提出了基于DRL的发电机动态制动和欠压减载应急控制方案，所开发的DRL方法鲁棒性对不同仿真场景，模型参数的不确定性和噪声无论是双区四机系统还是IEEE 39节点系统有良好的性能和鲁棒性。开发了一个与OpenAI兼容的电网动态仿真环境，用于开发、测试和基准测试电网控制的强化学习算法。利用深度强化学习(DRL)的高维特征提取和非线性泛化能力，开发了新的自适应应急控制方案。研究了发展的DRL方法对不同仿

提出了基于DRL的发电机动态制动和欠压减载应急控制方案，所开发的DRL方法鲁棒性对不同仿真场景，模型参数的不确定性和噪声无论是双区四机系统还是IEEE 39节点系统有良好的性能和鲁棒性。开发了一个与OpenAI兼容的电网动态仿真环境，用于开发、测试和基准测试电网控制的强化学习算法。利用深度强化学习(DRL)的高维特征提取和非线性泛化能力，开发了新的自适应应急控制方案。研究了发展的DRL方法对不同仿

电力系统复杂网络分析(CAN) 利用复杂网络分析方法，求解配网系统中微电网最优位置的新，该位置将增强电网的弹性，减少电力损失和线路负荷，提高电压稳定性，并在停电期间向关键负荷供电。使用MATLAB 和PowerWorld一种在复杂网络框架下使用CNA来检测和分析EDSs的新方法，以获得可能实现/连接MGs的最佳位置的指针。基于复杂网络理论中的中心性分析、物理中的质心(COM)概念和最近发展的受控输