基于人工神经网络的电网运行维护优化决策策略

作者：张浩; 仇晨光; 闫朝阳; 柴赟

来源：高电压技术, 2023, S1: 122-127.

DOI：10.13336/j.1003-6520.hve.20230481

• 电网运行维护
• 人工神经网络
• 随机行为模型
• 强化学习
• 不确定性

为了提高电网运行运行性，设计了一个用于优化电网运行和维护管理的强化学习框架。以强化学习算法构建环境的随机行为模型，利用网格组件的运行状态信息进行预测与学习，可在不确定性环境下分析最大化预期利润的最优决策行为，以人工神经网络(artificial neural network, ANN)工具代替状态-行为值函数的表格，设计了非表格强化学习算法提高强化学习算法的适用能力。测试结果表明，强化学习算法可以收敛到最优策略，且响应时间更短，更能适应不确定性环境。因此，以人工神经网络替代状态-行为值函数表格形成的强化学习算法，可以有效解决电网运行维护的不确定性问题。