【技术实现步骤摘要】
本申请属于一种智能体优化方法，具体涉及一种智能体趋优进化方法及相关装置。
技术介绍
1、智能体普遍面临着难以被理解的问题，进而难以按照统一的标准对其进行评估比较。由于智能体的智能是类比人类的智能，所以在量化评估智能水平的时候，要参考人类智力水平测试评估的方式，通过确定智能体实现配电网智能管控的能力和技能习得效率的评价标准，对智能系统的技能习得情况和智能水平进行评估。对智能体的量化评估可以用于不同智能系统间的优劣对比，进而促进智能体间的趋优进化，也就是调整智能系统的模型结构或参数设置，最终提升智能系统的性能，提升配电网的管控效果和智能系统的智能水平。
2、j. liang等人提出一种名为学习进化ai框架（leaf）的进化自动机器学习框架，leaf是一个由三个主要组件组成的自动机器学习系统，包括算法层、系统层和问题域层。算法层和系统层协同工作，以支持问题域层，leaf能够解决诸如超参数调优、架构搜索和复杂性最小化等问题。但是，leaf的结果无法在预期的领域之外进行推广，leaf模型需要由专家通过试错的过程手动设计的，既繁琐又昂贵，甚至可能出错。ashraf等人采用一种基于群体的优化算法，即鲸鱼优化算法（whale optimization algorithm，woa），用于优化深度确定性策略梯度（deep deterministic policy gradient，ddpg）算法的超参数，以在自主驾驶控制问题中实现最佳控制策略。但是，woa效率较低，通常需要数千个cpu核心才能取得良好的结果。另外，该方法还没有同时应用于
技术实现思路
1、本申请针对现有智能体趋优进化方法存在方法繁琐，成本高，出错率高，以及效率低的技术问题，提供一种智能体趋优进化方法及相关装置。
2、为了实现上述目的，本申请采用以下技术方案予以实现：
3、第一方面，本申请提出一种智能体趋优进化方法，包括：
4、构建与实际电力系统对应的虚拟电力系统；
5、基于配电网文本数据构建知识图谱，作为先验知识；
6、结合知识图谱，根据智能体执行的任务、智能体自身特性，以及智能体运行中体现的能力，选取智能体评价指标；
7、在虚拟电力系统中设置智能体测试场景；
8、结合智能体评价指标量化评分函数，根据智能体评价指标计算智能体在智能体测试场景中的智能水平；
9、根据所述智能水平，优化调整智能体的超参数，并在每次优化调整智能体的超参数之后重新计算对应的智能水平，在执行预设次数后，选取智能水平最高的智能体，作为最优智能体。
10、进一步地，所述虚拟电力系统，包括：
11、
12、
13、其中，是虚拟电力系统的潮流计算方程，是虚拟电力系统的观测方程，是虚拟电网中电网调控智能体在时刻输出的动作和操作，是在时刻实际电网的控制量，是实际系统观测和虚拟系统观测间的差异，是在时刻实际电力系统中智能体观测到的目标电网电气量，是在时刻虚拟电力系统中智能体观测到的目标电网电气量，是潮流计算方程、观测方程、智能体的控制动作、实际电网控制变量的约束条件，表示迭代次数，表示虚拟电力系统，表示实际电力系统。
14、进一步地，所述基于配电网文本数据构建知识图谱，包括：
15、从配电网的故障/检修预案和调度规程规定中提取数据信息；
16、使用知识图谱技术，对提取的数据信息进行建模，
17、使用知识图谱的技术对抽取出的关键信息进行建模，构建知识图谱。
18、进一步地，所述根据智能体执行的任务、智能体自身特性，以及智能体运行中体现的能力，选取智能体评价指标，包括：
19、综合考虑智能体相较于先验知识的相似性和优越性、智能体的任务完成情况、智能体的智能水平，选取智能体评价指标。
20、进一步地，选取的智能体评价指标，包括专家样本利用率、有功裕度和线路过载率。
21、进一步地，所述专家样本利用率，包括：
22、
23、所述有功裕度，包括：
24、
25、其中，为有功裕度，为时间断面的序号，为时间断面数量，为电力系统中发电机数量，为发电机序号，为第 i个发电机 t时刻的最大出力，为第 i个发电机 t时刻的出力；
26、所述线路过载率，包括：
27、
28、其中，为线路过载率，为第 i条过载线路的最大限载容量，为第 r条过载线路 t时刻的负载率， m表示过载线路数量， r为过载线路序号。
29、进一步地，所述智能体评价指标量化评分函数，包括：
30、
31、其中，为智能体评价指标量化评分函数，为智能体在智能体测试场景中运行状态的观测，为进化过程中第 k次迭代生成的电气调控智能体，为智能体测试场景；
32、所述智能水平的计算方法，包括：
33、
34、其中，为智能水平，为指标权重，m为智能体评价指标的总数，m为智能体评价指标的序号。
35、第二方面，本申请提出一种智能体趋优进化系统，包括：
36、系统模块，用于构建与实际电力系统对应的虚拟电力系统；
37、图谱模块，用于基于配电网文本数据构建知识图谱，作为先验知识；
38、指标模块，用于结合知识图谱，根据智能体执行的任务、智能体自身特性，以及智能体运行中体现的能力，选取智能体评价指标；
39、场景模块，用于在虚拟电力系统中设置智能体测试场景；
40、测试模块，用于结合智能体评价指标量化评分函数，根据智能体评价指标计算智能体在智能体测试场景中的智能水平；
41、优化模块，用于根据所述智能水平，优化调整智能体的超参数，并在每次优化调整智能体的超参数之后重新计算对应的智能水平，在执行预设次数后，选取智能水平最高的智能体，作为最优智能体。
42、进一步地，所述虚拟电力系统，包括：
43、
44、
45、其中，是虚拟电力系统的潮流计算方程，是虚拟电力系统的观测方程，是虚拟电网中电网调控智能体在时刻输出的动作和操作，是在时刻实际电网的控制量，是实际系统观测和虚拟系统观测间的差异，是在时刻实际电力系统中智能体观测到的目标电网电气量，是在时刻虚拟电力系统中智能体观测到的目标电网电气量，是潮流计算方程、观测方程、智能体的控制动作、实际电网控制变量的约束条件，表示迭代次数，表示虚拟系统本文档来自技高网...
