-
题名基于泛化强化学习的变电站巡检机器人路径规划研究
被引量:1
- 1
-
-
作者
易仕琪
孔政敏
王帅
霍梓航
-
机构
武汉大学电气与自动化学院
广东省智能电网新技术企业重点实验室(南方电网电力科技股份有限公司)
-
出处
《广东电力》
2023年第11期114-121,共8页
-
基金
国家科技创新2030课题项目(2021ZD0112702)
国家自然科学基金项目(62173256)
广东省智能电网新技术企业重点实验室资助项目(2020B1212070025)。
-
文摘
针对变电站巡检机器人的路径规划问题,提出一种状态泛化的深度强化学习(deep reinforcement learning, DRL)算法。在原有算法的基础上,在训练过程中加入泛化正则,通过加入2个辅助训练池,保证训练前期能够给予网络更多的辅助监督信息,进而保证模型在同一个任务的不同场景具有更强的泛化能力。与传统训练方法相比在不损失模型性能的同时,还在某些环境下能够实现传统方法难以达到的状态泛化。实验证明,在带阻挡的路径规划问题中,所提出的算法优于深度质量网络(deep quality-network, DQN)算法和双深度质量网络(double deep quality-network, DDQN)算法。
-
关键词
强化学习
深度强化学习
路径规划
泛化性
-
Keywords
reinforcement learning
deep reinforcement learning
path planning
generalization
-
分类号
TM63
[电气工程—电力系统及自动化]
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名一种基于多分类器耦合的非侵入式负荷辨识方法
- 2
-
-
作者
易仕琪
孔政敏
王帅
霍梓航
-
机构
武汉大学电气与自动化学院
广东省智能电网新技术企业重点实验室(南方电网电力科技股份有限公司)
-
出处
《广东电力》
2023年第8期89-96,共8页
-
基金
广东省智能电网新技术企业重点实验室项目(2020B1212070025)
国家自然科学基金项目(62173256)
国家重点研发计划项目(2021ZD0112702)。
-
文摘
新一代智能电表实现了电压、电流数据高频采样,使得用户电力负荷的辨识特征具有更多的可选性,同时多类别的负荷特征输入对于增强负荷辨识算法性能提出了更高的要求。为此,提出一种基于弱分类器耦合的非侵入式负荷辨识方法。首先,提取家用电器的电量和非电量等多种负荷特征,并将这些特征作为弱分类器的输入;然后,将各个弱分类器的输出进行耦合,采用经典的Adaboost架构提高分类器的性能,实现非侵入式电力负荷辨识。最后,在AMPds公用数据集上进行测试,结果表明所提方法能够达到较高的负荷辨识准确率。
-
关键词
非侵入式负荷辨识
弱分类器
ADABOOST算法
-
Keywords
non-intrusive load identification
weak classification
Adaboost algorithm
-
分类号
TM714
[电气工程—电力系统及自动化]
TM933.4
[电气工程—电力电子与电力传动]
-