面向主动配电网的调峰需求系统调度学习优化

为实现主动配电网调峰需求,以包含PV、各类柔性负荷、VRB储能装置为基础建立工业园区主动配电系统模型,同时建立最小代价的目标函数.为求解该目标函数,考虑到模型参数多的问题,提出一种模拟退火改进Q学习优化算法对目标函数进行求解.结果 表明,改进算法无论是在算法的收敛速度,还是在负荷调整方面,都具有非常明显优势.     

考虑源荷随机性的跨区互联电网直流联络线调度学习优化

在跨区互联电网中,充分利用直流联络线调度能力可以有效地平衡电力资源的配置,促进新能源的消纳.本文针对源荷不确定性的跨区互联电网直流联络线调度问题,首先用连续马尔科夫过程模型描述互联电网中风电出力与负荷需求随机动态特性;然后在功率平衡及联络线日交易电量约束等实际运行要求前提下,将直流联络线调度优化问题建立成离散马尔科夫决策过程模型.在该模型下,调度机构根据互联电网系统各时段源荷的功率情况,动态调整联络线输电计划和配套的柔性负荷调节方案,以达到提升系统运行效益的优化目标;最后引入强化学习方法对调度策略进行优化求解.通过学习优化,系统平均日运行代价显著下降且最终收敛.实验结果表明考虑源荷随机性的直流联络线动态调整方法可有效地提高互联电网发输电系统的运行效益.     

面向主动配电网实时优化调度的图强化学习方法

主动配电网的新能源、储能等能源形式可以有效提高运行的灵活性和可靠性, 同时新能源和负荷也给配电网带来了双重不确定性, 致使主动配电网的实时优化调度决策维度大、建模精度差. 针对这一问题, 本文提出结合图神经网络和强化学习的图强化学习方法, 避免对复杂系统的精准建模. 首先, 将实时优化调度问题表述为马尔可夫决策过程, 并将其表述为动态序贯决策问题. 其次, 提出了基于物理连接关系的图表示方法, 用以表达状态量的隐含相关性. 随后, 提出图强化学习来学习将系统状态图映射到决策输出的最优策略. 最后, 将图强化学习推广到分布式图强化学习. 算例结果表明, 图强化学习在最优性和效率方面都取得了更好的效果.     

基于模型深度强化学习的数据中心主动地板控制

如何消除数据中心的局部热点是困扰数据中心行业的关键问题之一.本文采用主动地板(AVT)来抑制局部机架热点现象,并将数据中心AVT控制问题抽象为马尔可夫决策过程,设计了基于深度强化学习的主动地板最优控制策略.该策略基于模型深度强化学习方法,克服了传统无模型深度强化学习方法采样效率低的缺陷.大量仿真实验结果表明,与经典无模型(PPO)方法相比,所提出的方法可迅速收敛到最优控制策略,并可以有效抑制机架热点现象.     

主动学习的多标签图像在线分类

目的在多标签有监督学习框架中,构建具有较强泛化性能的分类器需要大量已标注训练样本,而实际应用中已标注样本少且获取代价十分昂贵。针对多标签图像分类中已标注样本数量不足和分类器再学习效率低的问题,提出一种结合主动学习的多标签图像在线分类算法。方法基于min-max理论,采用查询最具代表性和最具信息量的样本挑选策略主动地选择待标注样本,且基于KKT(Karush-Kuhn-Tucker)条件在线地更新多标签图像分类器。结果在4个公开的数据集上,采用4种多标签分类评价指标对本文算法进行评估。实验结果表明,本文采用的样本挑选方法比随机挑选样本方法和基于间隔的采样方法均占据明显优势;当分类器达到相同或相近的分类准确度时,利用本文的样本挑选策略选择的待标注样本数目要明显少于采用随机挑选样本方法和基于间隔的采样方法所需查询的样本数。结论本文算法一方面可以减少获取已标注样本所需的人工标注代价;另一方面也避免了传统的分类器重新训练时利用所有数据所产生的学习效率低下的问题,达到了当新数据到来时可实时更新分类器的目的。     

