%0 Journal Article
%T 风险调度中引入知识迁移的细菌觅食强化学习优化算法
%A 余涛
%A 张孝顺
%A 瞿凯平
%A 韩传家
%J 电力系统自动化
%D 2017
%R 10.7500/AEPS20160619004
%X 针对电力系统运行过程中负荷及故障的不确定性,在经济调度中引入风险评估原理,并提出了一种全新的基于知识迁移的细菌觅食强化学习优化算法。该算法将细菌觅食算法的寻优模式与Q学习算法的试错迭代机制结合,利用多主体协同合作来更新共有的知识矩阵,并以基于知识延伸的维度缩减方式避免了“维数灾难”。在预学习获得最优知识矩阵后,利用知识迁移加速在线学习进程。IEEE RTS-79测试系统的仿真结果表明:所提算法在保证获得高质量最优解的同时,寻优速度可达经典智能算法的9~20倍,适合求解大规模复杂电网的风险调度快速优化
%K 知识迁移 细菌觅食 强化学习 风险调度
%U http://www.aeps-info.com/aeps/ch/reader/view_abstract.aspx?file_no=20160619004&flag=1