一种基于深度增强学习算法PPO的风电场参数辨识方法、系统、介质及处理器

本申请提供一种基于深度增强学习算法PPO的风电场参数辨识方法，包括：S1：在BPA软件中建立与风电场运行环境相同的等值数学模型；S2：根据待辨识参数的当前状态st，在BPA软件利用等值数学模型进行稳定和暂态计算，得到无功功率和有功功率数据；S3：根据计算的无功功率、有功功率数据和所测的RTLAB硬件在环实时数据计算奖励R；S4：判断奖励R是否达到误差标准；达到则输出当前状态st作为风电场参数；达不到则利用PPO算法进行下一步的参数辨识；S5：利用PPO算法进行风电场参数辨识。解决传统算法中经常出现的稳定性较差和难以收敛的问题，提高对控制器影响较大的参数的辨识精度，提高辨识效率。