基于图深度强化学习的电力网络通信自趋优控制方法

江颖洁; 魏永静; 孙超; 田安琪; 张彦; 朱尤祥

doi:10.11907/rjdk.251271

您当前的位置：

首页 >

文章列表页 >

基于图深度强化学习的电力网络通信自趋优控制方法

专栏：工业软件与工业大模型 | 更新时间：2025-11-25

- 基于图深度强化学习的电力网络通信自趋优控制方法
- A Self-trending Optimization Control Method for Power Network Communication Based on Graph Deep Reinforcement Learning
- “在智能电网发展中，电力通信网络面临实时性、可靠性和智能化挑战。专家提出融合风险量化与图深度强化学习的自趋优控制策略，提升网络管理智能化水平，强化网络韧性，应对突发通信故障。仿真结果显示，该模型在带宽分配效率和链路故障恢复方面表现优异。”
- 软件导刊 2025年24卷第10期页码：56-64
- 作者机构：
  
  国网山东省电力公司信息通信公司，山东济南 250002
- 作者简介：
  
  江颖洁（1989-），女，国网山东省电力公司信息通信公司高级工程师，研究方向为信号与信息处理
  魏永静（1981-），女，国网山东省电力公司信息通信公司高级工程师，研究方向为电力系统及其自动化
  孙超（1993-），男，国网山东省电力公司信息通信公司工程师，研究方向为电子与通信工程
  田安琪（1992-），女，国网山东省电力公司信息通信公司工程师，研究方向为信息与通信工程
  张彦（1988-），男，国网山东省电力公司信息通信公司工程师，研究方向为通信工程
  朱尤祥（1990-），男，国网山东省电力公司信息通信公司工程师，研究方向为电子与通信工程。
- 基金信息：
  
  国网山东省电力公司科技项目(520627240007)
- DOI：10.11907/rjdk.251271
  中图分类号： G642.0
- 收稿：2025-05-21，
  
  纸质出版：2025-10-15
- 稿件说明：
移动端阅览
江颖洁,魏永静,孙超等.基于图深度强化学习的电力网络通信自趋优控制方法[J].软件导刊,2025,24(10):56-64.

JIANG Yingjie,WEI Yongjing,SUN Chao,et al.A Self-trending Optimization Control Method for Power Network Communication Based on Graph Deep Reinforcement Learning[J].Software Guide,2025,24(10):56-64.
江颖洁,魏永静,孙超等.基于图深度强化学习的电力网络通信自趋优控制方法[J].软件导刊,2025,24(10):56-64. DOI： 10.11907/rjdk.251271.

JIANG Yingjie,WEI Yongjing,SUN Chao,et al.A Self-trending Optimization Control Method for Power Network Communication Based on Graph Deep Reinforcement Learning[J].Software Guide,2025,24(10):56-64. DOI： 10.11907/rjdk.251271.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进TD3算法的青霉素发酵过程控制方法

结合序列依赖与全局信息的会话推荐方法

结合正负反馈状态表示的深度强化学习推荐方法

深度学习支持下的自适应学习路径推荐

基于图神经网络的挖掘潜在偏好图推荐算法

基于图深度强化学习的电力网络通信自趋优控制方法

A Self-trending Optimization Control Method for Power Network Communication Based on Graph Deep Reinforcement Learning

DOI：10.11907/rjdk.251271