基于自适应动态规划方法的微电网电能自学习优化控制
魏庆来
沈阳工业大学人工智能学院,辽宁沈阳 110870;中国科学院自动化研究所,北京 100190
摘要：[目的]针对智能电网中电能供需优化匹配与调控越来越复杂,且传统静态优化方法不能满足智能电网优化需求的问题,提出了一种自学习最优控制方法来解决冰蓄冷空调(IAC)系统的最优控制问题.[方法]本文采用自适应动态规划-粒子群(ADP-PSO)算法解决系统最优控制问题,设计了双层迭代自适应动态规划方法学习最优控制策略,其中内层迭代计算时变换迭代控制律序列,外层迭代时优化迭代值函数.为获得适用于IAC系统的最优控制,开发了并行控制方案,该方案能够在最低运营成本的情况下满足冷却负荷需求.[结果]仿真结果和比较研究验证了所提算法的有效性.[结论]本文提出的自适应动态规划-粒子群算法可获得最优能量匹配,该策略可使迭代值函数收敛到最优,获得最优控制策略,使系统运行成本最小化.
关键词：智能电网自适应动态规划粒子群优化数据控制神经网络
分类号：TK01(一般性问题)
资助基金：国家重点研发计划(2024YFB4709100)国家自然科学基金(62425310)北京市自然科学基金(L257011)国防基础科研计划(JCKY2019203C029)国防基础科研计划(JCKY2020130C025)澳门特别行政区科学技术发展基金(FDCT-22-009-MISE,0060/2021/A2,0015/2020/AMJ)
论文发表日期：2025-11-25
在线出版日期：2025-12-29（本平台首次上网日期，不代表文献的发表时间）
页数：7( 681-687 )
英文信息