基于强化学习的互联电网cps自校正控制 reinforcement learning based cps self-tuning control methodology for interconnected power systems.pdfVIP

下载本文档

3
0
约2.35万字
约 6页
2017-08-13 发布于上海
举报
版权申诉

基于强化学习的互联电网cps自校正控制 reinforcement learning based cps self-tuning control methodology for interconnected power systems.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于强化学习的互联电网cps自校正控制 reinforcement learning based cps self-tuning control methodology for interconnected power systems

第37卷第10期电力系统保护与控制、，b1．37No．10 and Power ProtectionControl 2009年5月16日 System 16，2009 May 基于强化学习的互联电网CPS自校正控制余涛，周斌 (华南理工大学电力学院，广东广州510640) 摘要：AGC是一个动态多级决策问题～～马尔可夫决策过程(MOP)，应用强化学习算法可有效地实现控制策略的在线学习和动态优化决策．引入Q学习算法作为强化学习核心算法，将CPS值看作包含AGC的电力系统“环境”所给的“奖励”，依靠奖励值 Q函数与CPS控制动作形成的闭环控制结构实现在线学习．学习目标是使CPS控制动作从环境获得的长期积累奖励值最大，从而快速自动地在线优化CPS控制系统的输出。仿真研究显示，引入强化学习自校正控制后显著增强了整个AGC系统的鲁棒性和适应性，有效提高了CPS考核合格率．关键词：强化学习；Q学习算法；自动发电控制；CPS标准；自校正控制 ReinforcementbasedCPS control methodology learning self-tuning forinterconnected power systems 。YUTao，ZHOUBin ofElectric Chinaof 5 Power,South (College Technology,Guangzhou10640,China) as Abstract：Theautomatic isastochastic decision callbemodeleda generationcontrol(AGC)problemmultistageproblem，which MarkovianDecision introducesthe methodasthecore ofreinforcement Process(MDP)．Thepaper Q-learning algorithm learning as the (RL)，and theCPSvaluestherewardsfrominterconnected a CPScontrol regards powersystems．Byregulatingclosed—loop roletomaximizethetotalrewardin ofon-line CPS callbe obtained． the control procedure learning，theoptimal strategy