摘 要：随着新能源技术以及智能电网的发展，电采暖技术也得到了广泛的应用。若要促进该技术快速健康发展，电采暖负荷类型的有效识别尤为关键。因此，文章提出了基于强化学习的电采暖识别方法。文章首先介绍了结合 K-Means 和最大期望（EM）方法对实际功率数据进行聚类的方式，然后建立针对电采暖识别的强化学习的框架，最后对处理后的电采暖数据进行识别验证，分析验证了该方法的可行性。
关键词：电采暖；强化学习；分类识别
DOI:10.19850/j.cnki.2096-4706.2021.09.003
基金项目：吉林省科技计划项目（20180101 057JC，20190302106GX）
中图分类号：TP391.4 文献标识码：A 文章编号：2096-4706（2021）09-0010-04
Research on Electric Heating Load Type Identification Based on Reinforcement Learning
YANG Anyun，SUN Hongbin
（Changchun Institute of Technology，Changchun 130012，China）
Abstract：With the development of new energy technology and smart grid，electric heating technology has also been widely used. In order to promote the rapid and healthy development of this technology，the effective identification of electric heating load type is particularly important. Therefore，this paper proposes an electric heating identification method based on reinforcement learning. It first introduces the way of clustering the actual power data by combining K-means and expectation maximum（EM）method，and then establishes a reinforcement learning framework for electric heating identification. Finally，the processed electric heating data is identified and verified，and the feasibility of this method is analyzed and verified.
Keywords：electric heating；reinforcement learning；classification and identification
参考文献：
[1] 陈强，孙丰凯，徐艳娴 . 冬季供暖导致雾霾 ? 来自华北城 市面板的证据 [J]. 南开经济研究，2017（4）：25-40.
[2] 李伟，张帆，张磊，等 . 计及电采暖类型差异的“煤改电” 工程谐波分析与评估 [J]. 电网与清洁能源，2016，32（10）：34-41.
[3] 毕正军，高长征 . 吉林省电采暖发展应用情况及推广策略 研究 [J]. 中国市场，2017（28）：85-87.
[4] 王千，王成，冯振元，等 .K-means 聚类算法研究综述 [J]. 电子设计工程，2012，20（7）：21-24.
[5] 王爱平，张功营，刘方 .EM 算法研究与应用 [J]. 计算机 技术与发展，2009（9）：108-110.
作者简介：杨安云（1995—），男，汉族，安徽宿州人，硕士 研究生在读，研究方向：综合能源优化；通讯作者：孙宏彬（1969—）， 男，汉族，吉林长春人，教授，博士，研究方向：智能电网、综合 能源优化。