-
题名具有先验知识的Q学习算法在AGC中的应用
被引量：10
- 1
-
-
作者
李红梅
严正
-
机构
上海交通大学电子信息与电气工程学院
-
出处
《电力系统自动化》
EI
CSCD
北大核心
2008年第23期36-40,99,共6页
-
基金
国家自然科学基金资助项目(90612018)~~
-
文摘
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。
-
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
-
Keywords
automatic generation control （AGC）
integral gain
Q-learning
prior knowledge
fuzzy integrated decision-making
-
分类号
TM761
[电气工程—电力系统及自动化]
-
