В мире энергетики реорганизация распределительных сетей (DNR) становится все более актуальной для снижения потерь электроэнергии при минимальных инвестициях. Традиционно для DNR применяются точные модели, однако новое исследование предлагает использовать подход глубокого обучения без модели — глубокое обучение с подкреплением (DRL).
Авторы работы разработали метод, основанный на циклах, который эффективно управляет большим пространством действий. В этом методе используется модифицированный алгоритм Q-обучения, учитывающий эффекты взаимосвязи между циклами. Кроме того, внедрен инновационный метод повторного воспроизведения, который значительно ускоряет процесс сходимости.
Проведенные испытания на распределительных сетях IEEE 33-, 69- и 119-узлов показали, что предложенный подход значительно превосходит предыдущие методы DNR, такие как метаэвристические и математические техники. Это выражается в сокращении вычислительного времени, а также в снижении потерь электроэнергии и отклонений напряжения.
Таким образом, новое исследование открывает перспективы для более эффективного управления распределительными сетями, что может привести к значительным улучшениям в области энергетики и устойчивого развития.