本書主要介紹智能電網(wǎng)背景下比自動發(fā)電控制更加智能、優(yōu)化和協(xié)調(diào)的智能發(fā)電控制，內(nèi)容包括：第1章概述；第2章介紹自動發(fā)電控制性能評價指標，提出智能發(fā)電控制的優(yōu)化控制目標；第3章介紹傳統(tǒng)發(fā)電系統(tǒng)、新型發(fā)電系統(tǒng)、虛擬發(fā)電系統(tǒng)以及互聯(lián)電網(wǎng)負荷-頻率響應(yīng)數(shù)學模型；第4、5章分別介紹集中決策式、分散自治式智能發(fā)電系統(tǒng)的控制框架及其智能算法；第6、7章分別介紹虛擬發(fā)電部落、孤島電網(wǎng)與微網(wǎng)的智能發(fā)電控制系統(tǒng)的概念及其實現(xiàn)方法；第8章介紹研究智能發(fā)電控制策略的仿真平臺(JADE平臺和RTDS平臺)，介紹基于信息物理社會融合系統(tǒng)的平行系統(tǒng)及其并行算法。

更多科學出版社服務(wù)，請掃碼獲取。

目錄
《智能電網(wǎng)研究與應(yīng)用叢書》序
序
前言
第1章 概述 1
1.1 “智能化”發(fā)電調(diào)度與控制系統(tǒng) 1
1.2 AGC基礎(chǔ) 2
1.3 SGC基本特征 6
參考文獻 8
第2章 智能發(fā)電控制的性能評價指標與控制目標 11
2.1 自動發(fā)電控制系統(tǒng)控制性能標準 11
2.1.1 A1/A2標準 11
2.1.2 CPS標準 11
2.1.3 區(qū)域控制偏差評價標準 15
2.2 CPS標準中的統(tǒng)計特性 17
2.3 智能發(fā)電控制的優(yōu)化目標 18
參考文獻 22
第3章 智能發(fā)電控制系統(tǒng)的模型與參數(shù) 24
3.1 傳統(tǒng)發(fā)電系統(tǒng) 24
3.1.1 燃煤機組 25
3.1.2 燃氣機組 26
3.1.3 水電機組 27
3.1.4 燃油機組 28
3.1.5 核電機組 29
3.2 新型發(fā)電系統(tǒng) 33
3.2.1 風電機組 33
3.2.2 光伏發(fā)電 35
3.2.3 儲能裝置 37
3.2.4 小水電 38
3.2.5 微型燃氣輪機 40
3.3 虛擬發(fā)電系統(tǒng) 41
3.3.1 虛擬發(fā)電廠 41
3.3.2 需求側(cè)可控負荷 42
3.3.3 電動汽車及其他電池儲能系統(tǒng) 48
3.4 電力系統(tǒng)負荷頻率響應(yīng)模型 51
3.4.1 IEEE兩區(qū)域互聯(lián)系統(tǒng)LFC模型 51
3.4.2 三區(qū)域互聯(lián)系統(tǒng)及更多區(qū)域模型 51
3.4.3 考慮需求響應(yīng)的電力系統(tǒng)負荷頻率響應(yīng)模型 53
3.4.4 考慮大規(guī)�？稍偕�能源接入的電力系統(tǒng)負荷頻率響應(yīng)模型 56
參考文獻 58
第4章 集中決策式智能發(fā)電控制系統(tǒng) 60
4.1 系統(tǒng)功能、架構(gòu)與目標 60
4.2 基于單智能體技術(shù)的CPS控制器 61
4.2.1 傳統(tǒng)PID控制器 61
4.2.2 變論域模糊控制 63
4.2.3 Q學習控制與Q(λ)學習控制 71
4.2.4 R與R(λ)學習控制 84
4.3 基于單智能體技術(shù)的發(fā)電控制指令動態(tài)優(yōu)化分配 99
4.3.1 基于Q學習的動態(tài)優(yōu)化分配 99
4.3.2 基于Q(λ)學習的動態(tài)優(yōu)化分配 101
4.3.3 基于分層Q(λ)學習的動態(tài)優(yōu)化分配 104
4.4 基于人工情感Q學習算法的智能發(fā)電控制設(shè)計 111
4.4.1 人工情感 111
4.4.2 人工情感Q學習算法 112
4.4.3 人工情感Q(λ)學習算法的SGC控制器 115
