Graph Reinforcement Learning for Power Grids: A Comprehensive Survey

要約

再生可能エネルギーと分散型発電の台頭により、従来の方法の限界を克服するための新しいアプローチが必要になります。
これに関連して、グラフ ニューラル ネットワークは、グラフ構造のデータから学習できるため、有望です。
強化学習と組み合わせると、ネットワークの修復アクションを決定するための制御アプローチとして機能できます。
このレビューでは、グラフ強化学習 (GRL) が電力網のユースケースにおける表現学習と意思決定をどのように改善できるかを分析します。
GRL は、予測不可能なイベントやノイズの多いデータへの適応性を実証していますが、主に概念実証の段階にあります。
現実世界のアプリケーションに関する未解決の課題と限界を強調します。

要約(オリジナル)

The rise of renewable energy and distributed generation requires new approaches to overcome the limitations of traditional methods. In this context, Graph Neural Networks are promising due to their ability to learn from graph-structured data. Combined with Reinforcement Learning, they can serve as control approaches to determine remedial network actions. This review analyses how Graph Reinforcement Learning (GRL) can improve representation learning and decision making in power grid use cases. Although GRL has demonstrated adaptability to unpredictable events and noisy data, it is primarily at a proof-of-concept stage. We highlight open challenges and limitations with respect to real-world applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google