基于分层相关均衡强化学习的 CPS 指令优化分配算法
提出了一种应用在控制性能标准(CPS)下自动发电控制(AGC)指令(CPS 指令)由调度端至各台机组的动态分配过程的分层多智能体相关均衡(HCEQ)算法。根据机组调频时延对其进行聚类分层,有效解决了 CPS 指令分配过程的维数灾难问题。相比单智能体强化学习算法,HCEQ 算法引入了均衡目标函数的求解,有效提高了算法寻优速度。将功率偏差、水电裕度和调节成本目标以线性加权的方法转化为算法奖励函数,研究了不同权值下 CPS 控制性能和调节成本的变化关系。南方电网模型仿真研究表明,HCEQ 算法具有较快的收敛速度,在复杂随机扰动的环境中能有效提高系统 CPS 考核合格率,并有效降低 AGC 调节成本。
自动发电控制、多智能体系统、随机对策、强化学习
TP3;TP2
国家重点基础研究发展计划973计划资助项目2013CB228205;国家自然科学基金资助项目51177051,51477055;中国南方电网规划研究项目。This work is supported by National Basic Research Program of China973 Program2013CB228205;National Natural Science Foundation of China51177051,51477055
2015-05-07(万方平台首次上网日期,不代表论文的发表时间)
共7页
80-86