考虑风光新能源参与二次调频的多源最优协同控制

随着风光新能源接入电网的比例不断增加,大型风电场和光伏电站也开始参与区域电网二次调频。为此,搭建了考虑风光新能源参与二次调频的多源最优协同控制模型,以解决区域电网二次调频的实时总功率在不同类型调频电源上的动态分配问题。为解决这个复杂非线性优化问题,采用简单模式搜索算法进行求解,以快速获得不同功率扰动情况下的高质量功率分配方案,从而提高整个区域电网的动态响应调节性能。最后,利用扩展的IEEE标准两区域模型对所搭建模型进行验证,并通过对比传统工程分配方法及智能优化算法来测试应用算法的性能。

无人艇集群最优协同控制反演

为实现通过数据驱动学习人为操作下的无人艇集群最优协同控制策略,文中提出了一种线性二次型闭环微分博弈反演优化算法,根据观测到的系统最优状态和控制输入轨迹辨识协同策略目标函数。首先,根据观测到的含加性白噪声的最优系统状态和控制输入轨迹辨识最优反馈矩阵;然后,通过求解由纳什平衡充要条件推出的耦合代数黎卡提方程的解来辨识协同策略目标函数。所提出的反演优化算法能够获得满足给定系统状态和控制输入轨迹的最优协同策略目标函数;同时,该算法辨识出的目标函数可以用于实现针对特定任务场景的无人艇集群最优协同控制,并为集群的对抗博弈提供新的思路和解决方案。

基于动态规划的无人机编队最优协同容错控制

为了克服未知的执行器故障对四旋翼无人机编队飞行的影响,提出了一种基于动态规划的最优协同容错控制律。首先,建立了四旋翼无人机模型,然后,基于动态规划设计了最优协同控制律,利用RBF神经网络逼近最优性能指标函数,设计了自适应律来估计未知的执行器故障,最终得到的最优协同容错控制律可实现对无人机编队飞行的高精度控制。通过对比仿真验证了设计的控制律具有更优的编队控制效果,编队飞行的最大轨迹跟踪误差仅为0.04 m,控制精度较高,设计的自适应律具有更优的故障估计效果,最大估计误差仅为0.05 N·m,实现了对四旋翼无人机编队的安全稳定控制。

面向综合能源系统的多区域AC协调控制策略

为解决综合能源系统背景下电网面临的不断加重的随机扰动问题,从自动发电控制角度提出一种基于actor-critic结构的多网络激励深度强化学习方法(multiple incentive actor-critic,MIAC),作为自动发电控制的控制策略。考虑控制过程中的优化目标决策,通过AC策略的激励式启发更新机制,提高策略挖掘质量和经验探索效率,同时采用一种相对最小化Q值函数价值的更新方式以降低寻优偏差,引导策略目标趋向探索和利用的均衡,进而获取自动发电控制的最优协同控制。通过对改进的IEEE标准两区域电力系统模型和综合能源系统模型进行仿真,结果表明,所提MIAC策略具有良好的动态控制性能和迁移泛化能力,能实现对复杂电网强扰动环境的快速适应和稳定优化,能有效解决综合能源系统背景下的随机扰动问题。

基于学习的线性多智能体系统弹性最优协同容错控制

针对一类线性多智能体系统,研究其在网络间歇性拒绝服务攻击下的最优同步控制问题.首先,在时变非对称通讯网络拓扑结构下,提出一种弹性最优协同容错控制策略,并优化多智能体的合作二次性能指标,然后证明全局跟踪误差在出现执行器故障和网络攻击时仍然渐进收敛.进一步,当考虑多智能体子系统模型参数未知,同时系统发生执行器故障的情况下,提出利用局部系统状态和输入信息的自学习迭代算法求解代数Riccati方程,计算子系统的反馈控制器增益,实现弹性协同容错控制目标.最后,通过Chua电路网络仿真算例验证所提出的控制方法的有效性.