[發(fā)明專(zhuān)利]一種雙饋風(fēng)力發(fā)電機(jī)的量子深度強(qiáng)化學(xué)習(xí)控制方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010833105.0
• 申請(qǐng)日: 2020-08-18
• 公開(kāi)（公告）號(hào): CN112202196B
• 公開(kāi)（公告）日: 2022-04-29
• 發(fā)明（設(shè)計(jì)）人: 殷林飛;雷嘉明;李鈺;馬晨驍;高放
• 申請(qǐng)（專(zhuān)利權(quán)）人: 廣西大學(xué)
• 主分類(lèi)號(hào): H02J3/38
• 分類(lèi)號(hào): H02J3/38;H02P9/00;H02P101/15;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南寧啟創(chuàng)知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 45122
• 代理人: 謝美萱

本發(fā)明提供一種雙饋風(fēng)力發(fā)電機(jī)的量子深度強(qiáng)化學(xué)習(xí)控制方法，該方法能解決電網(wǎng)故障切除后以及在電網(wǎng)電壓不對(duì)稱(chēng)驟升時(shí)的雙饋風(fēng)力發(fā)電機(jī)定子磁鏈變化的控制問(wèn)題。所提方法為貝葉斯量子反饋控制、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)結(jié)合的控制方法。貝葉斯量子反饋控制過(guò)程分為狀態(tài)估計(jì)和反饋控制兩步，且反饋的輸入為歷史測(cè)量和當(dāng)前測(cè)量記錄。貝葉斯量子反饋能有效控制固態(tài)量子比特中的消相干。深度學(xué)習(xí)部分采用卷積神經(jīng)網(wǎng)絡(luò)模型和反向傳播方法。強(qiáng)化學(xué)習(xí)部分利用基于馬爾科夫決策過(guò)程的Q學(xué)習(xí)作為所提方法整體的控制框架。本發(fā)明所提方法能有效提升雙饋風(fēng)力發(fā)電機(jī)的控制穩(wěn)定性，提高風(fēng)能利用效率。

技術(shù)領(lǐng)域

本發(fā)明屬于電力系統(tǒng)新能源風(fēng)力發(fā)電調(diào)度與控制領(lǐng)域，涉及一種量子反饋法與人工智能算法相結(jié)合的新型控制方法，適用于電力系統(tǒng)雙饋風(fēng)力發(fā)電機(jī)的控制。

背景技術(shù)

隨著電力系統(tǒng)新能源發(fā)電的不斷應(yīng)用，風(fēng)力發(fā)電在電力系統(tǒng)的運(yùn)用也變得廣泛。雙饋風(fēng)力發(fā)電機(jī)作為風(fēng)力發(fā)電的主要工作裝置，在電力系統(tǒng)發(fā)電系統(tǒng)中發(fā)揮出了強(qiáng)大作用。但在實(shí)際生產(chǎn)應(yīng)用中，依然存在一些問(wèn)題，如果這些問(wèn)題不及時(shí)得以解決，將會(huì)嚴(yán)重影響到發(fā)電機(jī)的正常工作。現(xiàn)有研究大多集中于電網(wǎng)故障發(fā)生伊始至切除期間的雙饋風(fēng)力發(fā)電機(jī)的電磁暫態(tài)分析，而往往忽視電網(wǎng)故障切除后其定子磁鏈的變化。

傳統(tǒng)的雙饋風(fēng)力發(fā)電機(jī)控制方法大多僅采用了深度學(xué)習(xí)的方式進(jìn)行機(jī)器學(xué)習(xí)，能夠使發(fā)電機(jī)通過(guò)提供的數(shù)據(jù)進(jìn)行自主學(xué)習(xí)，針對(duì)各種運(yùn)行狀態(tài)做出智能動(dòng)作，能滿足一般的工程實(shí)際問(wèn)題，但是在只能提供有限數(shù)據(jù)量的應(yīng)用場(chǎng)景下，僅靠深度學(xué)習(xí)不能夠?qū)?shù)據(jù)的規(guī)律進(jìn)行無(wú)偏差的估計(jì)。為了達(dá)到很好的精度，需要大數(shù)據(jù)支撐。同時(shí)由于深度學(xué)習(xí)中圖模型的復(fù)雜化導(dǎo)致算法的時(shí)間復(fù)雜度急劇提升，為了保證算法的實(shí)時(shí)性，需要更高的并行編程技巧和更多更好的硬件支持。

