%0 Journal Article
%T 具有先验知识的 Q学习算法在AGC中的应用
%A 严正
%A 李红梅
%J 电力系统自动化
%D 2008
%X 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
%K 自动发电控制
%K 积分增益系数
%K Q学习
%K 先验知识
%K 模糊综合决策
%K automatic generation control（AGC）
%K integral gain
%K Q -learning
%K prior knowledge
%K fuzzy integrated decision-making
%U http://www.aeps-info.com/aeps/article/abstract/200805031?st=article_issue