发电控制系统

（1）本书涉及*新形态的电力系统的发电控制，如新型电力系统/综合能源系统全方位的发电控制，特别是其他书籍没有的新型电力系统、可再生能源的控制以及综合能源系统各类别能源的控制。（2）本书更注重一体化的调控技术，也就是采用新一代人工智能技术直接替代传统的“三次调频、二次调频和一次调频”。（3）本书填补了发电控制领域的新一代人工智能控制书籍的空白。（4）本书通过发电控制专业知识保障电力稳定供应，体现了攻克技术难题助力能源转型的思政内涵。

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。

殷林飞，博士，硕导/博导，2018年毕业于华南理工大学，参与国家重点基础研究发展计划1项和国家自然科学基金2项，主持国家自然科学基金2项、广西自然科学基金2项、开放基金5项和南方电网数字研究院横向项目2项，以出版专著/教材2本，入选2024年年度全球前2%*科学家榜单，已发表论文160余篇，其中第一作者/通讯作者发表SCI检索的中科院一/二区/IEEE学报论文共86篇，授权第一发明人发明专利51项、PCT专利1项，主持教学改革工程项目2项，参与其他教学改革项目10余项，担任国际期刊审稿人1600余次，是CSEE JPE优秀审稿人，是电力负荷技术分委会和电力系统安全防御与恢复控制技术分委会成员，是广西电网公司科技与职工创新孵化器专家，担任专刊主编7次，广西电机工程学会优秀论文二等奖2次和三等奖1次。

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