Biblioteca122.739 documentos en línea

Artículo

Optimization Method of Power Equipment Maintenance Plan Decision-Making Based on Deep Reinforcement LearningMétodo de optimización de la toma de decisiones del plan de mantenimiento de equipos de energía basado en el aprendizaje profundo por refuerzo

Resumen

El funcionamiento seguro y fiable de los equipos de la red elctrica es la base para garantizar el funcionamiento seguro del sistema elctrico. En la actualidad, el mantenimiento peridico tradicional ha puesto de manifiesto abusos como el mantenimiento deficiente y el mantenimiento excesivo. Basado en un algoritmo de optimizacin de la toma de decisiones de aprendizaje profundo por refuerzo multiagente, se propone un mtodo para la toma de decisiones y la optimizacin de los planes de mantenimiento de los equipos de la red elctrica. En este trabajo, se construye un modelo de optimizacin del plan de mantenimiento de los equipos de la red elctrica que tiene en cuenta la fiabilidad y la economa del funcionamiento de la red elctrica, con restricciones de mantenimiento y restricciones de seguridad de la red elctrica como sus restricciones. Para resolver el modelo de optimizacin se adopta el aprendizaje de refuerzo profundo multiagente de redes recurrentes distribuidas profundas. El aprendizaje profundo de refuerzo multiagente de redes recurrentes distribuidas utiliza las capacidades de extraccin de caractersticas de alta dimensin del aprendizaje profundo y las capacidades de toma de decisiones del aprendizaje de refuerzo para resolver el problema de toma de decisiones multiobjetivo de la planificacin del mantenimiento de la red elctrica. A travs del anlisis de casos, los resultados comparativos muestran que el algoritmo propuesto tiene una mejor capacidad de optimizacin y toma de decisiones, as como un menor coste de mantenimiento. En consecuencia, el algoritmo puede tomar la decisin ptima sobre el plan de mantenimiento de los equipos de la red elctrica. El valor esperado de la escasez de energa y el coste de mantenimiento obtenidos por el mtodo propuesto es de 71,75$ $MWH$ y 496000$ $yuan$.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento