基于近似动态规划附加学习结构的电力系统控制在线自趋优理论与方法

项目名称： 基于近似动态规划附加学习结构的电力系统控制在线自趋优理论与方法

项目编号： No.51377092

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 电工技术

项目作者： 刘锋

作者单位： 清华大学

项目金额： 74万元

中文摘要： 电力系统在线自趋优控制技术是智能电力系统的基础，它的实现需要解决在线自优化、自适应、自协调三大问题。近似动态规划（ADP）理论以Bellman动态最优原理为理论基础，通过估计余留代价函数逐步逼近动态最优解，能有效克服直接应用动态最优原理所面临的维数灾问题。本项目提出下述电力系统控制在线自趋优实现思路：基于ADP在原控制器上附加具有在线学习能力的动态优化结构，为原控制器提供可设计的目标函数和自趋优机制；引入评价-执行网络，赋予控制器在线学习能力；充分利用原控制器的先验知识，保证控制器性能在原控制器基础上持续改进。项目拟深入研究这一结构的收敛性、稳定性、协调性等理论，提出网络结构的优化方法、参数初始化算法和高效学习算法等系统化设计方法，并应用于电力系统设备级和系统级控制，解决一系列电力系统控制热点和难点问题，最终形成基于ADP附加学习结构的电力系统控制在线自趋优的基本理论、实现框架和设计方法。

中文关键词： 智能电力系统；智能控制；近似动态规划；强化学习；在线附加控制

英文摘要： Online self-optimum-approaching control technology is one of the basic and core technologies for realizing smart power systems. Three key issues greatly challenge the development of the online self-optimization control of power systems: online self-optimi

英文关键词： smart power systems；intelligent control；approximate dynamic programming；reinfocement learning；online supplementary control