强化学习理论在电力系统中的应用及展望

摘要：

强化学习理论是人工智能领域中机器学习方法的一个重要分支,也是马尔可夫决策过程的一类重要方法.所谓强化学习就是智能系统从环境到行为映射的学习,以使奖励信号(强化信号)函数值最大.强化学习理论及其应用研究近年来日益受到国际机器学习和智能控制学术界的重视.系统地介绍了强化学习的基本思想和算法,综述了目前强化学习在安全稳定控制、自动发电控制、电压无功控制及电力市场等方面应用研究的主要成果与方法,并探讨了该课题在电力系统运行控制中的巨大潜力,以及与经典控制、神经网络、模糊理论和多Agent系统等智能控制技术的相互结合问题,最后对强化学习在电力科学领域的应用前景作出了展望.

关键词：人工智能、强化学习、马尔可夫决策过程、随机最优控制、电力系统

所属期刊栏目：37

分类号：TM76(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金项目50807016;广东省自然科学基金博士启动基金项目06300091This work is jointly supported by National Natural Science Foundation of China50807016;Guangdong Natural Science Funds Project06300091

在线出版日期：2009-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：122-128