一种基于图神经网络和强化学习的梯级水库优化调度系统及方法

本发明公开了一种基于图神经网络和强化学习的梯级水库优化调度系统及方法，通过构建基于图神经网络和强化学习的梯级水库优化调度模型，克服了传统算法的局限性。具体而言，采用图神经网络架构，利用消息传递神经网络MPNN提取水库间的局部关系，通过Transformer编码器的自注意力机制捕获全局关系，从而全面建模梯级水库间复杂的时空依赖关系；此外，结合PPO强化学习模型，能够在动态环境中自主学习调度策略，逐步逼近全局最优解。与传统方法相比，本方法在计算效率、全局最优性和适应复杂调度场景的能力上具有显著优势，为解决梯级水库优化调度问题提供了一种创新性解决方案。