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

• 作者: 徐茂鑫 江浩荣 王克英
• 来源期刊: 电力建设
• 学科: 工学
• 关键词: 碳能复合流优化 网格化知识迁移 连续Q学习
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 人工智能在新一代能源电力系统中的应用
• 页码范围: 96-105
• 页数: 10页
• 分类号: TM73
• 字数: 6719字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7229.2017.07.012

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王克英	华南理工大学电力学院	45	826	14.0	28.0
2	江浩荣	华南理工大学电力学院	1	2	1.0	1.0
3	徐茂鑫		1	2	1.0	1.0