本發明提供了一種基于深度強化學習的AGC機組動態優化方法,本發明引入了強化學習中的深度Q網絡(deep Q network,DQN)算法,通過智能體與環境的不斷交互,根據環境反饋的獎勵值,不斷改進智能體的策略,實現對系統中不確定性變量的學習,避免了對系統中的不確定性變量的建模。本方法能夠根據負荷和風電的預測信息,自適應學習預測帶來的不確定性,使得所給出的結果,即各臺AGC機組的調節量能夠更加吻合電力系統實際有功缺額,有助于系統的頻率穩定,解決大規模新能源并網帶來的隨機擾動問題。
聲明:
“基于深度強化學習的AGC機組動態優化方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)