基于DRL和智能探索机制的CMPLDWG参数辨识

为了有效处理分布式发电复合负载系统固有的高度非线性和非凸性,提升模型的辨识精度与效率,提出一种基于深度强化学习和智能探索机制的参数辨识方法。该文利用数据驱动的特征核化套索方法进行参数灵敏度分析,得到反映参数对模型动力学贡献的灵敏度权值;利用具有智能探测功能的改进深度强化学习进行参数辨识。数值实验结果表明该方法具有较高的辨识精度,能够有效避免陷入局部最优,并且具有较快的学习速度。