[发明专利]基于PPO的风力发电机组功率预测控制系统

权利要求书

1.一种基于PPO的风力发电机组功率预测控制系统，其中包括，风力发电机组、运行数据获取单元、功率预测模型、PPO算法模块；风力发电机组由风力驱动输出电力，其工作状态受风速影响发生变化；其特征在于，

运行数据获取单元连接风力发电机组，获取风力发电机组的历史功率数据和实时功率数据，还获取气象数据；

基于气象数据和风力发电机组的历史功率数据进行数据建模，得到功率预测系统的数据驱动模型；

PPO算法模块接收风力发电机组的实时功率数据作为实际运行状态信息，并将有效学习结果反馈至功率预测系统数据驱动模型；

机组的功率预测系统数据驱动模型接收到PPO算法模块的反馈信息后，进一步将功率预测结果与机组实际功率进行比较，若预测误差超出阈值，则更新功率预测系统数据驱动模型。

2.根据权利要求1所述的基于PPO的风力发电机组功率预测控制系统，其特征在于，通过传感器采集或网络服务器方式获取气象数据。

3.根据权利要求1所述的基于PPO的风力发电机组功率预测控制系统，其特征在于，基于风力发电机组过去若干天超短期历史运行数据通过子空间辨识法得到其功率预测系统的数据驱动模型。

4.根据权利要求1所述的基于PPO的风力发电机组功率预测控制系统，其特征在于，PPO算法模块通过PPO算法中的智能体agent对风力发电机组实际运行状态信息进行在线有效学习，将清洗后有利于提高功率预测精度的实时功率数据、风速环境信息反馈至功率预测系统数据驱动模型。

5.根据权利要求1所述的基于PPO的风力发电机组功率预测控制系统，其特征在于，还包括机组运维优化单元，利用更新后的功率预测系统数据驱动模型输出功率预测信息到机组运维优化单元，进而调节风力发电机组运行。

6.根据权利要求5所述的基于PPO的风力发电机组功率预测控制系统，其特征在于，重复执行迭代更新，使功率预测系统数据驱动模型接近机组实时运作状况。

7.根据权利要求1所述的基于PPO的风力发电机组功率预测控制系统，其特征在于，PPO算法中智能体agent是深度神经网络的结构，通过设置奖励值并反馈给智能体指导其进行有效的动作，进而快速精准完成学习任务，深度神经网络由输入层、输出层和几个隐藏层组成；环境的状态信息被输入到深度神经网络的输入层，输出是动作或动作值。

8.根据权利要求7所述的基于PPO的风力发电机组功率预测控制系统，其特征在于，PPO算法具有角色actor-评论critic架构，actor和critic分别是两个参数为θ^μ和θ^Q的深度神经网络；利用actor网络μ去估计策略函数π(a|s,θ^μ)；而critic网络Q则是用来估计价值函数V(s)，actor政策π(a|s,θ^μ)符合正态分布π(a|s)～N(μ,σ²)；actor网络的输出均值为μ，标准差为σ。