에너지 네트워크에서 물리 기반의 깊은 강화 학습과 적응형 액션 마스킹을 사용한 안전한 2차 긴급 일정 배정

이 연구는 갑작스러운 문제, 예를 들어 전력이 너무 많거나 적을 때 전력 그리드를 관리하기 위한 새로운 방법을 개발합니다. 이 방법은 인공지능이 안전하고 효율적인 결정을 내릴 수 있도록 물리 원리를 사용합니다.

이 연구는 에너지 네트워크에서 긴급 스케줄링을 위해 물리 기반의 깊은 강화 학습(PI-DRL)과 적응형 액션 마스킹을 결합한 최초의 연구입니다. 이는 고차원 위험 관리와 실시간 응답 제약을 동시에 해결합니다.