买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：电子科技大学

摘要：本发明公开了一种基于DDPG算法的虚拟同步发电机参数自适应控制方法，先建立虚拟同步发电机控制模型，然后采集控制模型输出的有功功率P1、无功功率Q1、系统频率f1以及电压U1构成训练数据，结合DDPG算法对智能体进行训练，以获得对应状态下VSG系统最优控制变量：转动惯量J和阻尼系数D，训练完成后对智能体进行封装；最后，在实际运行中根据实时环境状态调整智能体输出，对系统的频率响应进行控制，进而提升系统运行性能。

主权项：1.一种基于DDPG算法的虚拟同步发电机参数自适应控制方法，其特征在于，包括以下步骤：1、在Simulink仿真平台中搭建基于虚拟同步发电机控制的微电网模型，具体包括功率计算单元、VSG控制策略单元、电压电流双闭环控制模块以及PWM控制单元；2、在一段时间范围内采集微电网的母线侧电压u和电流i，假设共计采集n组；3、功率计算单元将实时输入的每一组母线侧电压u和电流i转换为对应的有功功率P1和无功功率Q1，再将P1和Q1传递给VSG控制策略单元；VSG控制策略单元通过对转动惯量J和阻尼系数D进行调整，得到一组控制参考电压U和参考频率f；最后将U和f作为参考值送入电压电流双闭环控制模块以及PWM控制单元计算逆变器控制信号，系统运行后得到实际响应输出的电压U1和频率f1；4、将每一组有功功率P1、无功功率Q1、系统频率f1以及电压U1组成一组训练数据，记为[P1,Q1,f1,U1]，共计得到n组训练数据；5、利用DDPG算法训练智能体；5.1、定义一个马尔科夫决策过程，表示为一个元组S,A,P,R，其中，S代表状态集，S＝{st}，st＝[P1,Q1,f1,U1]，st表示第t个时刻的状态；A代表动作集，A＝{at}，at＝[J,D]，at表示第t个时刻执行的动作；P代表转移概率，计算公式为：st+1*Pst+1|st,at；R代表奖励值集合，R＝{rt}，rt表示第t个时刻奖励值；定义奖励函数rtst,at＝ξf1t-fref+θ；其中，ξ代表频率响应奖励系数；θ代表惩罚系数，f1t表示t个时刻系统实际响应输出的频率，fref为系统给定输出频率；5.2、给定转动惯量J和阻尼系数D的自适应变化的范围，其中J在[0,0.5]之间变化，D在[0.5,1]之间变化；5.3、设置时间步长t，训练回合数n，探索回合数m；启动智能体开始训练，当回合数t＜＝m时，智能体处于自由探索阶段，动作值随机选取；当回合数t＞m时，智能体处于学习阶段，动作值由智能体决策指定；5.4、在学习阶段的每一个训练回合中，首先从一组训练数据[P1,Q1,f1,U1]中获取到当前时刻的状态st，智能体基于状态st给出相应的动作值at，判断动作值at是否在步骤5.2定义的范围之内；如果是，通过奖励函数计算t个时刻的奖励值rt，并转移至下一个状态st+1；将st,at,rt,st+1存入经验池供智能体训练，依次往复，直至训练回合结束；否则，执行步骤5.5；5.5、将动作值at进行放缩，以满足步骤5.2定义的范围之内，然后再通过奖励函数计算t个时刻的奖励值rt，并转移至下一个状态st+1；将st,at,rt,st+1存入经验池供智能体训练，依次往复，直至训练回合结束；5.6、将训练完成的智能体进行封装成标准模型，使得每输入一组状态st＝[P1,Q1,f1,U1]，智能体都能够实时决策出一组对应的最优控制变量[J,D]；6、利用智能体对VSG模型进行控制；实时采集微电网的母线侧电压u和电流i，通过VSG控制模型得到[P1,Q1,f1,U1]，将[P1,Q1,f1,U1]与封装好的智能体进行交互，得到相应的控制参数J与D并交与VSG模型执行。

全文数据：

权利要求：

百度查询： 电子科技大学 基于DDPG算法的虚拟同步发电机参数自适应控制方法