arXiv cs.AI· Josef Hoppe, Sarra Bouchkati, Farah Nasr, Jonathan Krapp, Alexander Och, Maximilian Wirth, Jan Schiefelbein-Lach, Oliver Pohl, Andreas Ulbig, Michael T. Schaub·· 1 天前AI 评分17
强化学习低压电网拥堵管理的鲁棒性研究
Robustness of Reinforcement Learning-Based Congestion Management in Low-Voltage Grids
AI 导读
该研究将随机森林违规预分类器与 actor-critic 控制器解耦，用于低可观测性低压电网的拥堵管理，并在真实电网上测试其对测量噪声和电网参数失配的鲁棒性。在电网参数准确时，控制器将总违规幅度降低 98.9%，且在测试的测量噪声设置下性能几乎不变；电网模型失配挑战更大，但仍能缓解大部分违规。
来源：arXiv cs.AI · arxiv.org