【摘要】：隨著大量間歇性分布式能源持續(xù)接入電網(wǎng),電力系統(tǒng)的發(fā)電控制迎來(lái)了新的挑戰(zhàn),如何經(jīng)濟(jì)又高質(zhì)量地發(fā)電成為電力工作者與研究者所關(guān)心的熱點(diǎn)問(wèn)題。本文采用先進(jìn)的強(qiáng)化學(xué)習(xí)與深度學(xué)習(xí)解決了此問(wèn)題。并研發(fā)了基于信息物理社會(huì)融合系統(tǒng)與平行系統(tǒng)的智能發(fā)電控制仿真平臺(tái),提升了智能算法的學(xué)習(xí)能力和決策能力,為解決如何經(jīng)濟(jì)又高質(zhì)量地發(fā)電問(wèn)題做出了科學(xué)貢獻(xiàn)。本文主要?jiǎng)?chuàng)新工作如下:1.為提升強(qiáng)化學(xué)習(xí)算法在智能發(fā)電控制中的控制性能,提出了人工情感強(qiáng)化學(xué)習(xí)算法。將強(qiáng)化學(xué)習(xí)與人工心理學(xué)中的人工情感進(jìn)行結(jié)合,從強(qiáng)化學(xué)習(xí)中的動(dòng)作值選擇、Q值矩陣更新和獎(jiǎng)勵(lì)值函數(shù)更新三個(gè)方面進(jìn)行情感分析與改進(jìn)。并設(shè)計(jì)了三種人工情感的量化函數(shù),從而形成了九種策略的人工情感Q學(xué)習(xí)算法和九種策略的人工情感Q(λ)學(xué)習(xí)算法。2.為解決傳統(tǒng)電力系統(tǒng)多時(shí)間尺度調(diào)度與控制難以協(xié)調(diào)的問(wèn)題,提出了互聯(lián)電網(wǎng)的統(tǒng)一時(shí)間尺度的實(shí)時(shí)經(jīng)濟(jì)發(fā)電調(diào)度與控制框架,并為該框架提出了松弛深度學(xué)習(xí)算法。首先,為提升算法對(duì)智能發(fā)電控制中的大擾動(dòng)緊急情況發(fā)生的預(yù)防能力,采用深度森林算法對(duì)系統(tǒng)的歷史狀態(tài)和歷史動(dòng)作值進(jìn)行學(xué)習(xí),并融入強(qiáng)化學(xué)習(xí)框架中,提出了深度強(qiáng)化森林算法。然后,為進(jìn)一步解決互聯(lián)電網(wǎng)多區(qū)域之間的博弈問(wèn)題,將機(jī)器學(xué)習(xí)中具有強(qiáng)大學(xué)習(xí)與認(rèn)知能力的深度學(xué)習(xí)算法應(yīng)用到強(qiáng)化學(xué)習(xí)算法的框架中,從而提出了深度強(qiáng)化學(xué)習(xí)算法,并在變參數(shù)的模型中進(jìn)行仿真,設(shè)定的仿真時(shí)間長(zhǎng)達(dá)1296天。最后,在同時(shí)考慮“機(jī)組組合+經(jīng)濟(jì)調(diào)度+自動(dòng)發(fā)電控制+發(fā)電功率分配”的基礎(chǔ)上,設(shè)計(jì)了統(tǒng)一時(shí)間尺度的實(shí)時(shí)經(jīng)濟(jì)發(fā)電調(diào)度與控制框架,并為該框架提出了松弛深度學(xué)習(xí)算法,且對(duì)比了1200種傳統(tǒng)非統(tǒng)一時(shí)間尺度的組合式算法,設(shè)定的總仿真時(shí)間長(zhǎng)達(dá)6.586年。3.為微電網(wǎng)提出了統(tǒng)一時(shí)間尺度的實(shí)時(shí)智能發(fā)電控制框架,并為該框架提出了深度自適應(yīng)動(dòng)態(tài)規(guī)劃算法。首先,設(shè)計(jì)了“自動(dòng)發(fā)電控制+發(fā)電功率分配”的一體化實(shí)時(shí)智能發(fā)電控制框架。然后,為該框架提出了深度自適應(yīng)動(dòng)態(tài)規(guī)劃算法,在所提深度自適應(yīng)動(dòng)態(tài)規(guī)劃算法中設(shè)計(jì)了深度模型預(yù)測(cè)網(wǎng)絡(luò)、深度評(píng)價(jià)網(wǎng)絡(luò)和深度執(zhí)行網(wǎng)絡(luò)三個(gè)多輸出的深度神經(jīng)網(wǎng)絡(luò)。最后,設(shè)計(jì)了一個(gè)含有19個(gè)二次調(diào)頻機(jī)組和一個(gè)含有28個(gè)二次調(diào)頻機(jī)組的電力系統(tǒng),并在基本仿真、“即插即用”啟停機(jī)仿真、通訊故障仿真、全天擾動(dòng)仿真、變拓?fù)浣Y(jié)構(gòu)仿真和變參數(shù)模型仿真六種工況下仿真,設(shè)定的總仿真時(shí)長(zhǎng)達(dá)25.155年。4.為提升統(tǒng)一時(shí)間尺度算法的學(xué)習(xí)速度,研發(fā)了基于社會(huì)物理信息系統(tǒng)的智能發(fā)電控制平行系統(tǒng)仿真平臺(tái),并將所提松弛深度學(xué)習(xí)算法在所建平臺(tái)上進(jìn)行仿真,對(duì)比了146016種非統(tǒng)一時(shí)間尺度的組合式算法,設(shè)定的總仿真時(shí)間為400.0493年。最后,所建平行系統(tǒng)平臺(tái)在小型示范工程中得到了初步應(yīng)用。
【圖文】：

