专利交易市场

本发明提供一种利用深度强化学习进行电力系统负荷频率控制的方法，涉及电力系统控制技术领域，所述方法包括：构建电力系统模型，所述电力系统模型包括发电单元、输电网络、负荷单元以及频率控制装置；获取电力系统历史运行数据，包括负荷需求记录、发电输出日志、频率波动情况，并对电力系统历史运行数据进行预处理，以得到处理后系统历史运行数据；根据处理后系统历史运行数据，训练深度神经网络模型，提取系统历史运行数据的关键特征，并预测未来的负荷需求及频率变化趋势，得到预测结果。本发明利用深度强化学习融合电力系统模型，实现负荷频率的精准预测与自动实时控制，提升电力系统稳定性与经济性。

本发明公开了一种针对负荷频率控制的网络化鲁棒稳定性分析与优化的方法，该方法首先考虑简化的单区域电力系统，建立具有通信时延的单区域系统模型；然后设计PI控制器，并将PI控制转化为系统的输出反馈控制问题，构造合适的Lyapunov‑Krasovskii泛函，利用线性矩阵不等式技术，推导出系统含有PI参数的鲁棒稳定性判据；最后，为保证系统的鲁棒最优化，应用mincx函数以及智能优化算法对得到的鲁棒控制律进行优化。本发明在PI控制器的设计中考虑了时延的影响，通过构造适当的Lyapunov‑Krasovskii泛函和LMI方法，得到了系统渐近稳定和鲁棒稳定的稳定性判据；基于线性矩阵不等式，在不同的延迟类型和不同的控制增益下能够获得系统的最大允许延迟。