典型文献
基于n步Q-learning算法的风电抽水蓄能联合系统日随机优化调度研究
文献摘要：
针对Q-learning算法求解风电抽蓄联合系统日随机优化调度中,存在功率偏差大及收敛速度慢的问题,提出基于n步Q-learning算法的风电抽蓄日随机优化调度方法.先将风电出力随机过程视为Markov过程并建立风电抽蓄日随机优化调度模型;其次分析n步Q-learning算法应用于优化调度模型中的优势;最后按照应用流程求解优化调度模型.算例表明,n步Q-learning算法的优化结果与n步和学习率取值有关,当两个参数取值适中时能得到最优功率偏差结果,在求解该问题上对比n步Q-learning与Q-learning算法,前者能更快收敛且较后者功率偏差降低7.4％、求解时间降低10.4％,验证了n步Q-learning算法的求解优越性.
文献关键词：
风蓄随机优化调度;强化学习;Q-learning算法;n步自举法
中图分类号：
作者姓名：
李文武;马浩云;贺中豪;徐康
作者机构：
三峡大学电气与新能源学院,湖北宜昌443002;梯级水电站运行与控制湖北省重点实验室(三峡大学),湖北宜昌443002;国网湖北省电力有限公司宜昌供电公司,湖北宜昌443002
文献出处：
引用格式：
[1]李文武;马浩云;贺中豪;徐康-.基于n步Q-learning算法的风电抽水蓄能联合系统日随机优化调度研究)[J].水电能源科学,2022(01):206-210
A类：
风蓄随机优化调度
B类：
learning,抽水蓄能,解风,抽蓄,收敛速度,速度慢,优化调度方法,风电出力,随机过程,Markov,优化调度模型,算法应用,照应,应用流程,学习率,参数取值,适中,中时,最优功率,快收敛,较后,求解时间,强化学习,自举法
AB值：
0.314695
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
