En este momento estás viendo 
<span class="bsf-rt-reading-time"><span class="bsf-rt-display-label" prefix="Tiempo de lectura"></span> <span class="bsf-rt-display-time" reading_time="1"></span> <span class="bsf-rt-display-postfix" postfix="mins"></span></span><!-- .bsf-rt-reading-time -->Aprendizaje de refuerzo profundo para la cuadrícula de energía mitigación de falla en cascada múltiple

Aprendizaje de refuerzo profundo para la cuadrícula de energía mitigación de falla en cascada múltiple

  • Autor de la entrada:
  • Categoría de la entrada:Noticias externas

Resumen: Las fallas en cascada en las redes eléctricas pueden conducir al colapso de la red, causando graves interrupciones en las operaciones sociales y las actividades económicas. En ciertos casos, pueden ocurrir fallas en cascada en varias etapas. Sin embargo, las estrategias existentes de mitigación en cascada-falla suelen estar basadas en una etapa, por vistas a la complejidad del escenario de varias etapas. Este documento trata el problema de falla en cascada de varias etapas como una tarea de aprendizaje de refuerzo y desarrolla un entorno de simulación. El agente de aprendizaje de refuerzo se capacita a través del algoritmo de gradiente de política determinista para lograr acciones continuas. Finalmente, la efectividad del enfoque propuesto se valida en los sistemas IEEE 14-Bus e IEEE 118-Bus.

Publicado Originalme en rss.arxiv.org El 14 de mayo de 2025.
Ver Fuente Original

admin

Usuario de administración del sitio web