|
|
- 2008
具有先验知识的 Q学习算法在AGC中的应用Keywords: 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,automatic generation control（AGC）, integral gain, Q -learning, prior knowledge, fuzzy integrated decision-making Abstract: 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
|
