网格化知识迁移学习算法及其在碳能复合流优化中的应用

建立了计及碳责任分摊的碳能复合流优化模型,并提出了一种网格化知识迁移学习算法,以便实现电网的低碳、经济、安全最优运行。算法采用二值编码的方式实现连续-离散空间的转换,以解决连续状态-动作空间的学习和维数灾难问题;从优化任务的状态信息和最优Q值之间的关系从发,构建了知识迁移的基本框架;为了避免在弱联系环境下,整体性提取状态特征信息给学习网络带来干扰,影响迁移学习的准确性,提出了一种网格化信息提取方式,分散式地对各局部特征进行提取和迁移。最后,通过IEEE 118节点系统的碳能复合流优化仿真验证了算法的有效性。     

基于DSP的智能用电终端设计与实现

为了实现智能电网下对市政、商区以及居民住宅的小型用电设备的用电信息采集与远程控制,文章以DSP为处理核心设计了一种新型智能用电终端。文中首先阐述了智能用电终端在实现小型用电设备与配电网络的能量流和信息流交互过程中的作用,然后再对其软硬件设计进行详细的描述。其中,硬件系统采用模块化设计,包括DSP处理核心、信号测量、无线通信、负荷控制以及系统供电等。在无线通信模块的设计中,充分利用Wi Fi通信技术的便捷性降低了智能用电终端接入Internet的难度和成本;同时采用差分放大以及准同步采样技术进行单相信号的采样分析,有效地提高了测量的精度。最后,实验样机的测试结果充分验证了设计方案的有效性。     

迁移蜂群优化算法及其在无功优化中的应用

提出了一种全新的迁移蜂群优化算法,并应用到电力系统无功优化问题.利用Q学习的试错与奖励机制构造蜂群的学习模式,并采用强化学习的行为迁移技术实现蜂群的迁移学习.为解决算法求解多变量优化问题遇到的维数灾难,提出了状态-组合动作链的方式将状态-动作空间分解成若干低维空间,明显降低算法的计算难度.仿真结果表明:本文所提算法可以保证最优解质量的同时,寻优速度能提高到传统启发式智能算法的4～67倍左右,非常适用于大规模复杂系统非线性规划问题的快速求解.