基于平行系统的人工智能量化评估和自主进化方法及设备技术方案

本发明专利技术提供了一种基于平行系统的人工智能量化评估和自主进化方法及设备。所述方法包括：步骤1至步骤7。本发明专利技术能够对电网调控智能系统的智能水平进行客观量化评估，便于电力从业人员对不同智能系统的智能水平的比较和优选，还能够以智能水平提升为导向，促进智能系统的自主进化，自主寻找智能水平更优、调控电网效果更好的智能系统。网效果更好的智能系统。网效果更好的智能系统。

【技术实现步骤摘要】
基于平行系统的人工智能量化评估和自主进化方法及设备


[0001]本专利技术实施例涉及人工智能与电力系统
，尤其涉及一种基于平行系统的人工智能量化评估和自主进化方法及设备。

技术介绍

[0002]利用智能体解决电力系统调控问题是AI技术实际应用研究中的一个重要课题，其中电网校正控制智能体在电网中的应用是该课题的重要分支。为优化智能体的设计，并设计生成更为类人的智能体，需要比较不同智能体间的优劣，并对比不同智能体之间、智能体与人类间的相似度。然而迄今为止，智能体难以用统一的标准进行评估比较。
[0003]智能体的智能评估是指通过主观或客观的衡量，对智能体的智能水平进行描述的方法；智能量化评估则是对智能体智能水平的客观量化衡量，以量化的形式对衡量结果进行描述。作为构建智能体的经典算法之一，强化学习(RL)面临着这样的问题：强化学习难以快速探索出在真实环境中表现良好的智能体模型，相关算法具有脆弱性，对电网等复杂领域中的问题，手动寻找强度中等的超参数就已非常昂贵；在对大量计算有需求的领域中，需提升强化学习算法的灵活性。目前为止，这些问题可以利用自动强化学习(AutoRL)技术解决。AutoRL技术是一种专门针对RL智能体进化的自动机器学习(AutoML)技术，旨在通过自主调整RL智能体的网络架构、超参数和算法，实现智能体的自主进化；而AutoML是一种由数据驱动的，将整个机器学习流程自动化的智能体生成优化系统，可以大幅缩减智能体的开发成本，同时获得性能良好的智能体。AutoRL技术常用优化搜索方法包括网格搜索、随机搜索、进化算法、贝叶斯优化等。其中，贝叶斯优化算法作为一种被广泛使用的系统自主进化方法，鉴于其具有顺序决策的概念，被应用在工业和各种科学实验之中。但是，在对利用AutoRL技术进化结果的理解和解释上，面临着和智能体同样的难以理解比较的问题。因此，开发一种基于平行系统的人工智能量化评估和自主进化方法及设备，可以有效克服上述相关技术中的缺陷，就成为业界亟待解决的技术问题。

