具有先验知识的Q学习算法在AGC中的应用

传统的自动发电控制(AGC)系统通常基于经典的线性控制理论,并且大部分二次调频采用比例积分(PI)控制器,但系统固有的非线性以及结构多变使得积分增益系数不易确定,容易造成超调或调节不足的问题,从而影响系统频率稳定。文中采用强化学习控制器代替传统的PI调节器,将考虑了死区、出力约束、机组爬坡率和时延等非线性环节的AGC系统离散化成Markov链,直接将区域控制误差作为系统状态量,并充分利用AGC环境中的已有信息,结合模糊综合决策方法,获得能够改善Q学习效率的先验知识,采用Q学习算法对其进行学习得出离散的AGC策略。数值仿真的结果验证在非线性AGC系统中应用具有先验知识的Q学习方法可以加快收敛速度,提高学习效率,并通过控制性能评价标准(CPS)进一步检验了该方法的可行性。

TS3000系统防喘振控制在AV80-14风机中的应用

本文阐述了轴流风机发生喘振现象的原因,介绍TS3000机组控制系统在风机防喘振控制中的应用和各个防喘振模块功能,针对变增益系数和变积分时间VPID防喘振调节器进行分析,并对一能源总厂AV80-14风机控制方案进行说明。