香港特区政府研究资助局资助项目(RGCPolyUG-U494)
- 作品数：2 被引量：45H指数：2
- 相关作者：陈家荣周斌余涛更多>>
- 相关机构：香港理工大学华南理工大学更多>>
- 发文基金：香港特区政府研究资助局资助项目国家自然科学基金广东省自然科学基金更多>>
- 相关领域：电气工程更多>>
- 基于Q学习的互联电网动态最优CPS控制被引量：36
- 2009年
- 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。
- 余涛周斌陈家荣
- 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
- 基于多步回溯Q(λ)学习的互联电网随机最优CPS控制被引量：13
- 2011年
- 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。
- 余涛周斌陈家荣
- 关键词：自动发电控制控制性能标准随机最优控制
