强化学习低压电网拥堵管理研究发表

1. 12:00
   arXiv cs.AI

   强化学习低压电网拥堵管理的鲁棒性研究

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。