Мультиагентный алгоритм глубокого обучения с подкреплением для формирования микроэлектрических сетей

В автономных энергосистемах необходимо формировать микроэлектрические сети так, чтобы обеспечить максимально возможную суммарную мощность запитанных потребителей с учетом их приоритетов и ограниченной мощности источников. Поэтому предложено использовать современную методику мультиагентного глубокого обучения с поддержанием. Идея представленного алгоритма по максимизации количества агентов, принимающих решения по запитыванию узлов сети, с одновременным ограничением электропроводности их напряжения. В отличие от этого подхода, прогнозирующего агенты длительного жизненного цикла, данный подход обеспечивает более высокую эффективность в электрических сетях, известную сложную топологию. Удается автоматически поддерживать топологические ограничения микросетей без итерационного перерасчета, что снижает низкую вычислительную нагрузку и усложняет процесс обучения нейросетей. Алгоритм апробирован на средних тестах IEEE-33 и IEEE-300.