摘要
本发明公开一种电力系统网络关键节点识别方法、恢复优化方法及装置,该识别方法包括:构建DQN模型以学习在不同网络状态下选择最佳移除节点的动作,模型中动作为移除网络中的节点以及对应的圈层节点;使用包含不同状态下电力系统网络信息构成的训练数据集训练DQN模型,生成受损关键节点识别模型,在训练过程中使用移除节点及圈层节点后网络路径的影响比例、波及的节点比例以及影响路径的连通性值构建奖励函数;获取目标电力系统网络的运行数据,构建网络拓扑结构以及距离矩阵,输入至受损关键节点识别模型中,得到受损关键节点的识别结果。本发明具有实现方法简单、实施成本以及复杂度低、执行效率以及精度高且泛化能力与鲁棒性强等优点。
技术关键词
分层强化学习
网络关键节点
恢复优化方法
构建网络拓扑结构
关键节点识别
下电力系统
识别方法
Dijkstra算法
节点数
网络状态评估
表达式
数据
出电力系统
矩阵
备份
定义
系统为您推荐了相关专利信息
无人机调度方法
多智能体强化学习
分层强化学习
多无人机
策略
递归最小二乘算法
卡尔曼滤波模型
模型预测控制算法
远程控制终端
起重机远程控制
疏散路径优化方法
分层强化学习
格网
反距离加权插值算法
数值
模态切换方法
四足机器人
历史轨迹数据
机器人执行机构
机器人腿部关节