机构名称：
¥ 1.0
摘要 - 现代智能电力系统中分布式能源资源（DER）的高渗透引入了电力部门的不可预见的不确定性，从而增加了电力系统的运行和控制的复杂性和难度。作为一种尖端的机器学习技术，近年来已广泛实施深入的加固学习（DRL），以处理电力系统的不确定性。但是，在关键基础架构（例如电力系统）中，安全问题始终获得重中之重，而DRL可能并不总是满足电力系统运营商的安全要求。安全加固学习的概念（安全RL）正在成为克服电源系统操作和控制中常规DRL的缺点的潜在解决方案。本研究对重点是安全RL的最新研究工作进行了严格的评论，以得出电力系统控制政策，同时考虑了电网的独特安全要求。此外，这项研究突出显示了在电力系统领域内的不同应用中应用的各种安全RL算法，从单网格连接的电力转换器，住宅智能家居和建筑物到大型配电网络。对于所有概述的方法，还提供了有关其瓶颈，研究挑战的讨论以及电源系统应用程序的操作和控制机会。本评论旨在支持安全RL算法领域的研究，在DERS的高度不确定性中，采用安全性限制的智能电力系统操作。
对安全强化学习的批判性评论...
主要关键词
相关文件推荐
