基于纳什均衡迁移学习的碳-能复合流自律优化

• 作者: 余涛 张孝顺 陈艺璇
• 来源期刊: 控制理论与应用
• 学科: 工学
• 关键词: 纳什均衡解 碳排放责任分摊 分散自律 最优碳-能复合流 迁移学习 强化学习 电力系统
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 论文与报告
• 页码范围: 668-681
• 页数: 14页
• 分类号: TM734
• 字数: 10498字
• 语种: 中文
• DOI: 10.7641/CTA.2017.70612

摘要

提出了一种全新的纳什均衡迁移学习算法,并应用于求解大规模电力系统分散式碳-能复合流自律优化.首次引入碳排放责任分摊机制,避免了碳排放责任的重复计算.将大规模电网分解成若干小型区域电网,每个小型区域电网被定义为一个智能体,通过纳什博弈实现分散式自律优化.智能体利用记忆矩阵对寻优知识进行存储,并通过多个个体与环境的反复交互实现记忆更新;采用状态-动作链对记忆矩阵进行降维,有效避免了"维数灾难".此外,基于相似度的迁移学习可以对历史任务知识进行高效提炼,提高了新任务寻优效率. IEEE 57和300节点系统仿真表明:所提算法非常适合求解大规模电网的碳-能复合流自律优化,在保证纳什均衡解质量的同时,明显加快寻优速度.

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	陈艺璇	华南理工大学电力学院	7	28	3.0	5.0