Publikation über das Environment Design von Optimal-Power-Flow-Umgebungen für Reinforcement-Learning-Anwendungen
Die Publikation „Learning the optimal power flow: Environment design matters“ von Thomas Wolgast und Astrid Nieße wurde Mitte August erfolgreich in dem hochklassigen Open-Access-Journal Energy and AI veröffentlicht. In dem Paper wird Deep Reinforcement Learning genutzt, um den Optimal Power Flow zu approximieren, eines der wichtigsten Optimierungsprobleme im Energiesystem. Insbesondere erarbeiten wir die große Bedeutung des Environment Designs, also der Formulierung als Reinforcement-Learning-Problem, als entscheidenden Faktor für die resultierende Performance.
Die Publikation „Learning the optimal power flow: Environment design matters“ von Thomas Wolgast und Astrid Nieße wurde Mitte August erfolgreich in dem hochklassigen Open-Access-Journal Energy and AI veröffentlicht. In dem Paper wird Deep Reinforcement Learning genutzt, um den Optimal Power Flow zu approximieren, eines der wichtigsten Optimierungsprobleme im Energiesystem. Insbesondere erarbeiten wir die große Bedeutung des Environment Designs, also der Formulierung als Reinforcement-Learning-Problem, als entscheidenden Faktor für die resultierende Performance.
