跳转至

基准总览

PowerZoo 的基准面围绕五个以 agent 为中心的任务系列组织。每个系列针对不同的 RL 研究问题，并使用不同的物理载体、agent 结构、动作空间和约束类型；因此任意两个系列至少在其中四个维度上不同。

五大系列

系列 主线 载体 Agent 数 Steps × Δt RL 范式
TSO Security dispatch 输电网 Case5 / Case118 1（UC）/ 54（opf_118） 48 × 30 min（7d 为 336 × 30 min） 含离散-连续混合动作的 Safe RL
DSO DER control 配电网 Case33bw + 6× FlexLoad + Ausgrid 1 48 × 30 min 非平稳 RL（最小化网损）
DERs DER control 配电网 Case33bw / Case118zh + 异构 DER 3 / 5 / 12 48 × 30 min（EV 168） 可扩展 Safe MARL
DC microgrid DER control 自包含直流微电网 1 288 × 5 min 多目标稳健 RL
GenCos Market lite 输电网 Case5 + 市场清算 5 48 × 30 min 竞争式 MARL

每个系列对应不同的 RL 范式，但五者共享同一个 make_task_env 接口和同一套 reward / cost 分离约定。没有任何算法能在五个系列上同时取胜；这正是基准设计的目的。

flowchart LR
    SD["Security Dispatch"] --> TSO[TSO]
    DERC["Intertemporal DER Control"] --> DSO[DSO]
    DERC --> DERS[DERs]
    DERC --> DCM[DC microgrid]
    MKT["Market Lite"] --> GC[GenCos]

每个系列下的公开 PowerZoo 任务名

系列 PowerZoo 任务
TSO marl_uc（UC, Case5）、opf_118、opf_118_7d（大规模 ED, Case118）
DSO make_dso_env(...) 工厂（在标准 registry 之外组装）
DERs marl_der_arbitrage（Case33bw，3 个电池）、marl_ders_benchmark（Case118zh，12 个异构 DER）、marl_ev_v2g（5 辆 EV）
DC microgrid dc_microgrid、dc_microgrid_safe
GenCos gencos_bidding

较小的起步任务不在旗舰基准内、但仍属于公开面：battery_arbitrage、marl_opf（5-bus MARL ED）、dc_scheduling。它们是单元测试和快速迭代的首选起点；可运行示例见 Examples。

一个基准页怎么读

每个系列页都遵循同一模板：

  1. 设计意图与研究问题 — 这个系列针对的是哪种 RL 难度。
  2. 物理设置 — case、resource、约束。
  3. Agent 设计 — observation、action、reward、cost。
  4. 变体 — 系列内部的难度阶梯。
  5. 切分 — train / val / test（DSO 为 train / iid / OOD）。
  6. Baseline — 随机、规则、可能的 oracle 参考。
  7. 指标 — 应当报告的指标。
  8. 代码配方 — make_task_env(name) + 一段最小训练 stub。

五个系列覆盖的难度维度

五个系列合起来覆盖五个正交的难度维度。论文中可引用这张矩阵，说明基准的多样性：

维度 最简单 → 最难
信息结构 TSO（中心化全信息） DSO（单 agent 非平稳）→ DERs（Dec-POMDP） GenCos（私有信息竞争）
动作复杂度 DSO（连续） DC（多维连续）→ DERs（per-agent 联合）→ TSO（混合） GenCos（多 agent 策略性博弈）
安全要求 GenCos（仅追求利润） DSO（运行质量）→ DC（SLA + 热稳 + 功率平衡） DERs（硬电压）→ TSO（完整安全约束）
外生不确定性 TSO（日内波动） DSO（数据漂移）→ DERs（可再生波动） DC（workload + 太阳 + 热）→ GenCos（+ 自适应对手）
目标复杂度 GenCos（利润） DSO（网损 + 供电质量）→ TSO（成本 + 安全） DERs（安全 + 公平）→ DC（3 维向量 + 约束）

每个维度在五个系列上都呈单调排序，因此选择不同系列就能得到真正不同的 RL 难度，而不是同一个问题的不同包装。

公开面 helper 提供哪些信息

from powerzoo.tasks import PUBLIC_TASKS, list_public_tasks, get_public_task_catalog

print(PUBLIC_TASKS)
print(list_public_tasks())
catalog = get_public_task_catalog()
print(catalog[0]['task_id'], catalog[0]['default_episode_horizon_steps'])

PUBLIC_TASKS 包含五大旗舰系列与较小的起步任务。make_dso_env(...) 是唯一不在 PUBLIC_TASKS 中的旗舰任务：它使用自己的工厂，而不走标准 registry。

另见