[发明专利]一种基于极限迁移学习的电力系统经济调度分散Q方法

摘要

本发明公开了一种基于极限迁移学习的电力系统经济调度分散Q方法。该基于极限迁移学习的电力系统经济调度分散Q方法，本发明提出的基于极限迁移学习的电力系统经济调度分散Q方法，既可以解决含汽轮机阀点效应的非凸经济调度问题，又能够进行分散式优化计算，适应当今分散式经济调度的要求，且该方法通过采用极限迁移学习的机制，能够对分散Q方法的初始矩阵进行修正，使得算法的收敛速度大大提高。

主权项

一种基于极限迁移学习的电力系统经济调度分散Q方法，其特征在于：包括以下步骤：S1、由发电机的发电成本参数及约束条件确定经济调度模型，确立以最小化系统的发电成本作为适应度函数；S2、建立由调度中心做协调，各发电机独自做分散式计算的分散式经济调度框架，发电机的输出有功功率作为优化变量，将变量和变量变化动作均进行二进制编码，并把其储存在传统Q学习算法的Q矩阵中，并确定各变量产生种群的大小；S3、选取典型日的日负荷曲线作为准优化目标；各发电机分别利用种群进行寻优；计算每个个体的目标函数；计算分散Q方法的奖励函数；更新变量的Q矩阵；S4、各发电机分别给调度中心上传优化结果，调度中心评估此次优化结果的优劣，若优化结果比上一次差，则驳回此次结果，并保留上次优化策略；否则，完全采用此次优化策略；S5、判断是否达到最大迭代次数，若达到最大迭代次数，则结束计算并输出调度中心收集的优化策略结果和优化后各变量的Q矩阵；否则，返回利用种群进行寻优的步骤；S6、迭代结束后，对记录的准优化后的Q矩阵进行极限迁移学习，得到修正后的Q矩阵；S7、将修正Q矩阵作为新的优化初始矩阵，再次利用分散Q方法进行新目标的分散式经济调度优化计算，并输出寻优结果。