跳到正文
热点事件持续更新

物理信息图表示安全强化学习框架提出

1 篇报道1 个报道来源11 小时前更新

先了解这件事

AI 综述

Chenghao Huang、Yue Yang、Hao Wang 提交论文,提出一个物理信息安全深度强化学习框架,用于协调社区电池储能系统,目标是在降低约束越限的同时最小化运行成本。 该框架采用双层物理信息图表示,并以 Lagrangian Dedicated-Critic PPO(LDCPPO)作为协调算法。 在高屋顶光伏与电动汽车充电渗透的配电网案例中,作者报告关键电压越限程度较基线最多降低 80.5%,同时取得最低的电压越限次数与线路过载程度,运行成本具竞争力。上述效果为论文作者报告的结果。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月27日
  1. arXiv cs.AI
    基于物理信息图表示与约束专用Critic的安全强化学习,用于配电网社区电池协调

    研究提出物理信息安全深度强化学习框架,通过双层物理信息图表示与Lagrangian Dedicated-Critic PPO(LDCPPO)协调社区电池储能,在高屋顶光伏与EV充电渗透的配电网案例中,将关键电压越限程度较基线最多降低80.5%,同时取得最低电压越限次数与线路过载程度,运行成本具竞争力。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。