内容简介
本书主要介绍能源转型背景下的新型电力系统模型与智能发电控制算法，内容包括：第1章介绍发电控制系统模型；第2章介绍自动发电控制算法与优化算法；第3章介绍基于拒识深度微分动态规划的实时发电调控；第4章介绍基于轻量型鲁棒量子Q学习的智能发电控制；第5章介绍基于量子启发与实时多时距预测的分布式策略值优化的智能发电控制；第6章介绍基于模糊矢量强化学习的自动发电控制；第7章介绍基于混合多智能体情感深度Q网络的多区域综合能源系统发电控制；第8章介绍基于混合深度对抗网络滚动强化学习算法的智能发电控制研究；第9章介绍基于松弛深度对抗网络的综合能源系统统一时间尺度智能发电控制；第10章介绍自适应深度网络动态规划的微网发电控制研究；第11章介绍混合自适应动态规划微网分层协同发电控制研究；第12章介绍基于模态分解记忆强化网络策略的发电控制；第13章介绍基于少样本生成对抗网络的智能发电控制；第14章介绍基于轻量化AC生成对抗网络的智能发电控制；第15章介绍基于分解预测分数阶PID强化学习算法的智能发电控制；第16章介绍基于组合PID与深度强化学习算法的智能发电控制。
本书可为电气工程与人工智能相关领域的研究人员及工程技术人员提供理论方法支持与技术参考。
目录
第1章 发电控制系统模型/1
1.1 互联电力系统的调频方式/1
1.2 自动发电控制模型/2
1.3 智能发电控制模型/6
1.4 综合能源系统负荷频率控制模型/9
1.5 微电网一体化发电控制模型/12
1.6 新型电力系统的发电控制模型/15
1.7 综合能源系统的发电模型/21
1.8 评价指标的设计/33
第2章 自动发电控制算法与优化算法简介/36
2.1 PID算法/36
2.2 自适应动态规划算法/38
2.3 Q学习算法/47
2.4 深度Q网络/52
2.5 差分进化算法/53
2.6 人工情感/54
2.7 模糊控制/55
第3章 基于拒识深度微分动态规划的实时发电调控/57
3.1 拒识深度微分动态规划算法/57
3.2 案例与结果/64
第4章 基于轻量型鲁棒量子Q学习的智能发电控制/74
4.1 轻量型鲁棒量子Q学习算法/74
4.2 算例分析82第5章基于量子启发与实时多时距预测的分布式策略值优化的智能发电控制/96
5.1 量子启发与实时多时距预测的分布式格罗弗策略值优化算法/96
5.2 算例分析/102
第6章 基于模糊矢量强化学习的自动发电控制/119
6.1 模糊矢量强化学习算法/119
6.2 模糊矢量强化学习的发电控制算例/125
第7章 基于混合多智能体情感深度Q网络的多区域综合能源系统发电控制/139
7.1 混合多智能体情感深度Q网络控制框架/139
7.2 混合多智能体情感深度Q网络的发电控制算例/146
第8章 基于混合深度对抗网络滚动强化学习算法的智能发电控制研究/175
8.1 生成对抗网络/175
8.2 时间序列深度生成对抗网络算法统一尺度的智能发电控制算例/184
第9章 基于松弛深度对抗网络的综合能源系统统一时间尺度智能发电控制/192
9.1 综合能源系统/192
9.2 基于松弛深度对抗网络算法的统一时间尺度智能发电调度与控制/195
第10章 自适应深度网络动态规划的微网发电控制研究/207
10.1 微网模型/207
10.2 自适应动态规划的微网发电控制/212
10.3 微网发电控制仿真/217
第11章 混合自适应动态规划微网分层协同发电控制研究/227
11.1 混合自适应动态规划微网分层协同发电控制框架/227
11.2 微网分层协同发电控制仿真/235
第12章 基于模态分解记忆强化网络策略的发电控制/244
12.1 MMRN策略的主要思想/249
12.2 系统仿真算例/256
第13章 基于少样本生成对抗网络的智能发电控制/273
13.1 少样本生成对抗网络算法/273
13.2 案例分析/280
第14章 基于轻量化AC生成对抗网络的智能发电控制/294
14.1 轻量化AC生成对抗网络算法/294
14.2 案例分析/305
第15章 基于分解预测分数阶PID强化学习算法的智能发电控制/318
15.1 分解预测分数阶PID强化学习算法/322
15.2 算例分析/324
第16章 基于组合PID与深度强化学习算法的智能发电控制/335
16.1 组合PID与深度强化学习的数模双驱动方法/335
16.2 算例分析/339
参考文献/350
前言/序言
随着全球能源需求的持续增长以及对清洁能源利用的迫切需求，电力系统正经历一场深刻的变革，从传统的集中式发电向包含多种能源形式和多种发电方式的综合能源系统转变，电力系统的复杂性与日俱增。在这样的背景下，发电控制系统作为保障电力系统安全、稳定、经济运行的核心，其重要性不言而喻。
本书聚焦于发电控制系统模型与控制算法的研究，旨在为电力领域的研究者、工程师以及相关专业学生提供全面且深入的技术参考。第1章详细阐述了各类发电控制系统模型，从传统的互联电力系统调频方式，到新型电力系统及综合能源系统的发电控制模型，全面覆盖了当前电力系统发展的各个阶段与不同类型。这些模型不仅是理论研究的基础，而且是实际工程应用中不可或缺的分析工具。
第2章对多种经典与前沿算法进行了详细介绍，如PID算法、自适应动态规划算法、Q学习算法等。这些算法为后续章节更深入的研究提供了理论基石，使读者能够系统地了解发电控制领域算法发展的脉络。
后面章节深入探讨了基于各种先进算法的发电控制策略，如基于拒识深度微分动态规划的实时发电调控、基于轻量型鲁棒量子Q学习的智能发电控制等。通过剖析这些算法的原理、分析案例以及仿真算例，读者能够清晰地掌握如何将理论算法应用于实际发电控制场景，解决复杂电力系统中的控制难题。
本书的研究成果具有创新性与实用性。创新性体现在将量子计算、深度学习、强化学习等前沿技术与发电控制领域相结合，为解决传统控制方法难以应对的复杂问题提供了新思路。实用性体现在所有的理论研究均通过大量的案例分析与仿真算例进行验证，确保研究成果能够直接应用于实际工程。
由于时间仓促，书中内容难免存在一些疏漏与不足之处，若您在阅读过程中有任何疑问、建议，或想进一步探讨相关内容，欢迎通过邮箱yinlinfei@gxu.edu.cn 与我们联系。希望本书能够为推动发电控制技术的发展贡献一份力量，助力电力行业在能源转型的道路上不断前行，实现更加高效、可靠、绿色的电力供应。
