基于纳什均衡迁移学习的碳-能复合流自律优化
陈艺璇
张孝顺
余涛
1.华南理工大学电力学院,广东 广州,5106402.华南理工大学电力学院,广东 广州,5106403.华南理工大学电力学院,广东 广州,510640
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.
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
分类号：TM734(输配电工程、电力网及电力系统)
资助基金：国家重点基础研究发展计划项目("973"计划)(2013CB228205)国家自然科学基金项目(51777078)Supported by the National Basic Research Program ("973" Program)(2013CB228205)the National Natural Science Foundation of China(51777078)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：14( 668-681 )
英文信息