基于图神经网络的多智能体强化学习模型，用于飓风过后高效恢复电力分配系统

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：A graph neural network–based multi-agent reinforcement learning model for efficient power distribution system recovery after hurricanes

　　

Kamiar Khayambashi | Md Abul Hasnat | Negin Alemazkoor

• •
  提出了一种基于图神经网络（GNN）的多智能体强化学习（RL）框架，用于飓风过后电网的恢复。
• •
  维修团队被建模为使用CTDE和A2C学习算法进行协作的智能体。
• •
  具有拓扑感知能力的GNN嵌入技术有助于实现可扩展的维修顺序决策。
• •
  该框架已在德克萨斯州加尔维斯顿的真实电网环境中进行了飓风场景下的测试，并与基准方法进行了对比。
• •
  该方法能够降低停电成本、提高电网的韧性，并适用于未预见的情况。