一种储能辅助火电机组深度强化学习负荷频率控制方法

本发明公开了一种储能辅助火电机组深度强化学习负荷频率控制方法，包括建立电力系统负荷频率控制问题的深度强化学习环境，以模拟实际电力系统中各组件的特性和控制需求；针对电力系统组件中的锂离子电池储能系统，设计兼顾电力系统频率偏差和储能系统荷电状态的储能系统出力控制策略；将电力系统负荷频率控制问题建模为马尔科夫决策模型，结合马尔科夫决策模型和储能系统出力控制规律，搭建基于Actor‑Critic架构的深度强化学习负荷频率控制框架；结合深度确定性策略梯度(DDPG)算法和随机网络蒸馏技术，设计双输出的负荷频率控制器(智能体)，包括智能体状态、动作和多目标动态自适应奖励函数；设计基于动态权重调整的智能体求解算法。本发明提供的负荷频率控制方法不依赖于具体模型，有较强的环境适应性，与传统的储能出力恒定的控制策略相比，可以实现对储能系统和火电机组的互补协调控制，有效改善了电力系统的调频效果。