江浩荣，徐茂鑫，王克英

(1.华南理工大学电力学院，广州市 510640；2.广州供电局有限公司，广州市 510620)

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

江浩荣1，徐茂鑫2，王克英1

(1.华南理工大学电力学院，广州市 510640；2.广州供电局有限公司，广州市 510620)

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Q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IEEE 118节点系统的碳能复合流优化仿真验证了算法的有效性。

碳能复合流优化; 网格化知识迁移; 连续Q学习

0 引 言

电力系统碳排放计算中，目前的主要方法是根据各类化石能源的统计消耗量及其排放系数计算系统内总的碳排放量，这种方法具有核算方便、目标明确的优点[1]。但是仅仅依靠碳排放总量计算，不能反映电力系统碳排放过程的细节，显然不能够应对在全系统网络中发展低碳电力的要求。为此有专家学者提出了碳排放流计算理论，将电力系统发电侧的碳排放与电网的功率潮流相结合，将碳排放等效为一种依附于有功潮流的虚拟网络流，由发电侧经过电网流入到用电终端[2]。……