标题:基于深度学习和蒙特卡洛树搜索的机组恢复在线决策
作者:孙润稼; 刘玉田
作者机构:[孙润稼]山东大学, 电网智能化调度与控制教育部重点实验室, 济南, 山东 250061, 中国;[刘玉田]山东大学, 电网智能化调度与控制教育部重点实验室, 济南, 山东 250 更多
通讯作者:Liu, Yutian
通讯作者地址:[Liu, Y] Key Laboratory of Power System Intelligent Dispatch and Control of Ministry of Education (Shandong University)China;
来源:电力系统自动化
出版年:2018
卷:42
期:14
页码:40-47
DOI:10.7500/AEPS20170930011
关键词:电力系统恢复; 机组恢复; 深度学习; 蒙特卡洛树搜索; 在线决策
摘要:针对大停电后电力系统初始状态和恢复过程中线路恢复状况的不确定性,提出一种基于深度学习和蒙特卡洛树搜索(MCTS)的机组恢复在线决策方法。采用一种; 深度学习算法--稀疏自动编码器(SAE)对自动生成的训练集进行训练,建立估值网络;根据系统状态,利用改进的上限置信区间(UCT)算法、支路修剪技; 术和估值网络对机组恢复措施进行MCTS;汇总并行的多次MCTS结果,以加权机组发电量为决策指标确定最终的恢复措施。以新英格兰10机39节点系统和; 山东西部电网为例验证了所提方法的可行性和有效性;相比于传统方法,所提方法能够获得具有较高鲁棒性的恢复方案,并有效应对机组恢复过程中的多种不确定性; 状况。
收录类别:EI;CSCD;SCOPUS
资源类型:期刊论文
原文链接:https://www.scopus.com/inward/record.uri?eid=2-s2.0-85052683979&doi=10.7500%2fAEPS20170930011&partnerID=40&md5=26a11614bb26aa6efdb4e34f71dc211b
TOP