基于深度强化学习的电力网络拓扑结构优化

张晶; 陈少磊; 郭琳; 谢江; 孙雪冬; 杨洋

doi:10.16527/j.issn.1003-6954.20260313

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于深度强化学习的电力网络拓扑结构优化

更新时间：2026-07-13

- 基于深度强化学习的电力网络拓扑结构优化
- Vol. 49, Issue 3, Pages: 89-96(2026)
- 作者机构：
  
  1. 国网四川省电力公司宜宾供电公司
  2. 国网四川省电力公司
- 作者简介：
- 基金信息：
- DOI：10.16527/j.issn.1003-6954.20260313
  CLC： TP18;TM73
- Published：2026
- 稿件说明：
移动端阅览
张晶, 陈少磊, 郭琳, et al. 基于深度强化学习的电力网络拓扑结构优化[J]. 2026, 49(3): 89-96.
DOI：

张晶, 陈少磊, 郭琳, et al. 基于深度强化学习的电力网络拓扑结构优化[J]. 2026, 49(3): 89-96. DOI： 10.16527/j.issn.1003-6954.20260313.

摘要

电力网络拓扑具有组合复杂性，且须满足可靠性等多种实际约束，因此获取全局最优解十分困难。在实践中，通常采用专家手工调整的启发式方法进行局部优化，但仅能在有限的方案空间内尝试，难以对所有拓扑进行全局搜索，也无法保证结果的优质性。随着网络规模的扩大，基于经验的启发式方法在效率和适用性方面逐渐表现出局限性。为解决上述问题，提出了一种基于深度强化学习的网络拓扑优化算法。该方法的整体框架由3部分构成：首先，采用图神经网络对拓扑结构做出高效性能评估，有效减少运算量；其次，设置拓扑验证环节，对生成的候选网络拓扑进行可行性检查；最后，通过强化学习智能体在大规模拓扑空间中进行策略优化和高效搜索，智能筛选潜在优质方案，从而提升整体优化效果。实验结果表明，所提框架的各个模块能显著提升收敛速度，且与其他方法相比，仍能生成得分更高的拓扑结构。

Abstract

关键词

Keywords

references

刘光达,魏星,张尚,蔡靖,刘颂阳.基于改进遗传算法优化反向传播神经网络的癫痫发作检测方法分析[J].生物医学工程学杂志,2019(01).

Armita Afsharinejad,Alan Davy,Brendan Jennings.Dynamic channel allocation in electromagnetic nanonetworks for high resolution monitoring of plants[J].Nano Communication Networks,2016.

Li Xu,Guo-zhen Tan,Xia Zhang.Probabilistic inference-based service level objective-sensitive virtual network reconfiguration[J].Computer Communications,2015.

P. Sengottuvelan,N. Prasath.BAFSA: Breeding Artificial Fish Swarm Algorithm for Optimal Cluster Head Selection in Wireless Sensor Networks[J].Wireless Personal Communications,2017.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于强化学习的水电机组超低频振荡抑制方法

一种区块链驱动调控云数据缓存的优化算法

考虑预测不确定性的微电网实时控制策略研究

基于深度强化学习的微电网源-荷低碳调度优化研究

新型配电系统分布式源网荷储资源广域电压自趋优管控方法

Related Author

王媛

代凤鸣

杨棣

吴星烨

任琰琰

李乐

李发均

谢江

Related Institution

中国长江电力股份有限公司

中国电力工程顾问集团西南电力设计院有限公司

国网四川省电力公司信息通信公司(省数据中心)

国网四川省电力公司巴中供电公司

国网四川省电力公司攀枝花供电公司

AI问答

⁰