Indexed by：
Abstract：
由于全球变暖等原因,导致越来越多的极端天气事件发生,此类高影响低概率事件的序列攻击对配电网造成重大破坏.为了分析配电网在极端事件下的脆弱性,该文提出一种基于深度强化学习(deep?reinforcement?learning,DRL)的极端事件攻击序列确定方法.利用马尔科夫决策过程(Markov?decision?process,MDP)捕捉灾害的时空特性,同时结合元件故障的随机性,应用连锁故障模型模拟系统的行为,即系统受极端事件影响而带来的更大的故障现象,引入基于价值的DRL方法确认对系统影响最大且故障率较高的关键线路序列.该文在IEEE测试系统中进行仿真,验证所提方法对极端事件中的配电网进行脆弱性分析的有效性和准确性.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
中国测试
ISSN： 1674-5124
CN： 51-1714/TB
Year： 2022
Issue： 2
Volume： 48
Page： 98-104
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
