基于探索感知思维深度强化学习的自动发电控制

减少碳排放的重要途径之一是大规模引入新能源。然而,随着大规模风、光、电动汽车等新能源和分布式能源接入复杂互联电网,给电网带来严重的随机扰动问题。该文从自动发电控制角度,探索了一种动作探索感知思维的深度强化学习算法,即DDQN-AD。通过将神经网络的预测机制作为强化学习的动作选择机制,同时引入具有动作探索感知思维的AD策略,将区域控制误差与碳排放作为综合奖励函数,来获取强随机环境下的最优控制策略,进而解决分布式能源大规模接入电网所带来的随机扰动问题。对改进的IEEE标准两区域LFC模型,以及多区域多能生态系统模型进行仿真,结果显示DDQN-AD与已有的多种智能算法相比,具有更优的动态性能和在线学习能力,能够获得区域最优控制,减少碳排放。