强化学习在自动发电控制中的研究进展与展望

自动发电控制(automatic generation control,AGC)是维持系统频率和功率动态稳定、提高电网控制性能的有效手段.随着以新能源为主体的新型电力系统的快速发展,高比例大容量新能源的接入将带来强随机扰动,传统的AGC控制策略不足以应对上述的严峻形势,而强化学习具有自主学习并积累和应用相关知识等特点,被逐渐应用于AGC系统中.本文分3个方面分析了强化学习在AGC中的重要研究进展:在集中式AGC策略方面,分别介绍了基于单agent RL“控制”与按各机组可调容量裕度的比例进行“分配”(PROP)的策略,基于PI算法“控制”与单agent RL“分配”策略;在分布式AGC策略方面,分别分析了多agent RL“控制”与PROP的策略,基于PI算法“控制”与多agent RL“分配”策略;在分层分布式智能发电控制策略方面,介绍了基于多agent RL“控制”与“分配”分层分布式智能发电策略.最后,结合新型电力系统发展需求和强化学习在AGC中存在的问题,对强化学习在AGC领域未来的发展方向进行了分析与展望.

明清之际士人政治路向选择的过程性特征略论

明清易代的政治变局导致了士人的政治路向对立和群体气节分化。两难政治处境中的权衡考量,使得士人在分化过程中产生进退失据的曲隐心态,外化到行迹上,体现为路向选择过程的曲折性和复杂性。这表现在三个方面:一是士人总体路向的两极化与具体路径的多层级并存,且具有道德等差色彩;二是士人因为心态彷徨失顾而在对立性政治阵营之间游移反复;三是士人的自我路向选择相对于社会道德期待出现偏离甚至悖反。