具有先验知识的Q学习算法在AGC中的应用

• 作者: 严正 李红梅
• 来源期刊: 电力系统自动化
• 学科: 工学
• 关键词: 自动发电控制 积分增益系数 Q学习 先验知识 模糊综合决策
• 年，卷（期）: 2008,（23）
• 所属期刊栏目: 学术研究
• 页码范围: 36-40,99
• 页数: 6页
• 分类号: TM761
• 字数: 5169字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-1026.2008.23.009

摘要

传统的自动发电控制(AGC)系统通常基于经典的线性控制理论,并且大部分二次调频采用比例积分(PI)控制器,但系统固有的非线性以及结构多变使得积分增益系数不易确定,容易造成超调或调节不足的问题,从而影响系统频率稳定.文中采用强化学习控制器代替传统的PI调节器,将考虑了死区、出力约束、机组爬坡率和时延等非线性环节的AGC系统离散化成Markov链,直接将区域控制误差作为系统状态量,并充分利用AGC环境中的已有信息,结合模糊综合决策方法,获得能够改善Q学习效率的先验知识,采用Q学习算法对其进行学习得出离散的AGC策略.数值仿真的结果验证在非线性AGC系统中应用具有先验知识的Q学习方法可以加快收敛速度,提高学习效率,并通过控制性能评价标准(CPS)进一步检验了该方法的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	严正	上海交通大学电子信息与电气工程学院	118	1150	19.0	29.0
2	李红梅	上海交通大学电子信息与电气工程学院	13	105	6.0	10.0