基于样本冗余度的主动学习优化方法

主动学习解决了因训练样本过大而导致需要大量人力物力的问题,核心问题是如何选择有价值的样本减少标注成本.以神经网络为分类器,大多数方法选择信息量大的样本并没有考虑所选择样本间的信息冗余问题.通过对冗余问题的研究,提出一种降低信息冗余的样本选择优化方法.用不确定性方法选出信息量大的样本构成候选样本集,同时用网络中计算的潜变...     

一种置信度可控的主动学习算法

主动学习时向专家查询得到的标注如果带有噪声,将会损害机器学习的性能。为减少噪声,基于多专家的主动学习算法被提出。但以往的基于多专家的主动学习都假定各专家对未标注样例进行标注的质量都相同,且采用“少数服从多数”投票法,导致标注时的置信度不可控,不能控制噪声水平。提出一种置信度可控的主动学习算法,能使最终标注的置信度控制在规定的范围,从而减少噪声,提高学习性能。在4个UCI数据集上的实验验证该方法的有效性。     

页岩气储层预测的多标签主动学习算法

针对页岩气储层数据获取困难、标签稀缺、标注成本高昂的问题,提出一种多标准主动查询的多标签学习(MAML)算法.首先,考虑样本的信息性和代表性来对样本进行初步处理;其次,加入包括属性差异性和标签丰富性的样本丰富性约束,在此基础上选择有价值的样本进行标签查询;最后,利用多标签学习算法来预测剩余样本的标签.通过11个Yaho...     

基于加权SVM主动学习的多标签分类

样本标记是一个重要但又比较耗时的过程。得到一个多标签分类器需要大量的训练样本,而手工为每个样本创建多个标签会存在一定困难。为尽可能降低标记样本的工作量,提出一种加权决策函数的主动学习方法,该方法同时考虑训练样本的数量和未知样本的置信度,使得分类器能在最小的成本下最快地达到比较满意的分类精度。     

储能式充电桩参与电网需求侧响应联合运行优化

储能式充电桩参与电网的联合运行,不但能够减小电网扩容成本,还可以获得参与电网需求侧响应辅助管理服务收益,从而降低充电桩运营成本。为探究需求侧响应中实时定价激励对储能式充电桩经济效益的影响,本文进行储能式充电桩参与电网需求侧响应的联合运行优化能量调度研究。本文考虑电网需求响应实时电价,建立以储能式充电桩参与需求侧响应的经济效益函数模型;以实现经济效函数最大化为目标,建立以储能式充电桩电量和容量约束的充电桩的电网联合运行优化模型;为应用对偶分解方法,将优化模型转化为典型凸优化问题,从而求得储能式充电桩最优化能量调度。基于储能式充电桩实际运行电量、容量和经济性参数进行仿真,仿真结果表明所提出的方法能够实现较快收敛,并且能够获得收益。     

新型电力系统下大规模电源接入配电网的线损变化趋势分析

目前,分布式光伏在贵州爆发式增长,分布式光伏发电具有随机性、波动性、地域性等特点,接入配电网中会造成功率波动等影响,进而影响配电网的电能损耗。但是现有的电网线损计算分析并未考虑大规模新能源接入对线损的影响,如果沿用现有方法计算、开展接入工作则会造成较大的误差。首先,本文介绍了近年来贵州电网分布式光伏发展、并网情况;其次,介绍目前分布式光伏发电并网方案;之后,从分布式光伏发电特征、台区用电特征等方面进行介绍,并对光伏接入对台区线损影响进行理论计算与仿真分析;此后,以光伏接入电网的实际台区为例,通过历史数据和现场应用情况,从接入位置、接入容量等进行验证。最后,对分布式光伏接入配电网对分线分台区线损的影响进行分析总结。