网格化知识迁移学习算法及其在碳能复合流优化中的应用 - 电力建设.pdf

第 卷 第 期 电 力 建 设 年 月 网格化知识迁移学习算法及其在 碳能复合流优化中的应用 华南理工大学电力学院广州市 广州供电局有限公司广州市 摘 要 建立了计及碳责任分摊的碳能复合流优化模型并提出了一种网格化知识迁移学习算法以便实现电网的低 碳经济安全最优运行 算法采用二值编码的方式实现连续离散空间的转换以解决连续状态动作空间的学习和 维数灾难问题从优化任务的状态信息和最优值之间的关系从发构建了知识迁移的基本框架为了避免在弱联系 环境下整体性提取状态特征信息给学习网络带来干扰影响迁移学习的准确性提出了一种网格化信息提取方式分 散式地对各局部特征进行提取和迁移 最后通过 节点系统的碳能复合流优化仿真验证了算法的有效性 关键词 碳能复合流优化 网格化知识迁移 连续学习 中图分类号 文献标志码 文章编号 不能反映电力系统碳排放过程的细节显然不能够 引言 应对在全系统网络中发展低碳电力的要求 为此 电力系统碳排放计算中 目前的主要方法是根 有专家学者提出了碳排放流计算理论 将电力系统 据各类化石能源的统计消耗量及其排放系数计算 发电侧的碳排放与电网的功率潮流相结合将碳排 系统内总的碳排放量这种方法具有核算方便 目 放等效为一种依附于有功潮流的虚拟网络流 由发 但是仅仅依靠碳排放总量计算 标明确的优点 电侧经过电网流入到用电终端 碳排放流理念 碳标签 由此 实际上是将电力系统的碳排放贴上 说明电力在生产 传输 消费环节中的碳成本 并以 基金项 目 国家重点基 础研究 发展计 划项 目 项 目 国家自然科学基金项目 此鼓励各环节采取相应的低碳技术共同发展低碳