← 返回列表
网络攻击下基于强化学习的微电网运行优化方法及系统
摘要文本
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。
申请人信息
- 申请人:山东大学
- 申请人地址:250061 山东省济南市历下区经十路17923号
- 发明人: 山东大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 网络攻击下基于强化学习的微电网运行优化方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410231339.6 |
| 申请日 | 2024/3/1 |
| 公告号 | CN117808174A |
| 公开日 | 2024/4/2 |
| IPC主分类号 | G06Q10/04 |
| 权利人 | 山东大学 |
| 发明人 | 刘帅; 王昊晨; 王小文; 徐昊天; 刘龙成; 赵浩然; 华友情 |
| 地址 | 山东省济南市历下区经十路17923号 |
专利主权项内容
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。 来自马-克-数-据-官网