基于在线强化学习的风电系统自适应负荷频率控制
大规模风电接入给系统带来新的不确定性,影响系统频率响应特性,从数据驱动的角度出发,提出了一种基于自适应动态模型的在线强化学习方法,用于系统的负荷频率控制.建立低秩自编码器特征提取网络,从所量测的低维数据中发现隐藏特征;基于特征网络,建立非线性动态系统稀疏辨识学习模型,感知系统动态模型的潜在物理状态,提升模型在线学习效率;通过结合模型预测控制,进行实时决策控制.所提出方法能够有效解决传统模型预测控制对系统全局模型准确性的依赖问题,加强控制器对系统动态模型的自适应性,且能有效跟踪风电输出功率的随机波动.最后,以接入四型风机的负荷频率控制模型为例,验证所提方法的有效性.
负荷频率控制、低秩自编码器、非线性动态系统稀疏辨识、模型预测控制、在线强化学习
44
国家重点研发计划资助项目2018AAA0101501
2020-07-01(万方平台首次上网日期,不代表论文的发表时间)
共10页
74-83