| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第13-31页 |
| 1.1 引言 | 第13-15页 |
| 1.1.1 电力系统控制概述 | 第13-14页 |
| 1.1.2 自动发电控制 | 第14-15页 |
| 1.2 AGC国内外研究现状及存在问题 | 第15-21页 |
| 1.2.1 国内外研究现状 | 第15-19页 |
| 1.2.2 所存在问题 | 第19-21页 |
| 1.3 智能发电控制 | 第21-24页 |
| 1.4 控制性能标准 | 第24-27页 |
| 1.4.1 CPS1 | 第24-25页 |
| 1.4.2 CPS2 | 第25-26页 |
| 1.4.3 BAAL | 第26-27页 |
| 1.5 本文主要工作的主要工作和研究框架 | 第27-29页 |
| 1.6 本章小结 | 第29-31页 |
| 第二章SGC模型研究 | 第31-44页 |
| 2.1 SGC研究模型 | 第31-38页 |
| 2.1.1 AGC经典模型 | 第31-34页 |
| 2.1.2 SGC市场化模型 | 第34-37页 |
| 2.1.3 两种模型的比较 | 第37-38页 |
| 2.2 电力系统运行方式 | 第38-39页 |
| 2.3 SGC标准研究模型 | 第39-43页 |
| 2.3.1 IEEE三区域SGC模型 | 第39-40页 |
| 2.3.2 南方电网四区域模型 | 第40-41页 |
| 2.3.3 研究目标 | 第41-43页 |
| 2.4 本章小结 | 第43-44页 |
| 第三章基于MDPs的SGC建模过程 | 第44-65页 |
| 3.1 马尔可夫决策过程 | 第44-45页 |
| 3.2 强化学习基本原理 | 第45-48页 |
| 3.3 SGC转化为多状态MDPs的过程 | 第48-55页 |
| 3.3.1 系统变量的离散化 | 第48-49页 |
| 3.3.2 策略的定义与优化 | 第49-51页 |
| 3.3.3 Q学习理论 | 第51-52页 |
| 3.3.4 控制器的在线学习 | 第52-55页 |
| 3.4 基于强化学习Q(λ)的AGC控制器的设计 | 第55-64页 |
| 3.4.1 状态集与动作集的定义与离散化 | 第55-57页 |
| 3.4.2 奖励函数的设计 | 第57-58页 |
| 3.4.3 资格迹 | 第58-59页 |
| 3.4.4 预学习过程 | 第59-61页 |
| 3.4.5 控制效果 | 第61-64页 |
| 3.5 本章小结 | 第64-65页 |
| 第四章SGC市场环境下Nash均衡控制 | 第65-85页 |
| 4.1 SGC环境下博弈方的效益分析 | 第65-68页 |
| 4.1.1 发电公司效益 | 第65-66页 |
| 4.1.2 用电客户效益 | 第66-67页 |
| 4.1.3 效益矩阵 | 第67-68页 |
| 4.2 效益矩阵的纳什均衡 | 第68-73页 |
| 4.2.1 纳什均衡 | 第68-69页 |
| 4.2.2 Nash-Q(λ)的均衡算法 | 第69-73页 |
| 4.3 对比分析 | 第73-80页 |
| 4.3.1 以购电成本最小为目标 | 第73-76页 |
| 4.3.2 以废气排放最小为目标 | 第76-80页 |
| 4.4 SGC市场化的Nash-Q(λ)多目标控制 | 第80-83页 |
| 4.5 本章小结 | 第83-85页 |
| 第五章SGC系统多区域均衡控制 | 第85-107页 |
| 5.1 SGC多区域均衡控制 | 第85-86页 |
| 5.2 CEQ(λ)算法 | 第86-89页 |
| 5.2.1 相关均衡 | 第86-88页 |
| 5.2.2 CEQ(λ)学习 | 第88-89页 |
| 5.3 基于CEQ(λ)学习的多区域SGC控制器的设计 | 第89-95页 |
| 5.3.1 奖励函数 | 第90-91页 |
| 5.3.2 均衡选择函数 | 第91-93页 |
| 5.3.3 基于CEQ(λ)的SGC控制框架 | 第93-95页 |
| 5.4 算例分析 | 第95-106页 |
| 5.4.1 IEEE三区域模型 | 第96-101页 |
| 5.4.2 南方电网四区域模型 | 第101-106页 |
| 5.5 本章小结 | 第106-107页 |
| 第六章SGC系统多目标均衡控制 | 第107-123页 |
| 6.1 SGC指令分配问题 | 第107-108页 |
| 6.2 基于均衡因子的MORL(λ)算法 | 第108-111页 |
| 6.2.1 多目标强化学习 | 第108-110页 |
| 6.2.2 基于均衡因子的MORL(λ)算法 | 第110-111页 |
| 6.3 基于MORL(λ)的SGC控制系统设计 | 第111-116页 |
| 6.3.1 系统状态与动作的离散化 | 第111-112页 |
| 6.3.2 奖励函数 | 第112-113页 |
| 6.3.3 均衡因子的设计 | 第113-115页 |
| 6.3.4 控制框架 | 第115-116页 |
| 6.4 算例仿真 | 第116-122页 |
| 6.4.1 预学习过程 | 第116-118页 |
| 6.4.2 均衡因子对控制性能的影响 | 第118-120页 |
| 6.4.3 MORL(λ)算法长期统计性能 | 第120-122页 |
| 6.5 本章小结 | 第122-123页 |
| 第七章 基于RTDS的SGC工程化研究 | 第123-142页 |
| 7.1 变论域模糊理论 | 第123-125页 |
| 7.1.1 模糊控制原理 | 第123-124页 |
| 7.1.2 变论域模糊控制 | 第124-125页 |
| 7.2 VFLC-CEQ(λ)工程化方法 | 第125-127页 |
| 7.3 基于RTDS的智能控制器实现 | 第127-133页 |
| 7.3.1 输入与输出变量 | 第127页 |
| 7.3.2 隶属度函数 | 第127-129页 |
| 7.3.3 控制规则 | 第129-131页 |
| 7.3.4 伸缩因子 | 第131-132页 |
| 7.3.5 等比因子 | 第132-133页 |
| 7.4 算例仿真 | 第133-141页 |
| 7.4.1 南方电网四区域模型 | 第133-136页 |
| 7.4.2 RTDS49 节点模型 | 第136-140页 |
| 7.4.3 RTDS1111 节点模型 | 第140-141页 |
| 7.5 本章小结 | 第141-142页 |
| 结论 | 第142-144页 |
| 参考文献 | 第144-155页 |
| 攻读博士学位期间取得的研究成果 | 第155-156页 |
| 致谢 | 第156-157页 |
| 附件 | 第157页 |