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
系统为您推荐了相关专利信息
深度强化学习
一体化方法
强化学习模型
能耗
物联网终端
加载试验装置
控制决策模块
试验箱
环境模拟系统
环境监测模块
无功装置
电网无功补偿装置
分析方法
容量规划
电压
雨水存储模块
雨水收集模块
水泵单元
海绵
存储单元