基于Q学习的互联电网动态最优CPS控制

被引：38

作者：

余涛 ^{[1
]}

周斌 ^{[1
]}

陈家荣 ^{[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系

来源：

中国电机工程学报 | 2009年 / 29卷 / 19期

基金：

广东省自然科学基金;

关键词：

自动发电控制; Q学习; 马尔可夫决策过程; 控制性能标准; 最优控制;

D O I：

10.13334/j.0258-8013.pcsee.2009.19.015

中图分类号：

TM76 [电力系统的自动化];

学科分类号：

080802 ;

摘要：

控制性能标准(control performance standard,CPS)下互联电网自动发电控制(automatic generation control,AGC)系统是一个典型的不确定随机系统,应用基于马尔可夫决策过程(Markov decision process,MDP)理论的Q学习算法可有效地实现控制策略的在线学习和动态优化决策。将CPS值作为包含AGC的电力系统"环境"所给的"奖励",依靠Q值函数与CPS控制动作形成的闭环反馈结构进行交互式学习,学习目标为使CPS动作从环境中获得的长期积累奖励值最大。提出一种实用的半监督群体预学习方法,解决了Q学习控制器在预学习试错阶段的系统镇定和快速收敛问题。仿真研究表明,引入基于Q学习的CPS控制可显著增强整个AGC系统的鲁棒性和适应性,有效提高了CPS的考核合格率。

引用

页码：13 / 19

页数：7

共 10 条

[1] 基于现代内点理论的互联电网控制性能评价标准下的AGC控制策略 [J].