Due to the nature of the imitative

Due to the nature of the imitative techniques used in the SL algorithm, we must producealso an appropriate learning set, as described in Section 3.3, before using it for the decisionmaking. Two additional scenarios, S 4 and S 5 are generated in the same way of the testones (the average daily prices of the training scenarios are showed in Fig. 5.3. Thetwo resulting power flow problems are solved using the FBS-OPF algorithm presentedin Section 4.2 and the outputs are processed to obtain the learning sets as described inSection 3.3.

結果 (繁體中文) 1:

由於在SL算法中使用的模仿技術的性質，我們必須生產
也是一個合適的學習集，使用它的決定之前3.3節所述，
製作。兩個附加情景，S 4和S 5在testones的相同的方式（的訓練場景的平均每日價格顯示在圖5.3。產生
兩個結果的功率流的問題是使用呈現的FBS-OPF算法求解
在第4.2節和輸出被處理以獲得學習組中所述
第3.3節。

結果 (繁體中文) 2:

由於SL演算法中使用的模仿技術的性質，我們必須產生
也適當的學習集，如第 3.3 節所述，然後再將其用於決策
使。另外兩個場景 S 4 和 S 5 以測試方法生成（訓練場景的平均每日價格如圖 5.3 所示）。的
使用提出的FBS-OPF演算法解決了兩個產生的功率流問題
在第 4.2 節中，對輸出進行處理，以獲得學習集，如
第3.3節.

結果 (繁體中文) 3:

由於SL算灋中使用的模擬技術的性質，我們必須
同樣是一個適當的學習集，如第3.3節所述，在用於決策之前
製作。另外兩個場景，S 4和S 5是以與測試相同的管道生成的（訓練場景的平均日價格如圖5.3所示）。這個
利用提出的FBS-OPF算灋解决了兩個由此產生的潮流問題
在第4.2節中，對輸出進行處理，以獲得學習集，如
第3.3節。