摘要
本发明实施例公开了一种新能源AGC智能体决策规则优化方法,涉及电力系统测试技术领域,该方法包括:采集历史电网故障数据、新能源AGC控制数据和仿真测试数据;对采集的数据进行预处理,获得预处理后的数据;基于所述预处理后的数据,采用监督学习方法对智能体的决策规则模型进行优化训练,其中,使用深度神经网络预测最优AGC机组功率调整量,并以均方误差作为损失函数进行模型优化,获得优化后的智能体决策规则模型;该方法通过优化智能体的决策规则,提高了模型的预测精度和电网的运行效率。
技术关键词
电网故障数据
决策
监督学习方法
电网频率偏差
深度神经网络
电力系统测试技术
仿真模型
电网监测数据
机组
深度Q学习
断面潮流
处理器
故障场景
数据采集模块
功率
优化装置
误差
可读存储介质
电压