인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
In recent years, the integration of renewable energy sources into power systems has increased their complexity, making automated control and management more challenging. To address this issue, we propose OC-LSTM, a deep reinforcement learning (DRL) algorithm which integrates option-critic DRL with the long short-term memory (LSTM) neural network to efficiently manage power systems. The OC-LSTM algorithm extracts temporal features from the power system using the LSTM network and leverages the option-critic (OC) framework in DRL to learn policies for adjusting the system's topology, ensuring secure and efficient power transmission. Experimental results demonstrate that the OC-LSTM algorithm outperforms standard DRL algorithms during training, and ablation studies further confirm the effectiveness of LSTM in extracting power system features. Additionally, the OC-LSTM algorithm allows stable operation of the IEEE 5-Bus, IEEE 14-Bus and L2RPN WCCI 2020 power systems for 60 consecutive hours without the need for human intervention.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093093905
