- 专利标题: 一种基于深度强化学习的智能电网关键节点识别方法
-
申请号: CN202210518642.5申请日: 2022-05-13
-
公开(公告)号: CN114943430A公开(公告)日: 2022-08-26
- 发明人: 孙泽军 , 王林军 , 朱海英 , 刘保菊 , 王飞飞 , 常新峰
- 申请人: 平顶山学院
- 申请人地址: 河南省平顶山市新华区未来路南段
- 专利权人: 平顶山学院
- 当前专利权人: 平顶山学院
- 当前专利权人地址: 河南省平顶山市新华区未来路南段
- 代理机构: 丽水创智果专利代理事务所
- 代理商 刘爽
- 主分类号: G06Q10/06
- IPC分类号: G06Q10/06 ; G06Q50/06 ; G06K9/62 ; G06N3/04
摘要:
本发明提供一种基于深度强化学习的智能电网关键节点识别方法,包括:根据电网数据建立电网、通信网的拓扑结构,结合电力网络的业务属性和物理特性构建真实电力网络,并构建生成网络模型;根据真实电力网络与生成网络的网络特征,构建基于深度学习的全阶子图特征分类模型;根据全阶子图特征分类模型,通过深度的全连接学习输出各动作对应的奖励值;利用获得的动作和对应的奖励值,构建电力网络深度强化学习模型;输入待识别的电力网络至训练好的电力网络深度强化学习模型,输出各节点指标值,根据指标值确定关键节点。本发明构建一种基于深度强化学习的电力网络关键节点识别模型,通过该模型可以准确识别不同类型电力网络的关键节点。
公开/授权文献
- CN114943430B 一种基于深度强化学习的智能电网关键节点识别方法 公开/授权日:2023-04-28