基于深度强化学习的数字电网数据安全迁移研究

数字电网数据时序均值在冗余状态下的动态发展特点,导致迁移过程中难以有效控制丢包率。为此,文章提出基于深度强化学习的数字电网数据安全迁移研究。从集群(Cluster)角度入手,开展基于深度强化学习数字电网数据建模,明确在数字电网集群Queue存在空位的情况下集群的具体状态。在具体的迁移过程中,引入纹理基元理论,计算得到数字电网数据在阈值范围内的变化特征后,为数字电网数据迁移设置敏感度参数,构建数字电网数据迁移函数。在此测试结果中,整个迁移过程的丢包率仅为6.75%,具体迁移过程中各个阶段的最高丢包率仅为2.03%。