Deep Reinforcement Learning for Power Grid Multi-Stage Cascading Failure Mitigation
Created by
Haebom
저자
Bo Meng, Chenghao Xu, Yongli Zhu
개요
본 논문은 전력망의 다단계 연쇄 고장 문제를 강화학습 기반으로 해결하는 방법을 제시한다. 기존의 단일 단계 기반 연쇄 고장 완화 전략의 한계를 극복하기 위해, 다단계 연쇄 고장 문제를 강화학습 문제로 정의하고, 결정적 정책 경사 알고리즘을 이용하여 연속적인 행동을 학습하는 강화학습 에이전트를 개발하였다. IEEE 14-버스 및 IEEE 118-버스 시스템을 이용하여 제안된 방법의 효과를 검증하였다.
시사점, 한계점
•
시사점:
◦
다단계 연쇄 고장 문제에 대한 새로운 강화학습 기반 해결책 제시
◦
기존 단일 단계 기반 전략의 한계 극복
◦
결정적 정책 경사 알고리즘을 이용한 효율적인 학습 방법 제시
◦
실제 전력망 시스템에 적용 가능성 검증
•
한계점:
◦
제안된 방법의 실제 전력망 적용을 위한 추가적인 검증 필요
◦
다양한 유형의 연쇄 고장 시나리오에 대한 일반화 성능 평가 필요
◦
학습 과정의 계산 복잡도 및 시간 효율성 개선 필요
◦
IEEE 14-bus 및 118-bus 시스템은 상대적으로 작은 규모의 시스템이므로, 더욱 큰 규모의 시스템에 대한 적용성 검증 필요
