具有先验知识的Q学习算法在AGC中的应用

作     者：李红梅 严正 LI Hongmei;YAN Zheng

作者机构：上海交通大学电子信息与电气工程学院上海市200240 

出 版 物：《电力系统自动化》 (Automation of Electric Power Systems)

年 卷 期：2008年第32卷第23期

页      面：36-40,99页

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金资助项目(90612018)~~ 

主　　题：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 

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。