基于深度Q学习的强鲁棒性智能发电控制器设计

被引：14

作者：

殷林飞

余涛

机构：

[1] 华南理工大学电力学院

来源：

电力自动化设备 | 2018年 / 38卷 / 05期

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

页码：12 / 19

页数：8

共 15 条

[11] 汽轮机电液调节系统模型参数辨识研究[D]. 许天宁.吉林大学. 2015
[12] 基于JADE的多智能体动态博弈自动发电控制仿真平台研究[D]. 郑闻成.华南理工大学. 2014
[13] 风光互补智能控制系统的设计与实现[D]. 程军.中国科学技术大学. 2009
[14] Automatic generation control of a multi area hydrothermal system using reinforced learning neural network controller
Saikia, Lalit Chandra
Mishra, Sukumar
Sinha, Nidul
Nanda, J.
[J]. INTERNATIONAL JOURNAL OF ELECTRICAL POWER & ENERGY SYSTEMS, 2011, 33 (04) : 1101 - 1108
[15] The application of ANN technique to automatic generation control for multi-area power system
Zeynelgil, HL
Demiroren, A
Sengor, NS
[J]. INTERNATIONAL JOURNAL OF ELECTRICAL POWER & ENERGY SYSTEMS, 2002, 24 (05) : 345 - 354

← 1 2 →