摘要
本发明涉及电力系统高度与控制技术,具体涉及一种面向充电站的改进强化学习下垂控制方法及设备,该方法使用李雅普诺夫理论,设计频率偏差到控制器实现有功功率输出的过零点单调函数;提出了一种基于递归神经网络的深度强化学习框架,以解决在保证稳定性的前提下实现最优一次频率控制;设计去中心化的改进下垂控制器,在保证稳定性的前提下,设计神经网络中的权重系数,实现下垂的最优参数设置。本发明结合工程实际,可适用于不同规模和配置容量以及大多数充电站系统参数和拓扑结构,能够改善充电站参与电网调频的能力,以提高高比例新能源接入下的电网频率稳定性,具有广阔的应用前景。
技术关键词
下垂控制方法
递归神经网络
高比例新能源
深度强化学习
调控模型
新能源电网
李雅普诺夫理论
非暂态计算机可读存储介质
频率响应
充电站系统
下垂控制器
偏差
节点
处理器
二阶系统
调频
计算机程序产品
系统为您推荐了相关专利信息
激光雷达扫描数据
规避方法
多无人机系统
深度强化学习算法
无人机感知规避系统
协同优化方法
数字孪生模型
深度强化学习
计算机可执行指令
协同学习系统
移动式机器人
柔索并联机器人
激光雷达模块
协同控制系统
主控板
数字分析方法
服务器性能监控
瓶颈
服务器节点
数字分析技术
学习系统
预训练语言模型
迁移学习算法
可视化算法
大规模语料