-
公开(公告)号：CN118017519B
公开(公告)日：2024-08-20
申请号：CN202410090156.7
申请日：2024-01-22
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于无模型积分强化学习算法的离网逆变器电压控制方法，包括：建立d‑q坐标系下的LC型离网逆变器的数学模型，定义逆变器输出电压参考信号与d‑q轴电压电流信号为增广系统状态，将离网逆变器电压控制问题转化为增广系统的H∞跟踪问题；基于零和博弈思想，建立跟踪Hamilton‑Jacobi‑Isaacs(HJI)方程，提出无模型IRL算法求解HJI方程；给定初始控制增益、初始扰动增益，在探测噪声作用下收集增广系统状态数据，根据测量数据计算包含状态值、控制输入值和扰动值的Kronecker积，推导出迭代逆变器电压控制策略。本发明通过利用无模型IRL解决了离网逆变器电压控制中的模型参数未知、复杂负载投切造成强扰动问题。
-
公开(公告)号：CN118017519A
公开(公告)日：2024-05-10
申请号：CN202410090156.7
申请日：2024-01-22
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于无模型积分强化学习算法的离网逆变器电压控制方法，包括：建立d‑q坐标系下的LC型离网逆变器的数学模型，定义逆变器输出电压参考信号与d‑q轴电压电流信号为增广系统状态，将离网逆变器电压控制问题转化为增广系统的H∞跟踪问题；基于零和博弈思想，建立跟踪Hamilton‑Jacobi‑Isaacs(HJI)方程，提出无模型IRL算法求解HJI方程；给定初始控制增益、初始扰动增益，在探测噪声作用下收集增广系统状态数据，根据测量数据计算包含状态值、控制输入值和扰动值的Kronecker积，推导出迭代逆变器电压控制策略。本发明通过利用无模型IRL解决了离网逆变器电压控制中的模型参数未知、复杂负载投切造成强扰动问题。
-
公开(公告)号：CN115933410B
公开(公告)日：2023-07-07
申请号：CN202310024334.1
申请日：2023-01-09
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于Q学习的双时间尺度燃煤发电系统最优跟踪控制方法，包括：将燃煤发电系统建模为双时间尺度系统；将燃煤发电最优跟踪控制问题转化为降阶增广误差系统的调节问题；引入连续单调有界奇函数，将不对称输入约束在控制范围的中值附近进行对称转换；设计不加额外惩罚项的性能指标函数，将约束控制问题转变为无约束控制问题；根据从原始燃煤发电系统采样获取的信息更新状态‑动作值函数，提出Q学习算法，利用单个评价神经网络近似Q函数，通过最小二乘法更新神经网络权值，运用策略梯度下降法设计自适应降阶控制器。本发明通过利用奇异摄动理论和系统运行数据解决了燃煤发电系统优化控制中的难以精确建模、非对称输入约束等难题。
-
公开(公告)号：CN115933410A
公开(公告)日：2023-04-07
申请号：CN202310024334.1
申请日：2023-01-09
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于Q学习的双时间尺度燃煤发电系统最优跟踪控制方法，包括：将燃煤发电系统建模为双时间尺度系统；将燃煤发电最优跟踪控制问题转化为降阶增广误差系统的调节问题；引入连续单调有界奇函数，将不对称输入约束在控制范围的中值附近进行对称转换；设计不加额外惩罚项的性能指标函数，将约束控制问题转变为无约束控制问题；根据从原始燃煤发电系统采样获取的信息更新状态‑动作值函数，提出Q学习算法，利用单个评价神经网络近似Q函数，通过最小二乘法更新神经网络权值，运用策略梯度下降法设计自适应降阶控制器。本发明通过利用奇异摄动理论和系统运行数据解决了燃煤发电系统优化控制中的难以精确建模、非对称输入约束等难题。
-
-
-
Search Results
4
records
(took 0.018 seconds)
