基于多步回溯Q(λ)的PSS最优控制方法的研究

电力系统稳定器（PSS）是用来产生能抑制低频电力系统振荡的励磁系统辅助控制信号,具备自学习和参数在线整定能力是未来智能电网PSS控制器的一个发展趋势。提出一种基于多步回溯Q(λ)学习的新颖电力系统稳定器设计方法。利用多步回溯Q(λ)控制器代替整个传统PSS作为励磁附加控制,并与传统PSS和Q学习控制器进行比较。仿真研究显示,引入基于多步回溯Q(λ)学习的PSS控制后显著增强了整个系统的鲁棒性,有效提高了系统抑制低频电力系统振荡的能力,较好地解决了Q学习控制器收敛速度慢的问题。     

基于多步回溯Q(λ)的PSS最优控制方法的研究

电力系统稳定器(PSS)是用来产生能抑制低频电力系统振荡的励磁系统辅助控制信号,具备自学习和参数在线整定能力是未来智能电网PSS控制器的一个发展趋势.提出一种基于多步回溯Q(λ)学习的新颖电力系统稳定器设计方法.利用多步回溯Q(λ)控制器代替整个传统PSS作为励磁附加控制,并与传统PSS和Q学习控制器进行比较.仿真研究显示,引入基于多步回溯Q(λ)学习的PSS控制后显著增强了整个系统的鲁棒性,有效提高了系统抑制低频电力系统振荡的能力,较好地解决了Q学习控制器收敛速度慢的问题.     

基于RFID的电力温度监控系统的软件分析与设计

首先分析了电力温度监控系统现状,然后根据RFID电力温度监控系统设计过程中的软件和硬件系统,详细研究了系统运行结果,希望能够为相关专业提供可以参考的理论依据。     

气体继电器干簧管破裂故障分析与对策

介绍了3起变压器用气体继电器内部的干簧管破裂故障或隐患,分析干簧管破裂原因,提出了针对性的防范措施。     

强化学习理论在电力系统中的应用及展望

强化学习理论是人工智能领域中机器学习方法的一个重要分支,也是马尔可夫决策过程的一类重要方法.所谓强化学习就是智能系统从环境到行为映射的学习,以使奖励信号(强化信号)函数值最大.强化学习理论及其应用研究近年来日益受到国际机器学习和智能控制学术界的重视.系统地介绍了强化学习的基本思想和算法,综述了目前强化学习在安全稳定控制、自动发电控制、电压无功控制及电力市场等方面应用研究的主要成果与方法,并探讨了该课题在电力系统运行控制中的巨大潜力,以及与经典控制、神经网络、模糊理论和多Agent系统等智能控制技术的相互结合问题,最后对强化学习在电力科学领域的应用前景作出了展望.     

佛山电网220kV雷岗变电站10kV母线电压超标问题的研究

针对佛山电网220kV雷岗变电站10kV母线电压超标的问题,详细分析了该地区10kV直供大用户安装的并联电容补充装置、配电网无功功率补偿、电缆较普通架空线路呈现较强的容性等因素对电压超标的影响。同时,借助电力系统计算分析软件建立该地区的仿真模型,以轻负荷运行为研究对象,考虑10kV母线侧投入感性无功功率补偿情况,在仿真计算后分析出感性无功功率补偿方案,较好地解决了该地区电压超标的问题。     

强化学习理论在电力系统中的应用及展望

强化学习理论是人工智能领域中机器学习方法的一个重要分支,也是马尔可夫决策过程的一类重要方法。所谓强化学习就是智能系统从环境到行为映射的学习,以使奖励信号（强化信号）函数值最大。强化学习理论及其应用研究近年来日益受到国际机器学习和智能控制学术界的重视。系统地介绍了强化学习的基本思想和算法,综述了目前强化学习在安全稳定控制、自动发电控制、电压无功控制及电力市场等方面应用研究的主要成果与方法,并探讨了该课题在电力系统运行控制中的巨大潜力,以及与经典控制、神经网络、模糊理论和多Agent系统等智能控制技术的相互结合问题,最后对强化学习在电力科学领域的应用前景作出了展望。     

韶关电网一次停电事故分析及其技术改造优化方案研究

变电站备自投装置的优化配置对于一个地区电网的供电可靠性的提高作用显著。以韶关电网墨江片一起停电事故为例,应用BPA暂态稳定分析程序,分析了事故前后电网的运行特点及失电原因,研究了提高变电站供电可靠性的优化方案,针对该站的特殊情况设计备自投装置的动作逻辑和控制策略。动态仿真分析结果显示,所提方案使电网在同样事故条件,在不同运行方式下均能有效快速恢复片区供电,电压及频率恢复稳定至正常运行范围内,提高了电网的供电可靠性,方案可行。     

韶关电网一次停电事故分析及其技术改造优化方案研究

变电站备自投装置的优化配置对于一个地区电网的供电可靠性的提高作用显著.以韶关电网墨江片一起停电事故为例,应用BPA暂态稳定分析程序,分析了事故前后电网的运行特点及失电原因,研究了提高变电站供电可靠性的优化方案,针对该站的特殊情况设计备自投装置的动作逻辑和控制策略.动态仿真分析结果显示,所提方案使电网在同样事故条件,在不同运行方式下均能有效快速恢复片区供电,电压及频率恢复稳定至正常运行范围内,提高了电网的供电可靠性,方案可行.     

基于多步回溯Q学习的自动发电控制指令动态优化分配算法

单步Q学习在火电占优、机组时延较大的A动发电控制(AGC)功率指令动态优化分配中的应用表现出收敛速度慢等不足而影响最优策略的获取.具有多步预见能力的多步回溯Q学习(Q(λ))显式利用资格迹进行高效回溯操作,能够有效解决火电机组大时滞环节带来的延时回报问题,算法平均收敛时间较Q学习缩短50%以上.算法奖励函数引入调节费用...