期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度强化学习与改进Jensen模型的风电场功率优化
1
作者
王冠朝
霍雨翀
+1 位作者
李群
李强
《中国电力》
北大核心
2025年第4期78-89,共12页
风电场的功率捕获能力受多种因素的制约。为最大化风电场的功率输出,并应对尾流效应和湍流风速的影响,提出一种基于深度强化学习的风电场控制方案。该方案结合有模型与无模型的控制方法,并整合至基于Actor-Critic架构的深度确定性策略...
风电场的功率捕获能力受多种因素的制约。为最大化风电场的功率输出,并应对尾流效应和湍流风速的影响,提出一种基于深度强化学习的风电场控制方案。该方案结合有模型与无模型的控制方法,并整合至基于Actor-Critic架构的深度确定性策略梯度强化学习网络中。在控制精度方面,采用改进的Jensen尾流模型,通过考虑时间延迟,提升了尾流效应的精确性,并有效捕捉了风电场长期功率输出。仿真结果表明,相比于传统单纯的有模型或者无模型方法,所提方法有效提升了风电场的最大功率输出,同时在保证控制精度的基础上,显著降低了训练时间和计算资源消耗,从而提升了控制策略的整体性能。
展开更多
关键词
风电场控制
最大化风能捕获
深度强化学习
无模型控制
有模型控制
神经网络
在线阅读
下载PDF
职称材料
题名
基于深度强化学习与改进Jensen模型的风电场功率优化
1
作者
王冠朝
霍雨翀
李群
李强
机构
南京理工大学电气工程系
国网江苏省电力有限公司电力科学研究院
出处
《中国电力》
北大核心
2025年第4期78-89,共12页
基金
国家电网有限公司科技项目(攻关团队项目)(含多构网型变流器的中远海风电场经柔直并网主动频率支撑关键技术,5108-202218280A-2-241-XG)。
文摘
风电场的功率捕获能力受多种因素的制约。为最大化风电场的功率输出,并应对尾流效应和湍流风速的影响,提出一种基于深度强化学习的风电场控制方案。该方案结合有模型与无模型的控制方法,并整合至基于Actor-Critic架构的深度确定性策略梯度强化学习网络中。在控制精度方面,采用改进的Jensen尾流模型,通过考虑时间延迟,提升了尾流效应的精确性,并有效捕捉了风电场长期功率输出。仿真结果表明,相比于传统单纯的有模型或者无模型方法,所提方法有效提升了风电场的最大功率输出,同时在保证控制精度的基础上,显著降低了训练时间和计算资源消耗,从而提升了控制策略的整体性能。
关键词
风电场控制
最大化风能捕获
深度强化学习
无模型控制
有模型控制
神经网络
Keywords
wind farm control
maximizing wind energy capture
deep reinforcement learning
model-free control
model-based control
neural network
分类号
TM614 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度强化学习与改进Jensen模型的风电场功率优化
王冠朝
霍雨翀
李群
李强
《中国电力》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
