抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
サイバー-物理システムの能動分布ネットワークが警報状態にあると,交差ドメインカスケード故障に脆弱である。クロスドメインカスケード故障に対する予防制御ポリシーを用いて,警報状態から正常状態へのサイバー物理システムの能動配電ネットワークの状態を輸送する必要がある。事実,理論解析方法または物理的実験方法を通して,予防制御対策を構築するのは,難しい。理論解析法は近似モデルのため正確でなく,物理的実験法は建築プロトタイプにとって高価で時間がかかる。本論文は,人工知能(AI)技術による予防制御政策を生成し最適化するために,深い決定論的政策勾配アイデア(PCMDとして短縮)に基づく予防制御政策構築法を提示した。それは,高コストと低精度の問題を克服するために,利用可能な歴史的データを完全に利用するために,強化学習技術を採用する。最初に,予防制御モデルを有限オートマトン理論に基づいて設計して,それはデータ収集と学習政策選択を導くことができた。制御モデルは,電圧安定性,周波数安定性,電流過負荷防止,およびフィードバック制御コスト低減を,特定の電力潮流方程式と微分方程式なしでフィードバック変数として考慮した。次に,十分な訓練の後,局所的最適予防制御対策を,適合行動値関数と適合政策関数の間の比較可能条件の下で構築することができた。構築した予防制御ポリシーは,低コストを達成するいくつかの制御行動を含み,可能な限り,クロスドメインカスケード故障伝搬シーケンスを短縮する原理と一致する。PCMDは理論解析法よりも柔軟で現実に近く,物理的実験法よりも低コストであった。提案方法の性能を評価するために,中国電力研究所から来る,中国電力研究-Cyber-Physicalシステム(CEPR-CPSとして短縮)を実行した。結果は,PCMDによる予防制御政策構築の有効性が,故障ノードの数を減らし,状態空間爆発を避けるという点で,マルチエージェント法のようなほとんどの現在の方法より良いことを示した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】