Core Concepts
提案された方法は、深層強化学習を用いて非線形電力システムのモデルフリー負荷周波数制御を実現し、優れた制御効果をもたらす。
Abstract
この論文では、非線形電力システムにおけるモデルフリー負荷周波数制御手法が提案されています。提案手法は、歴史的なデータベースを用いてパワーシステムのエミュレートを行うエミュレーターネットワークを構築し、評価されたアクション価値関数に基づいてアクターネットワークの更新を導きます。また、ゼロ次勾配最適化がポリシーグラジェントの推定に応用され、深層ニューラルネットワークでの不安定な更新を回避します。これにより、エージェントは最適な制御ポリシーに収束し、周波数偏差を効果的に最小化します。
Stats
提案手法はPIDコントローラーよりも45.4%改善されたQµ値を示す。
平均絶対値Δfは提案手法で34.7%改善されました。
最大Δf変動(Hz)は提案手法で16.4%改善されました。
Quotes
"この論文では、非線形電力システムにおける新しいモデルフリーLFC方法が提案されています。"
"提案手法は、他のLFC方法よりも優れた収束効果を示しています。"