4.4.4 仿真算例 117
4.5 基于松弛深度學習算法的統(tǒng)一時間尺度的智能發(fā)電控制 122
4.5.1 統(tǒng)一時間尺度的智能發(fā)電控制 122
4.5.2 統(tǒng)一時間尺度的仿真算例 125
4.6 基于深度強化森林算法的智能發(fā)電控制 133
4.6.1 深度強化森林算法框架 133
4.6.2 兩區(qū)域、三區(qū)域和四區(qū)域仿真算例 141
參考文獻 147
第5章 分散自治式的智能發(fā)電控制 149
5.1 多智能體系統(tǒng)功能、架構(gòu)與目標 149
5.2 基于多智能體技術(shù)的智能發(fā)電控制 151
5.2.1 基于相關(guān)均衡博弈的智能發(fā)電協(xié)同控制 151
5.2.2 基于自博弈的智能發(fā)電協(xié)同控制 177
5.3 基于深度強化學習的智能發(fā)電控制 186
5.3.1 深度強化學習算法 186
5.3.2 基于深度強化學習的控制器的訓練與互博弈 190
5.3.3 深度強化學習算法的SGC控制器設(shè)計 191
5.3.4 深度強化學習算法的算例 192
參考文獻 199
第6章 虛擬發(fā)電部落控制 203
6.1 什么是虛擬發(fā)電部落控制 203
6.2 協(xié)同一致性協(xié)同控制原理 205
6.2.1 理想通信網(wǎng)絡(luò)下的多智能體協(xié)同一致性控制 205
6.2.2 非理想通信網(wǎng)絡(luò)下的多智能體協(xié)同一致性控制 220
6.3 基于狼群捕獵策略的VGT控制 233
6.3.1 框架設(shè)計 234
6.3.2 WPH-VTC策略 236
6.3.3 基于WPH-VTC策略的AGC設(shè)計 239
6.3.4 算例研究 241
6.3.5 討論 250
參考文獻 251
第7章 面向孤島電網(wǎng)與微網(wǎng)的智能發(fā)電控制 253
7.1　基于深度神經(jīng)網(wǎng)絡(luò)啟發(fā)式動態(tài)規(guī)劃算法的微網(wǎng)智能發(fā)電控制 253
7.1.1 自適應(yīng)動態(tài)規(guī)劃算法 253
7.1.2 深度神經(jīng)網(wǎng)絡(luò)啟發(fā)式動態(tài)規(guī)劃的微網(wǎng)智能發(fā)電控制器設(shè)計 253
7.1.3 算例 256
7.2 孤島主動配電網(wǎng)智能發(fā)電控制 281
7.2.1 基于多智能體一致性理論的分布式電源發(fā)電協(xié)同控制 281
7.2.2 基于集體智慧Q學習算法的負荷協(xié)同發(fā)電控制 306
7.3 基于孤島智能配電網(wǎng)的狼群捕獵策略 324
7.3.1 狼群捕獵策略 324
7.3.2 狼群捕獵策略的設(shè)計 328
7.3.3 算例分析 329
參考文獻 337
第8章 智能發(fā)電控制的研究工具與測試平臺 340
8.1 MATLAB平臺 340
8.2 JADE平臺 344
8.2.1 SGC-SP框架 344
8.2.2 JADE 344
8.2.3 實時數(shù)據(jù)通信 346
8.2.4 ACL消息發(fā)送與監(jiān)控 346
8.2.5 智能體的創(chuàng)建與銷毀 348
8.3 RTDS平臺 350
8.3.1 RTDS仿真系統(tǒng)的功能和特點 350
8.3.2 RTDS仿真實驗的工作原理 351
8.3.3 典型的RTDS動模試驗方法 352
8.4 算法庫的建立 352
8.5 基于CPSS的平行系統(tǒng)的仿真平臺的建立 354
8.5.1 基于平行系統(tǒng)的電力系統(tǒng)智能發(fā)電控制仿真平臺 354
8.5.2 平行系統(tǒng)的仿真算例 357
8.6 結(jié)論與展望 360
參考文獻 361