电力脑初探:一种多模态自适应学习系统

• 作者: 吴文传 尚宇炜 赵东方 赵丽娟 郭剑波 韩路波 马钊
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 电力系统 电力脑 人工智能 机器学习 引导学习 深度学习 强化学习 迁移学习
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 智能电网
• 页码范围: 3133-3143
• 页数: 11页
• 分类号: TM71
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.180408

摘要

机器学习的进步正推动人工智能蓬勃发展.电力系统运行具有随机性、时变非线性和部分可观测性等特征,导致相关研究面临数据饥饿、状态弥散、目标复杂等综合挑战.为此,该文提出研究一种多模态自适应学习系统——“电力脑”.首先,探讨电力脑的研究背景、概念及主要特征.其次,分析电力脑研究面临的挑战,提出多模态学习机制及其数学实现,以建立电力脑认知计算的理论基础.然后,借鉴认知神经科学等前沿研究,提出自上而下的电力脑认知计算结构,交互反馈的自适应学习模式,以及深度引导强化学习相结合的基础学习单元.该构架的核心特征在于用领域知识保证结果可行,用数据驱动提升其精度与性能.最后,探讨电力脑的实际应用,提出相应的学习算法结构,并展望需要进一步研究的问题.