基于改进深度Q网络的无预测风电场拓扑优化方法及系统

本发明公开了一种基于改进深度Q网络的无预测风电场拓扑优化方法及系统，本发明包括基于历史数据构建深度Q网络的状态空间；解耦动作评分和价值Q，构建输入为包含历史数据的状态、输出为各个动作开关评分的神经网络和动作评分到不同拓扑结构的价值Q的映射关系；以最小化电压偏差和网损为优化目标构建奖励函数，使用基于多层次经验指导的经验回放策略进行训练以建立风电场历史出力到拓扑优化结果之间的映射关系。本发明旨在通过DQN决策出风电场次日的拓扑重构方案来增强风电场对诸如山地、丘陵等复杂环境的适应性，以应对电压大幅波动问题，降低因动作开关改变而造成的大动作维度，解决动作评分‑价值Q评估导致的“维数灾”问题。