共 15 条
- [4] Traffic Signal Timing via Deep Reinforcement Learning[J]. Li Li,Yisheng Lv,Fei-Yue Wang.IEEE/CAA Journal of Automatica Sinica. 2016(03)
- [10] 智能发电控制的多目标优化策略及其均衡强化学习理论[D]. 王怀智.华南理工大学. 2015
基于深度Q学习的强鲁棒性智能发电控制器设计
被引：13
作者：
殷林飞
余涛
机构：
[1] 华南理工大学电力学院
来源：
关键词：
深度Q学习;
智能发电控制;
强鲁棒性;
深度神经网络;
多智能体系统;
D O I：
10.16081/j.issn.1006-6047.2018.05.002
中图分类号：
TM76 [电力系统的自动化];
学科分类号：
摘要：
在现代互联大电网背景下,研究了多区域强鲁棒性的智能发电控制策略。在Q学习的架构下,将深度神经网络的预测机制作为强化学习的动作选择机制,提出了一种具有强鲁棒性的深度Q学习算法,设计了基于该算法的智能发电控制器。针对智能电网下的智能发电控制问题,在多智能体系统的框架下采用所提深度Q学习算法进行控制,并与传统的PID、Q学习和Q(λ)算法进行对比。在IEEE标准2区域和以南方电网4区域为背景的仿真模型(采用了23 328种不同模型参数)中进行数值仿真,仿真结果验证了所提深度Q学习算法的可行性和有效性,也验证了所设计控制器的强鲁棒性。
引用
收藏
页码：12 / 19
页数：8
相关论文