| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第13-31页 |
| 1.1 选题背景与意义 | 第13-21页 |
| 1.2 国内外研究现状 | 第21-29页 |
| 1.2.1 MA随机一致博弈和狼群捕猎策略的衍生 | 第21-27页 |
| 1.2.2 智能发电控制的发展 | 第27-29页 |
| 1.3 本文主要工作 | 第29-31页 |
| 第二章 基于多智能体随机动态博弈的DCEQ(λ)智能发电控制方法 | 第31-45页 |
| 2.1 DCEQ(λ)算法 | 第31-33页 |
| 2.2 DCEQ(λ)的设计 | 第33-37页 |
| 2.2.1 动作区间的模糊化 | 第33-34页 |
| 2.2.2 奖励函数 | 第34页 |
| 2.2.3 资格迹的选取 | 第34页 |
| 2.2.4 均衡选择函数 | 第34-35页 |
| 2.2.5 DCEQ(λ)算法流程 | 第35-37页 |
| 2.3 算例研究 | 第37-44页 |
| 2.3.1 两区域LFC电力系统仿真研究 | 第37-40页 |
| 2.3.2 南方电网实例仿真研究 | 第40-44页 |
| 2.4 本章小结 | 第44-45页 |
| 第三章 基于狼爬山快速多智能体学习策略的智能发电控制方法 | 第45-56页 |
| 3.1 狼爬山算法 | 第45-47页 |
| 3.1.1 Q(λ)学习 | 第45-46页 |
| 3.1.2 狼爬山算法原理 | 第46-47页 |
| 3.2 基于多智能体强化学习的SGC设计 | 第47-48页 |
| 3.2.1 奖励函数的选择 | 第47页 |
| 3.2.2 参数设置 | 第47-48页 |
| 3.2.3 狼爬山算法流程 | 第48页 |
| 3.3 算例研究 | 第48-55页 |
| 3.3.1 两区域LFC电力系统 | 第48-52页 |
| 3.3.2 CSG模型 | 第52-55页 |
| 3.4 本章小结 | 第55-56页 |
| 第四章 基于狼群捕猎策略的虚拟发电部落控制 | 第56-74页 |
| 4.1 框架设计 | 第56-58页 |
| 4.2 WPH-VTC策略 | 第58-60页 |
| 4.3 基于WPH-VTC策略的AGC设计 | 第60-62页 |
| 4.3.1 奖励函数的选择 | 第60-61页 |
| 4.3.2 参数设置 | 第61页 |
| 4.3.3 WPH-VTC策略流程 | 第61-62页 |
| 4.4 算例研究 | 第62-72页 |
| 4.4.1 两区域LFC电力系统模型 | 第62-66页 |
| 4.4.2 广东电网模型 | 第66-72页 |
| 4.5 本章小结 | 第72-74页 |
| 第五章 基于孤岛智能配电网的狼群捕猎策略 | 第74-89页 |
| 5.1 狼群捕猎策略 | 第74-78页 |
| 5.1.1 MAS-CC框架 | 第76-77页 |
| 5.1.2 基于等微增率准则的一致性算法 | 第77-78页 |
| 5.1.3 虚拟一致性变量 | 第78页 |
| 5.2 狼群捕猎策略的设计 | 第78-79页 |
| 5.2.1 奖励函数的选择 | 第78-79页 |
| 5.2.2 狼群捕猎策略流程 | 第79页 |
| 5.3 算例分析 | 第79-88页 |
| 5.3.1 预学习 | 第82-83页 |
| 5.3.2 阶跃负荷扰动 | 第83-84页 |
| 5.3.3 脉冲和白噪声负荷扰动 | 第84-85页 |
| 5.3.4 随机负荷扰动 | 第85-88页 |
| 5.4 本章小结 | 第88-89页 |
| 第六章 基于JADE的多智能体动态博弈智能发电控制仿真平台研究 | 第89-99页 |
| 6.1 SGC-SP | 第89-95页 |
| 6.1.1 SGC-SP框架 | 第89页 |
| 6.1.2 JADE | 第89-91页 |
| 6.1.3 实时数据通信 | 第91-92页 |
| 6.1.4 ACL消息发送与监控 | 第92-94页 |
| 6.1.5 智能体的创建与销毁 | 第94-95页 |
| 6.2 SGC-SP的搭建及运行 | 第95-98页 |
| 6.3 本章小结 | 第98-99页 |
| 第七章 总结与展望 | 第99-102页 |
| 7.1 全文总结 | 第99-101页 |
| 7.2 工作展望 | 第101-102页 |
| 参考文献 | 第102-113页 |
| 附录 | 第113-125页 |
| 攻读博士学位期间取得的研究成果 | 第125-127页 |
| 致谢 | 第127-129页 |
| 答辩委员会对论文的评定意见 | 第129页 |
