10.3969/j.issn.1000-7229.2017.07.012
网格化知识迁移学习算法及其在碳能复合流优化中的应用
建立了计及碳责任分摊的碳能复合流优化模型,并提出了一种网格化知识迁移学习算法,以便实现电网的低碳、经济、安全最优运行.算法采用二值编码的方式实现连续-离散空间的转换,以解决连续状态-动作空间的学习和维数灾难问题;从优化任务的状态信息和最优Q值之间的关系从发,构建了知识迁移的基本框架;为了避免在弱联系环境下,整体性提取状态特征信息给学习网络带来干扰,影响迁移学习的准确性,提出了一种网格化信息提取方式,分散式地对各局部特征进行提取和迁移.最后,通过IEEE 118节点系统的碳能复合流优化仿真验证了算法的有效性.
碳能复合流优化、网格化知识迁移、连续Q学习
38
TM73(输配电工程、电力网及电力系统)
国家重点基础研究发展计划项目973项目2013CB228205;国家自然科学基金项目51477055Project supported by the National Basic Research Program of China973 Program2013CB228205;National Natural Science Foundation of China51477055
2017-08-02(万方平台首次上网日期,不代表论文的发表时间)
共10页
96-105