一种基于生成式预训练模型（GPT）和深度强化学习的实时最优潮流方法

本发明公开了一种基于生成式预训练模型（GPT）和深度强化学习的实时最优潮流方法，涉及电网智能调控技术领域，利用大语言模型领域技术突破，将不可量化的自然语言规定直接建模为OPF问题中的目标和约束。该方法包括建立综合性能指标、设定上下文和问题、利用GPT智能体反馈转化为奖励信号、迭代采样、以JSON格式输出GPT智能体结果并导入DRL智能体、进行离线训练和在线应用等步骤。DRL过程使用三个深度神经网络，通过原始‑对偶方法优化成本函数，设置包括语言规定约束在内的一系列约束条件，可在线应用于实时解决OPF问题。