一种基于深度强化学习的电网智能调度决策优化方法及系统
本发明公开了一种基于深度强化学习的电网智能调度决策优化方法及系统,针对传统调度技术计算复杂、依赖精确模型、智能化不足等问题,通过实时并行采集电网稳态运行、动态相量及可再生能源出力预测数据,构建融合实时状态与超短期预测信息的状态观测向量;将其输入含可微投影层的预训练策略神经网络,生成映射至可行域的动作指令;基于轻量化电网模型进行毫秒级多步前瞻仿真,通过安全约束校验与校正逻辑保障指令合规;执行后计算多时间尺度奖励值,通过经验元组采样与梯度下降算法更新网络参数。本发明实现调度决策在线自治优化,大幅提升决策实时性与环境适应性,增强系统自学习能力,有效提高电网运行安全性、经济性及可再生能源消纳能力。