programming)。自適應(yīng)動(dòng)態(tài)規(guī)劃算法與強(qiáng)化學(xué)習(xí)的框架非常相似，但的結(jié)構(gòu)還可以進(jìn)行更多的變化，如啟發(fā)式動(dòng)態(tài)規(guī)劃算法(heuristicing, HDP)、執(zhí)行依賴啟發(fā)式動(dòng)態(tài)規(guī)劃算法(action dependent heuristicing,ADHDP)、二次啟發(fā)式規(guī)劃算法(dual heuristic programming, DHP)規(guī)劃算法(global dual heuristic programming, GDHP)、執(zhí)行依賴二次啟on dependent dual heuristic programming, ADDHP)、執(zhí)行依賴全局二次ction dependent global dual heuristic programming, ADGDHP)和單神經(jīng)法(single network adaptive critic, SNAC)[66]等算法。適應(yīng)動(dòng)態(tài)規(guī)劃具備可改進(jìn)和變化的方法多，其應(yīng)用場(chǎng)景也非常廣泛。規(guī)劃對(duì)電網(wǎng)電壓的控制[67]和對(duì)儲(chǔ)能系統(tǒng)的控制[68]；目標(biāo)導(dǎo)向的自適應(yīng)l representation heuristic dynamic programming, GrHDP)對(duì)風(fēng)電頻率的控可以繪制廣義的強(qiáng)化學(xué)習(xí)的分類圖如圖 1-1 所示。Q學(xué)習(xí)

、學(xué)習(xí)率和獎(jiǎng)勵(lì)函數(shù)等。在現(xiàn)有文獻(xiàn)中，，尚未有人工情感與強(qiáng)化現(xiàn)。算法已在電力系統(tǒng)的研究中得到發(fā)展，但深度森林算法在電力林(randomforest,RF)算法在多個(gè)領(lǐng)域中得到應(yīng)用與研究：農(nóng)耕區(qū)機(jī)載激光全波形點(diǎn)云數(shù)據(jù)分類[114]、激變變星候選體的數(shù)據(jù)挖掘]等應(yīng)用。作為集成學(xué)習(xí)算法的一種，隨機(jī)森林算法也在電力系：用戶用電關(guān)聯(lián)因素辨識(shí)及用電量預(yù)測(cè)[117]、電力系統(tǒng)短期負(fù)荷斷方法[119]等。隨機(jī)森林算法的改進(jìn)算法也被應(yīng)用到多個(gè)領(lǐng)域中測(cè)[120]、Android 惡意軟件檢測(cè)[121]和入侵檢測(cè)模型[122]等應(yīng)用。隨可見(jiàn)表 1-9 所示[123]。人工情感人工意識(shí)
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：TM76;TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄧建玲;王飛躍;陳耀斌;趙向陽(yáng);;從工業(yè)4.0到能源5.0:智能能源系統(tǒng)的概念、內(nèi)涵及體系框架[J];自動(dòng)化學(xué)報(bào);2015年12期

2 楊柳青;王飛躍;張艷麗;韓雙雙;楊堅(jiān);趙愷;程翔;;基于ACP方法的城市平行停車系統(tǒng)[J];指揮與控制學(xué)報(bào);2015年04期

