基于R(λ)学习的孤岛微电网智能发电控制

被引：16

作者：

余涛 ^{[1
]}

梁海华 ^{[1
]}

周斌 ^{[2
]}

机构：

[1] 华南理工大学电力学院

[2] 香港理工大学电机工程学系

来源：

电力系统保护与控制 | 2012年 / 40卷 / 13期

关键词：

R(λ)学习; 智能发电控制; 微电网; 分布式电源; 负荷频率控制;

D O I：

暂无

中图分类号：

TM76 [电力系统的自动化];

学科分类号：

080802 ;

摘要：

通过研究各种分布式电源的发电特性,搭建了含风电、光伏发电、飞轮储能、小水电、微型燃气轮机与负荷的微电网负荷频率控制(Load Frequency Control,LFC)模型,其中小水电和微型燃气轮机为调频机组。将大型互联电网中的集中式自动发电控制(Automatic Generation Control,AGC)原理引入微电网,并结合基于平均报酬模型的多步R(λ)学习算法,提出了一种孤岛运行模式下基于强化学习的AGC控制器,以实现对微网的智能发电控制与频率调整。仿真试验分析表明,与PI控制、Q学习和Q(λ)学习相比,所提出的R(λ)控制器具有快速收敛特性和良好的动态性能以及较强的模型适应性。

引用

页码：7 / 13

页数：7

共 13 条

[11] Frequency control in micro-grid power system combined with electrolyzer system and fuzzy PI controller [J].

Li, Xiangjun ;

Song, Yu-Jin ;

Han, Soo-Bin .

JOURNAL OF POWER SOURCES, 2008, 180 (01) :468-475

[12]

Average reward reinforcement learning: Foundations, algorithms, and empirical results[J] . Sridhar Mahadevan.Machine Learning . 1996 (1)

[13]

Trade-off Analysis of Autonomous Microgrid Sizing with PV, Diesel, and Battery Storage .2 Saito N,Niimura T,Koyanagi K. IEEE Power and Energy Society General Meeting . 2009

← 1 2 →