基于加权倾斜决策树的电力系统深度强化学习控制策略提取

摘要

近年来,深度强化学习已应用于众多电力系统控制问题中,并取得了很好的效果,但深度强化学习通常被认为是一个黑盒系统,在一些关键决策场景中难以被信任。因此,文章提出一种基于加权倾斜决策树的深度强化学习策略提取框架,首先,基于电力系统强化学习(Reinforcement Learning for Grid Control,RLGC)开源平台完成深度强化学习智能体的训练,并生成数据;然后,基于加权倾斜决策树进行策略提取;最后,在IEEE 39节点系统上中基于低压减载场景验证所提算法的有效性与先进性。