典型文献
基于DDPG的风电场动态参数智能校核知识学习模型
文献摘要：
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.
文献关键词：
风电场;主导参数;参数智能校正;深度强化学习
中图分类号：
作者姓名：
周庆锋;王思淳;李德鑫;刘佳琪;李同
作者机构：
东北电力大学 电气工程学院,吉林 吉林 132012;国网吉林省电力有限公司电力科学研究院,吉林 长春 130000
文献出处：
引用格式：
[1]周庆锋;王思淳;李德鑫;刘佳琪;李同-.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(05):32-38
A类：
参数智能校正
B类：
DDPG,动态参数,智能校核,知识学习,风电渗透率,电力电子化,动态特性,仿真验证,验证方法,面临挑战,深度强化学习,新一代人工智能,成功应用,双馈风电场,风电场等值,等值模型,深度确定性策略梯度,deep,deterministic,policy,gradient,参数校核,风电机组,智能体,习得,动态行为,主导参数,启发式算法
AB值：
0.278327
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。
