基于数据驱动具有自我学习能力的机组组合智能决策方法研究

作     者：杨楠 叶迪 林杰 黄禹 董邦天 胡文斌 刘颂凯 YANG Nan;YE Di;LIN Jie;HUANG Yu;DONG Bangtian;HU Wenbin;LIU Songkai

作者机构：新能源微电网湖北省协同创新中心(三峡大学)湖北省宜昌市443002 

出 版 物：《中国电机工程学报》 (Proceedings of the CSEE)

年 卷 期：2019年第39卷第10期

页      面：2934-2945页

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金项目(51607104) 

主　　题：数据驱动 深度学习 基于数据驱动的机组组合决策方法 自我学习能力 

摘      要：在能源技术变革日新月异、人工智能技术快速发展的背景下,研究具有高适应性、高精度的机组组合决策方法具有重要意义。该文基于长短时记忆网络,通过构建面向机组组合问题的深度学习模型,提出一种基于数据驱动具有自我学习能力的机组组合智能决策方法。首先基于K-means算法对历史调度数据进行聚类预处理;然后构建基于长短时记忆网络的机组组合深度学习模型,通过历史数据训练建立系统负荷与调度决策结果之间的映射模型,以此为基础进行机组组合决策;最后通过积累历史数据实现对模型的持续修正,从而赋予其自我进化、自我学习的能力。基于标准算例、实际电网数据的一系列仿真结果表明:相比于传统决策方法,该方法不仅可以在实际使用过程中不断提升其决策精度或效率,且在面对不同类型的机组组合问题时适应性更好。