体地,涉及一种基于加权质心算法的软交换网络规划方法。通过建立区域内网络规划影响因素的数学模型,检测所建立的数学模型是否为凹多边形,若是则将凹多边形分割为多个凸多边形,求解其加权质心作为最佳网络规划点。本发明解决了凹多边形的网络规划点规划问题,能将复杂的影响因素的数学模型进行分解,最终获得最佳网络规划点。本发明适用范围广,在规划影响因素的数学模型较为复杂时,也能计算出最佳网络建设点,且求得的网络规划点为最佳规划点,能综合考虑各种影响因素,求得网络规划点具备科学性。

Patent Agency Ranking