[发明专利]一种基于人工神经网络及深度强化学习的AVC智能控制方法有效
| 申请号： | 202011263523.7 | 申请日： | 2020-11-12 |
| 公开（公告）号： | CN112465664B | 公开（公告）日： | 2022-05-03 |
| 发明（设计）人： | 朱勇;陶用伟;王常沛;蒋宏荣;徐坤;李泽群;张韵;杨键;黄琼;杨晓燕;邓钦;郑华;高卫华;王秀境;时敏;李明宏;刘岑俐;肖彬;肖浩宇;王寅;曹杰;陈锐;苏华英;田年杰;代江;刘明顺;吴应双;龙秋风;张丹;欧阳可凤;汪明清;黄才云;潘云;王雨;陈愿米;付麟淞;舒晓晴;吴秋君;蒋进芳;顾本洪;唐洁瑶;廖玉琼;姚璐;肖倩宏;安甦;陈锦龙 | 申请（专利权）人： | 贵州电网有限责任公司;贵州电网有限责任公司凯里供电局 |
| 主分类号： | G06Q50/06 | 分类号： | G06Q50/06;G06Q10/04;G06N3/08;G06N3/04;G06K9/62;H02J3/00;H02J3/16;H02J3/50;G06F17/18 |
| 代理公司： | 南京禹为知识产权代理事务所(特殊普通合伙) 32272 | 代理人： | 李照禄 |
| 地址： | 550002 贵*** | 国省代码： | 贵州;52 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于人工神经网络及深度强化学习的AVC智能控制方法，包括，结合电网无功负荷的态势预测结果和新能源并网的点的无功负荷变化规律，将变电站分为不同的子控制区域；基于贝尔曼方程和最小化损失函数优化动作效用函数，并结合所述动作效用函数获得决策度量函数；通过利用所述决策度量函数的梯度优化智能体的决策模型参数，训练智能体；将所述不同子区域的态势预测结果和新能源无功变化规律输入到所述智能体，通过所述智能体计算电力系统的电压控制量控制电网无功电压。本发明通过结合人工神经网络和确定性策略的多智能体强化学习算法训练智能体，提高了对无功电压的主动控制能力。 | ||
| 搜索关键词： | 一种 基于 人工 神经网络 深度 强化 学习 avc 智能 控制 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于贵州电网有限责任公司;贵州电网有限责任公司凯里供电局，未经贵州电网有限责任公司;贵州电网有限责任公司凯里供电局许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202011263523.7/，转载请声明来源钻瓜专利网。
