针对电网紧急控制系统中深度强化学习模型的脆弱性评估方法

摘要

本发明公开了一种针对电网紧急控制系统中深度强化学习模型的脆弱性评估方法。通过利用深度强化学习算法作为电网紧急控制系统的决策算法，首先训练出奖励函数收敛的训练模型，之后设计了三种基于梯度的白盒攻击算法对训练模型的输入样本进行攻击，攻击算法通过利用模型梯度信息制作不易察觉的对抗样本，使紧急控制系统决策错误，具体表现为电压恢复缓慢，控制系统提前中止。最后，本发明还提出一系列统一的脆弱性评估指标，对于电网紧急控制系统中应用深度强化学习算法的模型，都可以使用这些指标了解其模型脆弱性水平，为实际系统应用该模型的安全性提供保障。