一种基于狼爬山算法的智能发电控制方法

摘要

一种基于狼爬山算法的智能发电控制方法，包括以下步骤：确定状态离散集S；确定联合动作离散集A；在每个控制周期开始时，采集各个电网的实时运行数据：频率偏差△f和功率偏差△P，计算各个区域控制误差ACE_i(k)的瞬时值与控制性能标准CPS_i(k)的瞬时值；确定当前状态S，再由当前状态S以及奖励函数获取某区域电网i的一个短期奖励函数信号R_i(k)；通过计算与估计获得值函数误差p_k、δ_k；通过函数求取最优目标值函数及策略；对所有区域电网j执行相应操作；返回步骤3。本发明能够在控制过程中获得最优平均策略，闭环系统性能优异，可以解决新能源电源接入所带来的互联复杂电力系统环境下自动发电协调控制问题，与已有智能算法相比具有更高的学能力及快速收敛速。

主权项

一种基于狼爬山算法的智能发电控制方法，其特征在于包括以下步骤：步骤1：确定状态离散集S；步骤2：确定联合动作离散集A；步骤3：在每个控制周期开始时，采集各个电网的实时运行数据，所述实时运行数据包括频率偏差△f和功率偏差△P，计算各个区域控制误差ACE_i(k)的瞬时值与控制性能标准CPS_i(k)的瞬时值；步骤4、确定当前状态S，再由当前状态S以及奖励函数获取某区域电网i的一个短期奖励函数信号R_i(k)；步骤5、通过计算与估计获得值函数误差p_k、δ_k；步骤6、通过函数求取最优目标值函数及策略；步骤7、对所有区域电网j，更新所有状态‑动作对(s,a)的Q函数表格和资格迹矩阵e_j(s,a)，并由更新的Q值更新当前状态S下的混合策略U_k(s_k,a_k)，再由混合策略U_k(s_k,a_k)更新值函数Q_k+1(s_k,a_k)、资格迹元素e(s,a)、变学习率φ以及平均混合策略表；步骤8、返回步骤3。