反映实时供需互动的Stackelberg博弈模型及其强化学习求解

• 作者: 余涛 刘希喆 包涛 张孝顺 王德志
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 深度学习 迁移学习 强化学习 实时供需互动 Stackelberg博弈
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 智能电网
• 页码范围: 2947-2955,后插13
• 页数: 10页
• 分类号: TM73
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.162388

摘要

为充分挖掘供给侧发电机和需求侧柔性负荷的联合优化调度空间,实现分布式自律计算与集中协调的互动框架,满足供需互动快速决策的需求,最大化系统的整体效益,搭建了基于Stackelberg博弈的电力系统实时供需互动模型,并提出了一种全新的深度迁移强化学习(deep transfer reinforcement learning,DTRL)算法.该算法通过对历史优化任务的有效信息进行知识存储,利用深度学习实现高精度的非线性迁移学习,并借助分布式计算优势,可快速获得高质量的最优解.算例仿真表明:DTRL在保证最优解质量的同时,其求解速度可达其他6种对比算法的419倍以上,适合求解大规模电力系统的供需互动快速决策问题.

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		165	1484	19.0	31.0
2	张孝顺		30	202	9.0	13.0
3	刘希喆		13	150	6.0	12.0
4	王德志		5	54	3.0	5.0
5	包涛		2	9	1.0	2.0