為了控制電網(wǎng)故障后雙饋風(fēng)力發(fā)電機(jī)定子磁鏈變化和整體運(yùn)行狀態(tài)，防止產(chǎn)生故障后發(fā)電機(jī)失步等問(wèn)題，本發(fā)明提出了一種雙饋風(fēng)力發(fā)電機(jī)的量子深度強(qiáng)化學(xué)習(xí)控制方法。目前有關(guān)深度、強(qiáng)化學(xué)習(xí)的人工智能算法在電力系統(tǒng)發(fā)電中逐步嶄露頭角，特別是深度學(xué)習(xí)中的卷積、循環(huán)人工神經(jīng)網(wǎng)絡(luò)模型的反向傳播算法、強(qiáng)化學(xué)習(xí)中的Q學(xué)習(xí)都備受研究者關(guān)注，而量子反饋控制又是現(xiàn)代發(fā)電技術(shù)中較為前沿的部分，三者相互配合，應(yīng)用到電力系統(tǒng)風(fēng)力發(fā)電問(wèn)題中，穩(wěn)定故障后定子磁鏈變化。

發(fā)明內(nèi)容

本發(fā)明提出一種雙饋風(fēng)力發(fā)電機(jī)的量子深度強(qiáng)化學(xué)習(xí)控制方法。該方法與傳統(tǒng)發(fā)電調(diào)度與控制框架不同，量子深度強(qiáng)化學(xué)習(xí)控制方法同時(shí)考慮了深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、貝葉斯量子反饋控制三者。基于貝葉斯量子反饋對(duì)雙饋風(fēng)力發(fā)電機(jī)的歷史測(cè)量和當(dāng)前測(cè)量記錄進(jìn)行實(shí)時(shí)估計(jì)，系統(tǒng)經(jīng)過(guò)卷積神經(jīng)網(wǎng)絡(luò)的反向傳播算法進(jìn)行深度學(xué)習(xí)，最后通過(guò)Q學(xué)習(xí)對(duì)整個(gè)學(xué)習(xí)后的控制決策進(jìn)行最佳優(yōu)化，以故障后定子磁鏈變化量作為輸入，以雙饋風(fēng)力發(fā)電機(jī)的控制指令作為輸出，無(wú)需其他的調(diào)度指令。

一種雙饋風(fēng)力發(fā)電機(jī)的量子深度強(qiáng)化學(xué)習(xí)控制方法，采用的卷積神經(jīng)網(wǎng)絡(luò)優(yōu)點(diǎn)在于，其無(wú)需進(jìn)行數(shù)據(jù)的預(yù)處理，可以直接將數(shù)據(jù)從輸入層進(jìn)行輸入，再利用有監(jiān)督的學(xué)習(xí)對(duì)整個(gè)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。網(wǎng)絡(luò)中的神經(jīng)元的數(shù)據(jù)類(lèi)型均為布爾型。

深度學(xué)習(xí)使用的反向傳播算法具體過(guò)程如下：首先，將單個(gè)樣本進(jìn)行前向計(jì)算，從而得出每一層網(wǎng)絡(luò)的節(jié)點(diǎn)輸出。之后計(jì)算一層中每個(gè)節(jié)點(diǎn)的誤差，而對(duì)于輸出輸出層的節(jié)點(diǎn)，可以通過(guò)計(jì)算訓(xùn)練樣本的實(shí)際值和最終輸出值的差為依據(jù)，對(duì)于隱含層來(lái)說(shuō)，可以利用下一層的節(jié)點(diǎn)誤差來(lái)計(jì)算，反向傳播的目的是最終使得誤差減小到可以接受的程度，具體細(xì)節(jié)如下：

對(duì)于輸出層，有：

o_k＝f(net_k) k＝1,2,…,L (1)

對(duì)于隱含層，有：

y_j＝f(net_j) j＝1,2,…,M (3)

上面兩式的轉(zhuǎn)移函數(shù)f(x)都是單極性Sigmoid函數(shù)：