基于强化学习算法的双馈感应风力发电机自校正控制

被引:4
作者
李靖 [1 ]
余涛 [1 ]
王克英 [1 ]
唐捷 [2 ]
机构
[1] 华南理工大学
[2] 广东电网公司韶关供电局
关键词
风力发电; 双馈感应发电机; 强化学习; Q学习算法; 自校正控制;
D O I
暂无
中图分类号
TM315 [风力发电机];
学科分类号
080802 [电力系统及其自动化];
摘要
针对双馈感应风力发电系统结构复杂,受参数变化和外部干扰较显著,具有非线性、时变、强耦合的特点,在传统矢量控制的基础上,提出一种基于强化学习的自校正控制方法。引入Q学习算法作为强化学习核心算法,快速自动地在线优化PI控制器的输出。基于MATLAB/Simulink环境,在风速低于额定风速时对系统进行仿真,结果表明,引入强化学习自校正控制后,保持了原系统最大风能捕获的能力,同时改善了其动态性能,增强了鲁棒性和自适应性。
引用
收藏
页码:52 / 55
页数:4
相关论文
共 9 条
[1]
基于无源性与自适应降阶观测器的双馈风力发电机控制 [J].
王君瑞 ;
钟彦儒 ;
宋卫章 .
中国电机工程学报, 2011, 31 (33) :159-168
[2]
双馈感应发电机转速的非线性模型预测控制 [J].
刘吉宏 ;
徐大平 ;
吕跃刚 .
电网技术, 2011, 35 (04) :159-163
[3]
基于多步回溯Q(λ)学习算法的多目标最优潮流计算 [J].
余涛 ;
胡细兵 ;
刘靖 .
华南理工大学学报(自然科学版), 2010, 38 (10) :139-145
[4]
强化学习理论在电力系统中的应用及展望 [J].
余涛 ;
周斌 ;
甄卫国 .
电力系统保护与控制, 2009, 37 (14) :122-128
[5]
大型风电机组模糊滑模鲁棒控制器设计与仿真 [J].
孔屹刚 ;
王志新 .
中国电机工程学报, 2008, (14) :136-141
[6]
交流励磁变速恒频风力发电机的运行控制及建模仿真 [J].
刘其辉 ;
贺益康 ;
张建华 .
中国电机工程学报, 2006, (05) :43-50
[7]
强化学习理论及应用.[M].张汝波编著;.哈尔滨工程大学出版社.2001,
[8]
ASYNCHRONOUS STOCHASTIC-APPROXIMATION AND Q-LEARNING [J].
TSITSIKLIS, JN .
MACHINE LEARNING, 1994, 16 (03) :185-202
[9]
Technical Note: Q-Learning.[J].Christopher J.C.H. Watkins;Peter Dayan.Machine Learning.1992, 3