【技术保护点】
1.一种智能体趋优进化方法，其特征在于，包括：
2.根据权利要求1所述的智能体趋优进化方法，其特征在于，所述虚拟电力系统，包括：
3.根据权利要求1所述的智能体趋优进化方法，其特征在于，所述基于配电网文本数据构建知识图谱，包括：
4.根据权利要求1所述的智能体趋优进化方法，其特征在于，所述根据智能体执行的任务、智能体自身特性，以及智能体运行中体现的能力，选取智能体评价指标，包括：
5.根据权利要求1所述的智能体趋优进化方法，其特征在于，选取的智能体评价指标，包括专家样本利用率、有功裕度和线路过载率。
6.根据权利要求1所述的智能体趋优进化方法，其特征在于：
7.根据权利要求1所述的智能体趋优进化方法，其特征在于：所述智能体评价指标量化评分函数，包括：
8.一种智能体趋优进化系统，其特征在于，包括：
9.根据权利要求8所述的智能体趋优进化系统，其特征在于，所述虚拟电力系统，包括：
10.根据权利要求8所述的智能体趋优进化系统，其特征在于，所述基于配电网文本数据构建知识图谱，包
11.根据权利要求8所述的智能体趋优进化系统，其特征在于，所述根据智能体执行的任务、智能体自身特性，以及智能体运行中体现的能力，选取智能体评价指标，包括：
12.根据权利要求8所述的智能体趋优进化系统，其特征在于，选取的智能体评价指标，包括专家样本利用率、有功裕度和线路过载率。
13.根据权利要求8所述的智能体趋优进化系统，其特征在于：
14.根据权利要求8所述的智能体趋优进化系统，其特征在于：所述智能体评价指标量化评分函数，包括：
15.一种电子设备，其特征在于，包括：存储器、一个或多个处理器；所述存储器与所述处理器耦合；其中，所述存储器中存储有计算机程序代码，所述计算机程序代码包括计算机指令，当所述计算机指令被所述处理器执行时，所述电子设备执行如权利要求1至7任一所述智能体趋优进化方法的步骤。
16.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一所述智能体趋优进化方法的步骤。
...【技术特征摘要】
1.一种智能体趋优进化方法，其特征在于，包括：
2.根据权利要求1所述的智能体趋优进化方法，其特征在于，所述虚拟电力系统，包括：
3.根据权利要求1所述的智能体趋优进化方法，其特征在于，所述基于配电网文本数据构建知识图谱，包括：
4.根据权利要求1所述的智能体趋优进化方法，其特征在于，所述根据智能体执行的任务、智能体自身特性，以及智能体运行中体现的能力，选取智能体评价指标，包括：
5.根据权利要求1所述的智能体趋优进化方法，其特征在于，选取的智能体评价指标，包括专家样本利用率、有功裕度和线路过载率。
6.根据权利要求1所述的智能体趋优进化方法，其特征在于：
7.根据权利要求1所述的智能体趋优进化方法，其特征在于：所述智能体评价指标量化评分函数，包括：
8.一种智能体趋优进化系统，其特征在于，包括：
9.根据权利要求8所述的智能体趋优进化系统，其特征在于，所述虚拟电力系统，包括：
10.根据权利要求8所述的智能体趋优进化系统，其特征在于，所述基于配电网文本...
【专利技术属性】
技术研发人员：乔骥，顾军，苏运，赵广顺，郭磊，和嘉星，
申请(专利权)人：中国电力科学研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。