Автор:  Ковалёв С.П., Полюхович А.И., Барабанова Е.А.
Название:  Проектирование адаптивных систем распределенной электроэнергетики на основе глубокого обучения с подкреплением
Выпуск:  121
Рубрика:  Информационные технологии в управлении
Год:  2026
Библиография:  Ковалёв С.П., Полюхович А.И., Барабанова Е.А. Проектирование адаптивных систем распределенной электроэнергетики на основе глубокого обучения с подкреплением // Управление большими системами. - 2026. - Вып. 121. - С.127-143.
Ключевые слова:  микросети, глубокое обучения с подкреплением, Q-функция полезности, изолированная энергосистема, активная и реактивная мощность узла, обучение агента
Ключевые слова (англ.):  microgrids, deep reinforcement learning, Q-function of utility, isolated power system, active and reactive node power, agent training
Аннотация:  Рассмотрен процесс проектирования адаптивных систем распределённой электроэнергетики с помощью глубокого обучения с подкреплением. В качестве адаптивных систем выступают микросети, представляющие собой локальные, автономные системы распределённой электроэнергетики, имеющие различные топологии в зависимости от состояния электрической сети. Для корректного формирования микросетей определены топологические и эксплуа­тационные ограничения, на основе которых агент в глубоком обучении с подкреплением определяет возможные для совершения действия, приближающие его к достижению заданной цели. Поставлена задача максимизации суммарной мощности запитанных узлов в сети с учётом их приоритетов и указанных ограничений. Представлен алгоритм решения этой задачи посредством обучения с подкреплением. В численном примере продемонстрирован процесс формирования микросетей для тестовой сети. Высокая доля запитанной мощности сети за счёт действий агентов глубокого обучения с подкреплением подтверждает предположение о том, что такой подход корректен и оправдан для рассматриваемой задачи. Вычислительный эксперимент показал, что при изменяющейся топологии исходной сети обеспечить электроснабжение возможно в режиме реального времени при использовании одного и того же метода решения, динамически адаптирующегося к различным условиям.
Аннотация (англ.):  The process of designing adaptive distributed electric power systems using deep reinforcement learning is considered. Adaptive systems are microgrids, which are local, autonomous distributed electric power systems with different topologies depending on the state of the electrical network. For the correct formation of microgrids, topological and operational constraints have been identified, on the basis of which a deep reinforcement learning agent determines possible actions that bring it closer to achieving a given goal. The task is to maximize the total capacity of the powered nodes in the network, taking into account their priorities and the specified limitations. An algorithm for solving this problem through reinforcement learning is presented. A numerical example demonstrates the process of forming microgrids for a test network. The high proportion of powered network power due to the actions of deep reinforcement learning agents confirms the assumption that this approach is correct and justified for the task under consideration. A computational experiment has shown that with a changing topology of the source network, it is possible to provide electricity in real time using the same solution method that dynamically adapts to different conditions.

в формате PDF

Просмотров: 98, загрузок: 33, за месяц: 5.

Назад