一种基于深度强化学习的AGC机组动态优化方法

摘要

本发明提供了一种基于深度强化学习的AGC机组动态优化方法，本发明引入了强化学习中的深度Q网络(deep Q network,DQN)算法，通过智能体与环境的不断交互，根据环境反馈的奖励值，不断改进智能体的策略，实现对系统中不确定性变量的学习，避免了对系统中的不确定性变量的建模。本方法能够根据负荷和风电的预测信息，自适应学习预测带来的不确定性，使得所给出的结果，即各台AGC机组的调节量能够更加吻合电力系统实际有功缺额，有助于系统的频率稳定，解决大规模新能源并网带来的随机扰动问题。