一种基于强化学习的电网关键断面筛选方法、系统、介质及处理器

本申请公开了一种基于强化学习的电网关键断面筛选方法、系统、处理器及介质，属于电网安全运行技术领域。该方法通过采集多源数据并利用图卷积神经网络构建电网动态状态空间，结合深度Q网络评估分区风险以获取候选关键断面，同时自适应优化奖励函数及其权重参数，再通过蒙特卡洛树搜索模拟故障场景计算风险指数，最终筛选出关键断面并在线迭代优化模型参数。本发明解决了传统方法难以处理多源动态数据、缺乏复杂故障场景模拟及无法动态平衡多维度优化目标的问题，能够精准刻画电网动态风险特征，提升关键断面筛选的准确性和实时性，为电网安全稳定运行提供有效支撑。