[发明专利]一种基于人工智能的船舶电网动态重构方法

权利要求书

1.一种基于人工智能的船舶电网动态重构方法，其特征在于，包括步骤：

1、对船舶电网系统进行分区；

2、设置学习算法的参数，初始化记忆矩阵；

3、输入源任务；

4、每个开关都是控制变量，选择每个分区的开关的动作组合；

5、计算每个分区的最大负荷电力供应；

6、计算每个控制变量的状态-动作价值函数；

7、更新记忆矩阵；

8、判断是否达到迭代最大次数，是则转到步骤9，否则转到步骤4；

9、得到源任务的最佳动作记忆矩阵；

10、输入新任务，利用判断条件结合源任务的最佳动作记忆矩阵找到新任务对应的初始动作记忆矩阵；

11、重复步骤4-7；

12、得到新任务的最佳动作记忆矩阵；

13、输出结果。

2.如权利要求1所述基于人工智能的船舶电网动态重构方法，其特征在于，所述步骤2中，所述记忆矩阵的设置规则有：记忆矩阵的行代表系统的状态，记忆矩阵的列代表的是控制变量，即开关，矩阵里的元素Q_ij代表在i状态下开关j的动作值，该值越大，代表开关闭合的倾向越大。

3.如权利要求1所述基于人工智能的船舶电网动态重构方法，其特征在于，所述步骤3中，所述源任务指的是船舶电力系统可能面临的各种故障状态。

4.如权利要求1所述基于人工智能的船舶电网动态重构方法，其特征在于，所述步骤5中，

所述每个分区的最大电力供应可以用以下的式子计算：

max f＝∑f_i＝∑c_iG_i

其中，c_i是i分区的权重系数；G_i是i分区的恢复供电容量。

5.如权利要求1所述基于人工智能的船舶电网动态重构方法，其特征在于，所述步骤6中，

所述计算每个控制变量的状态-动作价值函数具体如下：

其中，W是一个常数，通常取1；SA_i^best代表在t次迭代i分区开关动作处于最好动作策略；L_i^best是i分区的最佳目标函数的最小适应度函数，L_i^best可

由以下的式子得到：

6.如权利要求1所述基于人工智能的船舶电网动态重构方法，其特征在于，所述步骤7中，

所述更新记忆矩阵的公式如下：

Q^i,j(s_t,a_t)＝Q^i,j(s_t,a_t)+α[r_t^i,j+γmaxQ^i,j(s_t+1,a)-Q^i,j(s_t,a_t)]

其中，α是学习因子；γ是折扣因子。

7.如权利要求1所述基于人工智能的船舶电网动态重构方法，其特征在于，所述步骤10中，所述利用判断条件结合源任务的最佳动作记忆矩阵找到新任务对应的初始动作记忆矩阵中所述的判断条件为：从源任务中找到与新任务故障元件的位置和数量最相似的任务，提取与该源任务对应的记忆矩阵。

8.如权利要求7所述基于人工智能的船舶电网动态重构方法，其特征在于，所述从源任务中找到与新任务故障元件的位置和数量最相似的任务，提取与该源任务对应的记忆矩阵的步骤具体包括：

用逻辑编码的形式代表每个分区的元件状态，运行则为1，故障则为0；当知道了新任务的编码，先找到故障分区，然后把该区的故障编码与源任务编码进行匹配，若新故障与源故障一致，则可直接使用源任务的最佳结果；若不一致，则寻找在故障点附近区域的编码状态比较相近的源任务。