一种基于深度强化学习和级联图神经网络的潮流收敛性调整方法

摘要

本发明公开了一种基于深度强化学习和级联图神经网络的潮流收敛性调整方法，采用级联图神经网络，通过该网络的数据拟合当前潮流数据与潮流收敛概率的非线性映射关系，同时利用该网络所得的潮流收敛概率作为深度强化学习的奖赏函数设计参照之一。强化学习可通过不断进行动作(潮流调整动作)与环境(当前潮流参数)的交互，通过环境的对于动作的奖赏学习到可调整的动作策略，并利用深度学习构建当前环境下不同动作与动作最终价值之间的非线性映射关系。本方法将前述级联图神经网络得到的潮流收敛概率作为奖赏函数的设计参考之一，最终得到潮流收敛性调整策略，对保障电力系统安全稳定运行有着重要意义。