研究人员开发了一个深度强化学习框架，用于识别配电网运行中的风险和异常，特别是在不确定性条件下。所提出的方法集成了分布强化学习和贝叶斯深度强化学习来量化不确定性，区分固有风险（aleatoric不确定性）和分布外行为（epistemic不确定性）。该方法旨在通过提供更好的风险表征和异常检测来提高配电网运行的可靠性。 AI
影响 这项研究通过改进异常检测和风险管理，有望提高电网等关键基础设施的鲁棒性和可靠性。
排序理由 该集群包含两篇相同的arXiv论文，详细介绍了一种新的研究方法。
在 arXiv cs.MA (Multiagent) 阅读 →
- arXiv
- Bayesian Deep Reinforcement Learning
- deep reinforcement learning
- Distributional Deep Reinforcement Learning
- DISTRIBUTION NETWORK OPTIMAL OPERATION FOR LOSS REDUCTION AND HARMONIC MITIGATION
- reinforcement learning
- uncertainty quantification
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
