申请/专利权人:山东大学
申请日:2024-03-01
公开(公告)日:2024-04-02
公开(公告)号:CN117808174A
主分类号:G06Q10/04
分类号:G06Q10/04;G06N3/006;G06N3/092;G06Q50/06
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明属于电力系统自动化技术领域,提供了网络攻击下基于强化学习的微电网运行优化方法及系统,其技术方案为:将智能体的奖励函数分解为多个子奖励函数并进行独立优化,使每个子奖励函数都达到帕累托最优,避免出现单一奖励函数的局部最优。将智能体选择的动作是否满足相关指标作为子奖励函数的一部分,若动作满足指标,则反馈给智能体额外的奖励值,从而使智能体倾向于选取满足设定指标的动作。在外界网络攻击存在的情况下,构建蜜罐服务器作为一种安全防护措施,起到保护作用的同时最小化攻击损失,具备一定的现实意义。
主权项:1.网络攻击下基于强化学习的微电网运行优化方法,其特征在于,包括如下步骤:刻画微电网环境中的目标函数及约束条件;基于微电网环境中的目标函数及约束条件,构建基于强化学习的微电网环境,设置智能体的状态空间、动作空间及奖励函数;将智能体的整体奖励函数根据目标数量分解为若干子奖励函数,每个子奖励函数采用独立的critic神经网络进行优化;其中,所述每个子奖励函数采用独立的critic神经网络进行优化时,考虑实际环境中存在的外界网络攻击,在真实服务器上构建蜜罐服务器,模拟真实服务器的行为和响应,以隔离攻击者和真实服务器;将智能体选择的动作是否满足相关指标作为子奖励函数的一部分,从而使智能体倾向于选取满足设定指标的动作。
全文数据:
权利要求:
百度查询: 山东大学 网络攻击下基于强化学习的微电网运行优化方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。