본 논문은 강화학습(RL)을 활용한 전력망 탈탄소화를 위한 적응적이고 확장 가능한 제어기 개발에 초점을 맞추고 있다. 전력망의 복잡한 역학, 장기 목표, 그리고 엄격한 물리적 제약 조건으로 인해 기존 RL 방법론의 적용에 어려움이 존재한다는 점을 지적하며, 이를 해결하기 위해 전력 시스템 운영자들과 협력하여 개발된 RL2Grid 벤치마크를 제시한다. RL2Grid는 RTE France의 전력 시뮬레이션 프레임워크를 기반으로 하며, RL 알고리즘의 체계적인 평가와 비교를 위해 작업, 상태 및 동작 공간, 보상 구조를 표준화한다. 또한, 실제 물리적 요구사항과의 일치를 보장하기 위해 운영적 휴리스틱과 안전 제약 조건을 통합하였다. 기존 RL 기준 알고리즘의 RL2Grid 작업에 대한 기준 성능 지표를 설정하여 실제 시스템을 처리할 수 있는 새로운 방법의 필요성을 강조하고, RL 기반 전력망 제어의 미래 방향에 대해 논의한다.
