期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于纳什均衡迁移学习的碳–能复合流自律优化 被引量:6
1
作者 陈艺璇 张孝顺 余涛 《控制理论与应用》 EI CAS CSCD 北大核心 2018年第5期668-681,共14页
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... 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. 展开更多
关键词 纳什均衡解 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
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部