本發明公開了一種基于深度強化學習的電力選線方法。該方法包括步驟:篩選影響因素;收集影響因素所對應的數據;將影響因素進行標準化處理,然后柵格化為圖像;將連續的路徑分為片段,用圖像、智能體位置、路徑片段組合為樣本,構建樣本庫;基于DQN和FCN構建深度強化學習模型;將樣本庫分為訓練集與測試集,先用訓練集對模型進行訓練,然后用測試集對模型進行評價;在指定選線區域內,利用測試后的模型進行電力選線。該方法將電力選線中所考慮的影響因素柵格化為一張包含量化值的二維圖像,使得神經網絡感知環境成為可能;通過組合使用FCN和DQN,可以較好感知環境,做出最優決策,克服傳統路徑規劃算法存在的不能及時響應復雜多變的環境的問題。
聲明:
“基于深度強化學習的電力選線方法” 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)