一种基于深度强化学习和置信边界的负荷频率控制方法

本发明涉及一种基于深度强化学习和置信边界的负荷频率控制方法，属于自动发电控制技术领域。本发明首先使用双精度深度Q网络作为深度强化学习框架，解决智能体在不确定和非线性环境中做出决策的问题；其次根据负荷频率控制系统的区域控制误差与控制性能指标设计强化学习奖励函数，该奖励值用于网络的更新；然后使用三层前馈深度神经网络完成Q网络和目标Q网络的搭建，以实现特征映射并从样本中进行特征表达，节省学习过程的存储空间，使用网络和结合奖励值分别计算实际Q值和期望Q值，并计算两者的偏差损失，最后使用梯度下降更新Q网络和目标Q网络；最后在控制动作的随机探索的过程中引入最大置信边界算法来均衡随机动作的被选择概率，然后使用贪心算法结合UCB算法选择一个控制动作发送到环境，完成控制。