负责跨大地理区域输送电力的电力网络是现代生活至关重要的复杂基础设施。随着可再生能源整合的增加以及高压网络技术的出现，需求和生产状况的变化对操作人员在优化电力运输同时避免停电的过程中构成了真正的挑战。为了研究人工智能方法在实现电网运行适应性方面的潜力，我们设计了L2RPN挑战，以鼓励针对下一代电网中存在的关键问题开发强化学习解决方案。NeurIPS 2020竞赛获得了国际社会的广泛好评，吸引了全球300多名参赛者。这一挑战的主要贡献是我们提出的全面的Grid2Op框架以及相关的基准，该框架具有现实的顺序网络操作方案。该框架是开源的，可轻松地通过其配套的GridAlive生态系统来重新定义新环境。它依赖于现有的非线性物理仿真器，让我们创建一系列代表两个重要问题的扰动和挑战：a）不可预测的可再生能源使用量增加导致的不确定性； b）偶然性要求的鲁棒性线路断开。在本文中，我们提供了有关比赛亮点的详细信息。我们展示了基准套件，并分析了挑战的胜出方案，并观察了最佳代理商的一次超人表现演示。我们为成功的竞争提出我们的组织见解，并就开放的研究途径得出结论。我们希望我们的工作将促进研究，为电力网络运营创造更多可持续的解决方案。



"点击查看英文标题和摘要"