HARL-Ansatz beschleunigt Wiederherstellung von Stromnetzen nach Ausfällen
Ein neuer Ansatz aus dem Bereich des heterogenen Multi-Agenten-Reinforcement-Learnings (HARL) verspricht, die Wiederherstellung von Stromverteilungsnetzen nach großflächigen Ausfällen deutlich zu beschleunigen. Durch die Kombination von Heterogeneous-Agent Proximal Policy Optimization (HAPPO) mit einem physikbasierten OpenDSS‑Umfeld können mehrere Mikrogrids gleichzeitig koordiniert werden, während gleichzeitig die komplexen, nichtlinearen Vorgaben wie Strombilanz, Spannungsgrenzen und thermische Belastungen berücksichtigt werden.
