【精彩论文】基于DDPG的风电场动态参数智能校核知识学习模型

观点凝练

摘要：随着风电渗透率的增加，电力电子化元件大量接入，风电场表现出的动态特性愈发复杂，传统的基于少量案例、解析的仿真验证方法面临挑战。以深度强化学习为代表的新一代人工智能在多领域的成功应用，为风电场动态参数智能校核提供了借鉴。在双馈风电场等值模型的基础上，基于深度确定性策略梯度（deep deterministic policy gradient，DDPG）算法提出了风电场动态参数智能校核知识学习模型。该模型通过大量的仿真探索并逐步得到风电场动态参数智能校正知识，实现了基于“知识”的风电场动态参数校核。最后，基于某地风电机组实测扰动数据，利用智能体习得的参数校核知识修正风电场动态行为主导参数，并与传统启发式算法进行对比，验证了所提模型的有效性。
结论：针对发电机参数的复杂模型，本文以深度强化学习的DDPG算法为依托，提出了一种发电机组参数调整的人工智能算法，所提方法精确度较高，适用于结构复杂的模型。智能算法是在试验的基础上积累经验。神经网络从初始化到训练完备需要一定的时间，对于硬件的计算力的要求随着问题维度的升高而更加严格。因此，加快网络收敛速度、减少训练耗时、提高智能算法的运算效率是后续研究的主要方向。

引文信息

周庆锋, 王思淳, 李德鑫, 等. 基于DDPG的风电场动态参数智能校核知识学习模型[J]. 中国电力, 2022, 55(5): 32-38.ZHOU Qingfeng, WANG Sichun, LI Dexin, et al. A knowledge learning model for intelligent check of wind farm dynamic parameters based on DDPG[J]. Electric Power, 2022, 55(5): 32-38.

欢迎点击文后“阅读原文”跳转期刊官网，获取更多信息！

 往期回顾 

编辑：于静茹

校对：许晓艳

审核：方彤

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。