Key points are not available for this paper at this time.
يتطلب دمج موارد الطاقة الموزعة (DERs) في نظام الطاقة آليات تحكم أكثر تقدمًا. واحدة من استراتيجيات التحكم المستخدمة في التحكم في فولط-فار (VVC) هي إدارة الجهد والطاقة التفاعلية. مع زيادة تعقيد نظام الطاقة، هناك حاجة لتطوير آلية تحكم مستقلة وموثوقة باستخدام التعلم العميق التعزيزي (DRL) لتعزيز أداء الشبكة وضبط إعدادات الجهد والطاقة التفاعلية. تقلل هذه التعديلات من الخسائر وتعزز استقرار الجهد في الشبكة. في هذه الورقة، اقترحنا نهجًا جديدًا لتطوير إطار عمل VVC مبني على DRL وتقنيات التخفيف لحماية ضد الهجمات الخفية التي تستهدف سياسات التحكم المدربة على نموذج DRL. تم اقتراح تقنية التخفيف على DRL المدرب للتحكم في انتهاكات الجهد على الشبكة الذكية لتعزيز استقرار الشبكة وتقليل عدم انتظام الجهد. قدمت تقنية التخفيف المقترحة سياسات تحكم أفضل لـ VVC المعتمد على DRL، مما أدى إلى تخفيف 100 في المئة من انتهاكات الجهد في بيئة الشبكة الذكية. تظهر النتائج أن تقنية التخفيف تعزز الأمان والموثوقية لوكلاء VVC المدربين على DRL.
درس كومار وآخرون (Mon,) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: