论文部分内容阅读
本文首先分析了各种分布式电源的发电原理、特性及其并网特点，并研究了多Agent控制理论，在传统多Agent强化学习的基础上，将量子搜索思想用于多Agent强化学习的状态空间和行为搜索上，寻求不同于传统行为选择方式的新途径，充分利用了量子叠加性和纠缠理论，提出了基于量子计算的多Agent强化学习协调控制算法，提高了多Agent强化学习的并行性，仿真实验显示量子计算多Agent强化学习算法具有较好的收敛性.然后将此协调控制算法应用到智能配电网中分布式电源协调控制中，根据包含微网的配电网所面临的用户负荷以及DG类型特性，建立其协调控制框架、知识库以及控制策略.通过实验表明采用G-MAS算法可实现对配网中DG协调最优控制，在配电网出现故障时可以快速、有效恢复配网供电尤其在配网出现故障，甚至出现极端事故时对配网产生的积极的支撑作用，保证配网内重要负荷的供电连续性和可靠性.为了分析机组的经济性，本文采用数据包络分析法的概念，首先介绍本文用到的数据包络分析的几种模型.接着介绍Deap2.1软件，详细描述该软件的使用方法、操作程序、注意事项等，将具体数据应用到该软件来进行操作说明.最后选取原始数据，对部分进行计算，利用稳态分段的方法筛选数据组，再将数据归一化，应用Deap2.1软件分别对锅炉侧和汽轮机侧的数据组进行分析，根据得出的结果对燃煤电厂的经济性分析.