本發明涉及一種基于圖卷積神經網絡與強化學習的負荷轉供方法及裝置,包括:基于圖卷積神經網絡和深度強化學習Dueling?DQN算法搭建的第一神經網絡和第二神經網絡,基于第一神經網絡、第二神經網絡和經驗池構建智能體模型,配電網發生故障,智能體模型將配電網實時運行數據輸入到智能體模型,計算出動作評價向量,基于動作評價向量根據動作策略選取相應的動作;動作作用于環境使其狀態發生改變,同時獎勵函數對該動作進行評價,并反饋給智能體,更新智能體的參數進行學習,通過大量的訓練后,智能體實現最佳目標的負荷轉供動作。本發明直接通過分析實時運行大數據與網絡拓撲數據進行負荷轉供決策,可以在短時間內給出更好的負荷轉供策略。
聲明:
“基于圖卷積神經網絡與強化學習的負荷轉供方法及裝置” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)