基于狼爬山快速多智能体学习策略的电力系统智能发电控制方法

为了解决互联复杂电力系统环境下自动发电协调控制问题,提出了一种多智能体智能发电控制策略。提出了一种具有多步回溯及变学习率的多智能体新算法——"狼爬山"算法。该算法可根据据CPS标准求解各种复杂运行环境下的平均策略。基于混合策略及平均策略,此算法不仅在非马尔可夫环境及大时延系统中具有高度适应性,而且能解决新能源电源接入所带来的互联复杂电力系统环境下自动发电协调控制问题。对标准两区域负荷频率控制电力系统模型及南网模型进行仿真,结果显示该算法能获得最优平均策略,闭环系统性能优异,与已有智能算法相比具有更高的学习能力及快速收敛速率。