3 丁君美;劉貴全;李慧;;改進(jìn)隨機(jī)森林算法在電信業(yè)客戶流失預(yù)測(cè)中的應(yīng)用[J];模式識(shí)別與人工智能;2015年11期

4 馬釗;周孝信;尚宇煒;盛萬(wàn)興;;能源互聯(lián)網(wǎng)概念、關(guān)鍵技術(shù)及發(fā)展模式探索[J];電網(wǎng)技術(shù);2015年11期

5 孫宏斌;郭慶來(lái);潘昭光;王劍輝;;能源互聯(lián)網(wǎng):驅(qū)動(dòng)力、評(píng)述與展望[J];電網(wǎng)技術(shù);2015年11期

6 孫宏斌;郭慶來(lái);潘昭光;;能源互聯(lián)網(wǎng):理念、架構(gòu)與前沿展望[J];電力系統(tǒng)自動(dòng)化;2015年19期

7 王一丁;徐林林;段強(qiáng)宇;賀文強(qiáng);;基于深度學(xué)習(xí)和多尺度編碼組合的手背靜脈識(shí)別[J];北方工業(yè)大學(xué)學(xué)報(bào);2015年03期

8 張孝順;余濤;;互聯(lián)電網(wǎng)AGC功率動(dòng)態(tài)分配的虛擬發(fā)電部落協(xié)同一致性算法[J];中國(guó)電機(jī)工程學(xué)報(bào);2015年15期

9 谷學(xué)靜;高貝貝;朱朝月;;基于人工情感的Q-學(xué)習(xí)算法在機(jī)器人行為決策中的應(yīng)用[J];自動(dòng)化與儀表;2015年07期

10 吳瀟雨;和敬涵;張沛;胡駿;;基于灰色投影改進(jìn)隨機(jī)森林算法的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)[J];電力系統(tǒng)自動(dòng)化;2015年12期

相關(guān)博士學(xué)位論文 前5條

1 王國(guó)芳;專家知識(shí)輔助的強(qiáng)化學(xué)習(xí)研究及其在無(wú)人機(jī)路徑規(guī)劃中的應(yīng)用[D];浙江大學(xué);2017年

2 馮小峰;基于自適應(yīng)動(dòng)態(tài)規(guī)劃法的二級(jí)電壓控制問(wèn)題研究[D];華南理工大學(xué);2016年

3 王懷智;智能發(fā)電控制的多目標(biāo)優(yōu)化策略及其均衡強(qiáng)化學(xué)習(xí)理論[D];華南理工大學(xué);2015年

4 盧澤漢;主動(dòng)配網(wǎng)/微網(wǎng)中新能源發(fā)電機(jī)協(xié)調(diào)控制問(wèn)題研究[D];浙江大學(xué);2015年

5 宋睿卓;基于自適應(yīng)動(dòng)態(tài)規(guī)劃的幾類非線性時(shí)滯系統(tǒng)最優(yōu)化控制方法研究[D];東北大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 朱佳暉;基于深度學(xué)習(xí)的主題建模方法研究[D];武漢大學(xué);2017年

2 汪青;基于深度學(xué)習(xí)的多視角步態(tài)識(shí)別算法設(shè)計(jì)與研究[D];深圳大學(xué);2016年

3 張澤宇;基于多智能體一致性協(xié)同理論的智能配電網(wǎng)自動(dòng)發(fā)電控制方法[D];華南理工大學(xué);2016年

4 丁樂(lè)樂(lè);基于深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的車輛定位與識(shí)別[D];電子科技大學(xué);2016年

5 許天寧;汽輪機(jī)電液調(diào)節(jié)系統(tǒng)模型參數(shù)辨識(shí)研究[D];吉林大學(xué);2015年

6 王瑩;基于深度學(xué)習(xí)的多形態(tài)人臉識(shí)別[D];大連理工大學(xué);2015年

7 鄭聞成;基于JADE的多智能體動(dòng)態(tài)博弈自動(dòng)發(fā)電控制仿真平臺(tái)研究[D];華南理工大學(xué);2014年

8 張水平;在策略強(qiáng)化學(xué)習(xí)算法在互聯(lián)電網(wǎng)AGC最優(yōu)控制中的應(yīng)用[D];華南理工大學(xué);2013年

9 甘凌霄;孤島微電網(wǎng)中多種分布式低碳能源智能優(yōu)化分配算法研究[D];華南理工大學(xué);2012年

10 梁海華;基于強(qiáng)化學(xué)習(xí)算法的孤島微電網(wǎng)智能發(fā)電控制[D];華南理工大學(xué);2012年

本文編號(hào)：2587979