本研究提出了一种无模型强化学习方法，旨在优化电网运营并提升稳定性。通过掩蔽拓扑动作空间，代理在20种仿真场景中有效降低电力损耗，促进现代能源系统的自主管理。

该文综述强化学习在等离子体与能源系统控制中的应用。改进算法提升了等离子体磁控制精度，形状准确率提高65%，稳态误差与训练时间显著降低，并在瑞士装置上得到验证。相关研究还用于聚变扰动预测、核电厂约束优化、电压稳定控制及燃气轮机调度，其中DQN奖励最高，PPO效率最优。