排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
为解决电力系统中存在的多种时间尺度下经济调度和发电控制的协同问题,即长时间尺度下优化,短时间尺度下优化和实时控制的问题,本文提出了一种统一时间尺度的实时经济发电调度和控制框架,并为该框架提出了懒惰强化学习方法(Lazy reinforcement learning,LRL).该方法将懒惰控制器引入以人工社会——计算实验——平行执行和社会系统为基础的强化学习中,使得机组组合,经济调度,自动发电控制和发电命令调配的问题有机结合在一起,取代过去传统的发电控制框架.为了减少仿真所需的真实时间,平行系统包含多个虚拟系统和一个真实系统.仿真实验比较了懒惰学习算法,松弛人工网络以及4608种组合常规发电控制算法在IEEE新英格兰10机39节点仿真系统的控制效果.实验表明,懒惰强化学习方法的控制效果最优.仿真结果验证了懒惰强化学习方法在基于ACP和社会系统的REG框架下具有有效性和可行性. 相似文献
2.
为提高电力系统的运行安全性,本文将电力系统风险评估理论引入到传统无功优化中,建立了考虑运行风险的多目标无功优化数学模型,并为此提出了一种全新的迁移部落强化学习算法,该算法将人工智能算法的随机搜索机制和强化学习算法的迭代模式有机融合,利用知识矩阵储存部落寻优信息,通过知识迁移显著提高了在线学习阶段算法的速率。IEEE 118节点标准系统的仿真表明:迁移部落强化学习算法在保证较好的全局寻优性能的同时,速度可达传统人工智能算法的2-10倍,有效解决了考虑风险的多目标无功优化的动态快速求解。 相似文献
3.
4.
针对模糊C-均值聚类算法(Fuzzy C-Means,FCM)应用于日负荷曲线聚类分析时存在易受初始聚类中心影响,易收敛于局部最优值以及日负荷曲线的内在特性难以通过距离得到充分反映的问题,利用日负荷特征值指标对日负荷曲线进行数据降维处理。提出了基于灰狼算法(Grey Wolf Optimizer,GWO)优化的模糊C-均值聚类算法(GWO-FCM)。该算法利用GWO为FCM优化初始聚类中心,结合了GWO的全局搜索能力和FCM的局部搜索能力。算例结果表明所提方法可有效提高日负荷曲线聚类效果,算法鲁棒性好。 相似文献
5.
6.
7.
针对大规模电动汽车(EV)接入电网后,各充电聚合商(EVA)的独立优化目标存在冲突而导致优化调度存在困难的问题,提出了考虑多个EVA各方利益的基于动态非合作博弈的大规模EV实时调度模型。首先构建了大规模EV的集群等效模型并分析了动态电价下各EVA的利益关系,接着利用完全势博弈理论证明了博弈模型存在唯一的纳什均衡解并推导出求解方法,最后提出基于交替方向乘子法的实时分布式算法实现各EVA实时策略的求解。通过算例仿真验证了所提模型可有效实现削峰填谷、降低EVA充电成本。同时,在优化结果、计算时间、保护用户隐私方面更适用于大规模EV实时充电优化调度。 相似文献
1