文献类型：期刊文章

作　　者：毕聪博[1] 唐聿劼[2] 罗永红[1] 陆超[1]

BI Congbo;TANG Yujie;LUO Yonghong;LU Chao(National Key Laboratory of New-type Power System Operation and Control(Department of Electrical Engineering,Tsinghua University),Haidian District,Beijing 100084,China;Department of Industrial Engineering&Management,Peking University,Haidian District,Beijing 100871,China)

机构地区：[1]新型电力系统运行与控制全国重点实验室(清华大学电机工程与应用电子技术系),北京市海淀区100084 [2]北京大学工学院工业工程与管理系,北京市海淀区100871

出　　处：《中国电机工程学报》

基　　金：国家自然科学基金项目(U2066601,52242701)。

年　　份：2024

卷　　号：44

期　　号：1

起止页码：1-21

语　　种：中文

收录情况：BDHX、BDHX2023、CSCD、CSCD2023_2024、EAPJ、EI、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：强化学习(reinforcementlearning,RL)方法目前已应用于电力系统的多个领域,在电力系统优化与控制领域的一些应用展现出良好的结果。但在强化学习方法落地于实际电力系统应用的过程中依然存在一些关键性问题。该文首先概述强化学习基础理论与研究现状,随后提出强化学习理论落地于电力系统各领域优化与控制过程中存在的关键问题。最后探讨强化学习应用于电力系统优化与控制的研究展望。

关 键 词：强化学习(RL)  电力系统 优化与控制  

分 类 号：TM73] TP181]