2021-06-28
在过去的一个世纪中，电气化在现代社会的发展中发挥了重要作用。因此，电网运营商需要监视和控制24/7电网以避免停电。在现代社会中，旧电网造成的停电次数再次增加。新时代的经济社会发展迫切需要维护电网的安全稳定运行。在电网的控制和调度算法方面，通过结合最新的人工智能（AI）来运行电网，而不是依靠更改电网中现有的硬件设施（例如，增加运输线路的数量）。
随着研究的突破，强化学习已成为开发可实时运行的复杂电网控制系统的可行方法。但是，强化学习有一些严重影响其速度和准确性的缺点，例如采样效率低，设计奖励函数困难以及容易陷入局部最优。对于复杂的网络（例如电力系统），直接使用强化学习来解决会出现模型效率低下的问题。因此，本项目提出了一种将强化学习和专家知识相结合的系统，以提升训练速度和精度。
模型的动作主要分成四类：无动作；改变输电线状态；合并或分割节点；重新调度网络中的电能。通过专家经验和贪心算法，可以将动作空间减小百分之九十五，有效提升模型收敛速度。
本项目最终的效果可以将处于崩溃边缘的网络进行合理的调度之后，保持网络的合理运转。
