深度强化学习方法来解决电力系统的控制和决策问题 源代码
利用InterPSS仿真平台作为电力系统模拟器。
开发了一个与OpenAI兼容的电网动态仿真环境,用于开发、测试和基准测试电网控制的强化学习算法。
电力系统应急控制,控制方案采用深度强化学习(DRL)高维特征提取和非线性泛化能力。
提出了基于DRL的发电机动态制动和欠压减载应急控制方案,所开发的DRL方法鲁棒性对不同仿真场景,模型参数的不确定性和噪声无论是双区四机系统还是IEEE 39节点系统有良好的性能和鲁棒性。
利用深度强化学习(DRL)的高维特征提取和非线性泛化能力,开发了新的自适应应急控制方案。
辅助电力系统控制的DRL算法的开发和基准测试。
详细介绍了发电机动态制动和低压减载应急控制方案。
研究了发展的DRL方法对不同仿真场景、模型参数不确定性和观测噪声的鲁棒性。
在两领域,四机系统和IEEE 39总线系统中进行,证明了所提方案的优异性能和鲁棒性。
以上文字仅供参考,具体更详细完整内容请移步下载区:下载网址:https://imgcs.cn/p/635752277771.html
没有合适的资源?快使用搜索试试~ 我知道了~
深度强化学习方法来解决电力系统的控制和决策问题 源代码 利用InterPSS仿真平台作为电力系统模拟器 开发了一个与OpenA
共5个文件
jpg:3个
txt:1个
html:1个
需积分: 0 5 下载量 119 浏览量
2023-07-14
18:16:29
上传
评论 2
收藏 230KB ZIP 举报
温馨提示
深度强化学习方法来解决电力系统的控制和决策问题 源代码 利用InterPSS仿真平台作为电力系统模拟器。 开发了一个与OpenAI兼容的电网动态仿真环境,用于开发、测试和基准测试电网控制的强化学习算法。 电力系统应急控制,控制方案采用深度强化学习(DRL)高维特征提取和非线性泛化能力。 提出了基于DRL的发电机动态制动和欠压减载应急控制方案,所开发的DRL方法鲁棒性对不同仿真场景,模型参数的不确定性和噪声无论是双区四机系统还是IEEE 39节点系统有良好的性能和鲁棒性。 利用深度强化学习(DRL)的高维特征提取和非线性泛化能力,开发了新的自适应应急控制方案。 辅助电力系统控制的DRL算法的开发和基准测试。 详细介绍了发电机动态制动和低压减载应急控制方案。 研究了发展的DRL方法对不同仿真场景、模型参数不确定性和观测噪声的鲁棒性。 在两领域,四机系统和IEEE 39总线系统中进行,证明了所提方案的优异性能和鲁棒性。
资源推荐
资源详情
资源评论
收起资源包目录
深度强化学习方法来解决电力系统的控制和.zip (5个子文件)
2.jpg 102KB
1.jpg 50KB
深度强化学习方法来解决电力系统的控制和决策问题源代.txt 875B
深度强化学习方法来解决电力系统的控制和决.html 8KB
3.jpg 83KB
共 5 条
- 1
资源评论
pyehzbi
- 粉丝: 2
- 资源: 9
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功