技术实现思路

[0004]针对现有技术存在的上述问题，本专利技术实施例提供了一种基于平行系统的人工智能量化评估和自主进化方法及设备。
[0005]第一方面，本专利技术的实施例提供了一种基于平行系统的人工智能量化评估和自主进化方法，包括：步骤1：构建智能量化评估指标体系，并从中选取智能指标m；步骤2：依据所选的智能指标m，设置并生成测试场景n
m
；步骤3：依据指标评分公式，计算被测智能体在智能指标m的测试场景n
m
中的智能水平进行量化评分E
m,n
；步骤4：构建智能量化评估函数，并计算被测智能体的综合智能水平；步骤5：构建基于智能评估的自主趋优进化的目标函数；步骤6：以平行系统为基础平台，依据目标函数，引入智能量化评估，构建智能体基于智能评估的自主趋优进化基本框架；步骤7：根据自主进化基本框架，构建基于智能评估的自主趋优进化系统。
[0006]在上述方法实施例内容的基础上，本专利技术实施例中提供的基于平行系统的人工智能量化评估和自主进化方法，步骤1具体包括：步骤1.1：将机器智能划分为35个指标；步骤1.2：依照代表性、全面性的原则，分别从相较于人类的相似性和优越性，任务完成情况，以及智能体应具有的智能水平，对35个指标进行分类总结；步骤1.3：依据对35个智能指标的分类总结，构建智能量化评估指标体系；步骤1.4：依据被测智能体T
(k)
执行的具体任务和应具有的能力，从步骤1.3所构建的智能量化评估指标体系中，选取合适的智能指标m，用于后续智能评估。
[0007]在上述方法实施例内容的基础上，本专利技术实施例中提供的基于平行系统的人工智能量化评估和自主进化方法，步骤2具体包括：步骤2.1：依据所选取的智能指标m，明确各测试场景的特征，以及对各测试场景的需求；步骤2.2：比照被测智能体的训练场景，依据测试场景的特征和需求，于平行系统中生成智能指标m的测试场景n
m
。
[0008]在上述方法实施例内容的基础上，本专利技术实施例中提供的基于平行系统的人工智能量化评估和自主进化方法，步骤3和步骤4具体包括：步骤3.1：在平行系统生成的测试场景中，对被测智能体进行测试运行，获取其在测试场景中运行状态的观测Y
tA,(k)
；步骤3.2：依据被测智能体执行的任务和解决的问题，选取或构建合适的指标量化评分公式，并采用这些评分公式，借助Y
tA,(k)
计算智能体在测试场景中评分E
m,n
；步骤3.3：采用熵权法，通过E
m,n
计算或选择智能指标中各评分函数的权重w
n
；步骤3.4：采用(1)式所示的加权求和方法，采用E
m,n
和w
n
，计算各指标的测试得分E
m
(Y
tA,(k)
,T
(k)
,n
m
)，
[0009][0010]其中，n为指标评分公式，N为标评分公式的总数，E'
m,n
是归一化后的E
m,n
；
[0011]步骤4.1：采用熵权法计算各智能指标的权重w
m
，或取w
m
＝1/M，其中M是选取的智能指标总数；步骤4.2：采用(2)，计算智能体的综合智能水平I
(k)
，
[0012][0013]在上述方法实施例内容的基础上，本专利技术实施例中提供的基于平行系统的人工智能量化评估和自主进化方法，步骤5具体包括：步骤5.1：分析总结AutoRL的目标函数，与智能量化评估结合，建立基于智能评估的自主趋优进化的目标函数如(3)式和(4)式：
[0014]T
*
＝argmax
1≤k≤K
I
(k)
(T
(k)
(p
(k)
),n
m
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0015]p
*
＝argmax
1≤k≤K
J(T
(k)
(p
(k)
))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0016]其中，T
*
和p
*
分别表示最优综合智能水平I
*
对应的最优智能体及其模型参数和超参数；p
(k)
是每次迭代生成的智能体T
(k)
的模型参数和超参数，其综合智能水平为I
(k)
；(k)表示智能体进化时的迭代次数；J为强化学习的奖励函数。
[0017]在上述方法实施例内容的基础上，本专利技术实施例中提供的基于平行系统的人工智能量化评估和自主进化方法，步骤6具体包括：步骤6.1：依据平行系统的管理与控制过程，获得基于智能评估的自主进化过程的数学表达，如(5本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于平行系统的人工智能量化评估和自主进化方法，其特征在于，包括：步骤1：构建智能量化评估指标体系，并从中选取智能指标m；步骤2：依据所选的智能指标m，设置并生成测试场景n
m
；步骤3：依据指标评分公式，计算被测智能体在智能指标m的测试场景n
m
中的智能水平进行量化评分E
m,n
；步骤4：构建智能量化评估函数，并计算被测智能体的综合智能水平；步骤5：构建基于智能评估的自主趋优进化的目标函数；步骤6：以平行系统为基础平台，依据目标函数，引入智能量化评估，构建智能体基于智能评估的自主趋优进化基本框架；步骤7：根据自主进化基本框架，构建基于智能评估的自主趋优进化系统。2.根据权利要求1所述的基于平行系统的人工智能量化评估和自主进化方法，其特征在于，步骤1具体包括：步骤1.1：将机器智能划分为35个指标；步骤1.2：依照代表性、全面性的原则，分别从相较于人类的相似性和优越性，任务完成情况，以及智能体应具有的智能水平，对35个指标进行分类总结；步骤1.3：依据对35个智能指标的分类总结，构建智能量化评估指标体系；步骤1.4：依据被测智能体T
(k)
执行的具体任务和应具有的能力，从步骤1.3所构建的智能量化评估指标体系中，选取合适的智能指标m，用于后续智能评估。3.根据权利要求2所述的基于平行系统的人工智能量化评估和自主进化方法，其特征在于，步骤2具体包括：步骤2.1：依据所选取的智能指标m，明确各测试场景的特征，以及对各测试场景的需求；步骤2.2：比照被测智能体的训练场景，依据测试场景的特征和需求，于平行系统中生成智能指标m的测试场景n
m
。4.根据权利要求3所述的基于平行系统的人工智能量化评估和自主进化方法，其特征在于，步骤3和步骤4具体包括：步骤3.1：在平行系统生成的测试场景中，对被测智能体进行测试运行，获取其在测试场景中运行状态的观测Y
tA,(k)
；步骤3.2：依据被测智能体执行的任务和解决的问题，选取或构建合适的指标量化评分公式，并采用这些评分公式，借助Y
tA,(k)
计算智能体在测试场景中评分E
m,n
；步骤3.3：采用熵权法，通过E
m,n
计算或选择智能指标中各评分函数的权重w
n
；步骤3.4：采用(1)式所示的加权求和方法，采用E
m,n
和w
n
，计算各指标的测试得分E
m
(Y
tA,(k)
,T
(k)
,n
m
)，其中，n为指标评分公式，N为标评分公式的总数，E'
m,n
是归一化后的E
m,n
；步骤4.1：采用熵权法计算各智能指标的权重w
m
，或取w
m
＝1/M，其中M是选取的智能指标总数；步骤4.2：采用(2)，计算智能体的综合智能水平I
(k)
，5.根据权利要求4所述的基于平行系统的人工智能量化评估和自主进化方法，其特征在于，步骤5具体包括：步骤5.1：分析总结AutoRL的目标函数，与智能量化评估结合，建立基于智能评估的自主趋优进化的目标函数如(3)式和(4)式：T
*
＝arg...

【专利技术属性】
技术研发人员：张俊，张天韵，高天露，张浩然，司睿绮，许沛东，陈思远，
申请(专利权)人：武汉大学，
类型：发明
国别省市：