基于深度强化学习的非线性电力系统无模型负荷频率控制方法

本发明涉及电力系统频率控制领域，具体涉及基于深度强化学习的非线性电力系统无模型负荷频率控制方法；构建双网络架构，根据双网络架构优化执行器网络参数；基于预训练的PID网络参数初始化所述执行器网络，通过随机扰动生成探索噪声进行控制空间探索，基于经验回放机制迭代优化执行器网络参数至收敛，得到训练好的执行器网络；生成频率控制指令。本发明通过对称差分估计解决深度网络梯度异常问题，避免了传统基于梯度下降方法中因复杂网络结构导致的梯度消失或爆炸问题，确保智能体参数更新的稳定性和可靠性；最后采用经验回放机制迭代优化执行器网络参数，实现电力系统在调速器死区和发电速率约束等非线性特性下的无模型频率控制。