基于多步回溯Q(λ)学习的互联电网随机最优CPS控制

被引：15

作者：

余涛 ^{[1
]}

周斌 ^{[1
,2
]}

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学系

来源：

电工技术学报 | 2011年 / 26卷 / 06期

基金：

广东省自然科学基金;

关键词：

自动发电控制; 控制性能标准; 多步Q(λ)学习; 非马尔可夫环境; 随机最优控制;

D O I：

10.19595/j.cnki.1000-6753.tces.2011.06.028

中图分类号：

TM732 [电力系统的运行];

学科分类号：

080802 ;

摘要：

针对非马尔可夫环境下火电占优的互联电网AGC控制策略,引入随机最优控制中Q(λ)学习的"后向估计"原理,可有效解决火电机组大时滞环节带来的延时回报问题。本文以CPS1/CPS2滚动平均值为状态输入,将CPS评价指标与松弛目标根据线性加权原则转化为MDP奖励函数,从长期的角度提出一种在线反馈学习结构的随机最优CPS控制。统计性仿真试验表明,所提CPS控制具有较强的适应性和动态性能,在保证CPS合格率基础上能有效减少调度端的平均发令次数和反调次数。同时,该策略提供了一种可通过修正松弛因子在线调整AGC系统的"松弛度",可降低发电成本及机组磨损,从而实现CPS松弛控制。

引用

页码：179 / 186

页数：8

共 9 条

[1] Q-LEARNING [J].