试析控制基于强化学习算法孤岛微电网智能发电制约中国
最后更新时间:2024-04-04
作者:用户投稿本站原创
点赞:8211
浏览:25568
论文导读:内外探讨近况16-181.4本论文的主要工作18-19第二章微网制约技术及其数学模型19-352.1微网制约技术19-222.1.1微网常见的制约技术19-212.1.2微网负荷频率制约21-222.2微网数学模型介绍22-332.2.1风力发电22-252.2.2光伏发电25-272.2.3飞轮储能27-292.2.4小水电29-302.2.5微型燃气轮机30-312.2.6微网负荷频率制约模
摘要:随着全世界范围内对智能电网探讨热潮的兴起,为适应风电和光伏等间歇式新能源接入后随机性日益变强的系统环境,微电网要求发电调度制约系统以传统自动制约向智能化制约的迅速转变,以实现微网的新一代小型智能发电制约(SmartGeneration Control),以二次频率制约的角度使得电网在动态随机环境下依然能保持良好的频率性能品质。本论文首先通过探讨浅析各种分布式电源的发电特性,给出了风电、光伏发电、飞轮储能、小水电与微型燃气轮机的数学模型,并通过MATLAB搭建了含多种分布式电源与负荷的微电网负荷频率制约(Load Frequency Control, LFC)模型,其中小水电和微型燃气轮机为调频机组。通过将大型互联电网中的集中式自动发电制约(AutomaticGeneration Control, AGC)原理引入微电网,并结合基于折扣酬劳模型的Q学习算法和Q(λ)学习算法,以及基于平均酬劳模型的多步R(λ)学习算法,提出了两种孤岛运转方式下基于强化学习的AGC制约器集控式AGC制约器和分散式AGC制约器,以实现对微网的智能发电制约与频率调整。通过对集控式AGC制约器采取不同算法进行仿真,以仿真试验结果浅析表明,与PI制约、Q学习和Q(λ)学习相比,R(λ)制约器具有更快速的收敛特性和良好的动态性能以及较强的模型适应性。与传统电网的集控式AGC制约不同,分散式AGC制约也是微网制约的一个可行的方向,通过建立各调频机组间的协调机制,设置协调制约目标,也能较好的完成调频任务。通过仿真比较浅析表明,适当大小的权值系数是保证微网正常运转与满足协调目标的重要条件。关键词:强化学习论文智能发电制约论文微电网论文分布式电源论文负荷频率制约论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要5-6
Abstract6-9
第一章 绪论9-19
3.
参考文献70-77
攻读硕士学位期间取得的探讨成果77-78
致谢78-79
附件79
摘要:随着全世界范围内对智能电网探讨热潮的兴起,为适应风电和光伏等间歇式新能源接入后随机性日益变强的系统环境,微电网要求发电调度制约系统以传统自动制约向智能化制约的迅速转变,以实现微网的新一代小型智能发电制约(SmartGeneration Control),以二次频率制约的角度使得电网在动态随机环境下依然能保持良好的频率性能品质。本论文首先通过探讨浅析各种分布式电源的发电特性,给出了风电、光伏发电、飞轮储能、小水电与微型燃气轮机的数学模型,并通过MATLAB搭建了含多种分布式电源与负荷的微电网负荷频率制约(Load Frequency Control, LFC)模型,其中小水电和微型燃气轮机为调频机组。通过将大型互联电网中的集中式自动发电制约(AutomaticGeneration Control, AGC)原理引入微电网,并结合基于折扣酬劳模型的Q学习算法和Q(λ)学习算法,以及基于平均酬劳模型的多步R(λ)学习算法,提出了两种孤岛运转方式下基于强化学习的AGC制约器集控式AGC制约器和分散式AGC制约器,以实现对微网的智能发电制约与频率调整。通过对集控式AGC制约器采取不同算法进行仿真,以仿真试验结果浅析表明,与PI制约、Q学习和Q(λ)学习相比,R(λ)制约器具有更快速的收敛特性和良好的动态性能以及较强的模型适应性。与传统电网的集控式AGC制约不同,分散式AGC制约也是微网制约的一个可行的方向,通过建立各调频机组间的协调机制,设置协调制约目标,也能较好的完成调频任务。通过仿真比较浅析表明,适当大小的权值系数是保证微网正常运转与满足协调目标的重要条件。关键词:强化学习论文智能发电制约论文微电网论文分布式电源论文负荷频率制约论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要5-6
Abstract6-9
第一章 绪论9-19
1.1 课题的背景和作用9-10
1.2 微网基本概念10-16
1.2.1 微网的定义与结构10-14
1.2.2 分布式电源种类14
1.2.3 微网特点14-16
1.3 国内外探讨近况16-18
1.4 本论文的主要工作18-19
第二章 微网制约技术及其数学模型19-352.1 微网制约技术19-22
2.1.1 微网常见的制约技术19-21
2.1.2 微网负荷频率制约21-22
2.2 微网数学模型介绍22-332.1 风力发电22-25
2.2 光伏发电25-27
2.3 飞轮储能27-29
2.4 小水电29-30
2.5 微型燃气轮机30-31
2.6 微网负荷频率制约模型31-33
2.3 本章总结33-35
第三章 基于折扣酬劳型强化学习的微网 AGC 制约器35-483.1 数学策略介绍35-39
3.1.1 强化学习基本论述35-36
3.1.2 Q 学习算法36-38
3.1.3 Q(λ)学习算法38-39
3.2 基于单步 Q 学习算法的 AGC 制约器39-433.
2.1 基于单步 Q 学习算法的制约器设计39-41
3.2.2 Q 制约器仿真探讨41-43
3.3 基于多步 Q(λ)学习算法的 AGC 制约器43-473.1 基于 Q(λ)学习算法的制约器设计43-44
3.2 制约器的迭代步骤44-45
3.3 Q(λ)制约器的仿真探讨45-47
3.4 本章总结47-48
第四章 基于平均酬劳型强化学习的微网 AGC 制约器48-614.1 数学策略介绍48-50
4.1.1 平均酬劳模型 MDP48-49
4.1.2 R(λ)学习算法49-50
4.2 基于 R(λ)学习算法的制约器设计504.3 R(λ)制约器的迭代步骤50-51
4.4 R(λ)制约器的仿真探讨51-59
4.1 预学习阶段51-53
4.2 短期动态性能比较浅析53-56
4.3 长期制约性能比较浅析56-59
4.5 本章总结59-61
第五章 微网分散式 AGC 制约器协调制约探讨61-685.1 分散式负荷频率制约模型61-63
5.2 分散式 AGC 制约器设计63-64
5.2.1 状态集和动作集63
5.2.2 奖励函数63-64
5.2.3 迭代步骤64
5.3 仿真探讨64-675.4 本章总结67-68
第六章 结论68-70参考文献70-77
攻读硕士学位期间取得的探讨成果77-78
致谢78-79
附件79