风险调度中引入知识迁移的细菌觅食强化学习优化算法

• 作者: 余涛 张孝顺 瞿凯平 韩传家
• 来源期刊: 电力系统自动化
• 关键词: 知识迁移 细菌觅食 强化学习 风险调度
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 学术研究
• 页码范围: 69-77,97
• 页数: 10页
• 字数: 9640字
• 语种: 中文
• DOI: 10.7500/AEPS20160619004

摘要

针对电力系统运行过程中负荷及故障的不确定性,在经济调度中引入风险评估原理,并提出了一种全新的基于知识迁移的细菌觅食强化学习优化算法.该算法将细菌觅食算法的寻优模式与Q学习算法的试错迭代机制结合,利用多主体协同合作来更新共有的知识矩阵,并以基于知识延伸的维度缩减方式避免了"维数灾难".在预学习获得最优知识矩阵后,利用知识迁移加速在线学习进程.IEEE RTS-79测试系统的仿真结果表明:所提算法在保证获得高质量最优解的同时,寻优速度可达经典智能算法的9~20倍,适合求解大规模复杂电网的风险调度快速优化.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余涛	华南理工大学电力学院	165	1484	19.0	31.0
2	张孝顺	华南理工大学电力学院	30	202	9.0	13.0
3	瞿凯平	华南理工大学电力学院	17	37	4.0	5.0
4	韩传家	华南理工大学电力学院	3	18	3.0	3.0