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

欢迎来到能源电力期刊网！

English Version 期刊登录

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

电力设计与优化 | 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
- 基于深度强化学习的电力网络拓扑结构优化
- 四川电力技术 2026年49卷第3期页码：89-96
- 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：
  
  国网四川省电力公司科技项目“基于人工智能与强化学习的电力通信网络深度评估及资源规划技术研究”(521911230003)
- DOI：10.16527/j.issn.1003-6954.20260313
  中图分类号： TP18;TM73
- 纸质出版：2026
- 稿件说明：
移动端阅览
张晶, 陈少磊, 郭琳, 等. 基于深度强化学习的电力网络拓扑结构优化[J]. 四川电力技术, 2026,49(3):89-96.

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.
张晶, 陈少磊, 郭琳, 等. 基于深度强化学习的电力网络拓扑结构优化[J]. 四川电力技术, 2026,49(3):89-96. DOI： 10.16527/j.issn.1003-6954.20260313.

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.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

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