《表A2 BP神经网络参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于在线强化学习的风电系统自适应负荷频率控制》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

模型在线学习能力直接影响了所提出的控制策略对不确定真实环境动态模型的自适应性。模型在线学习能力越强，说明SINDy能越快适应环境的变化，根据当前实际系统动态模型自动更改控制策略。因此本文从以下几个方面与反向传播（back propa‐gation，BP）神经网络算法进行对比，分析了基于SINDy的模型在线学习效果，从而说明所提出的基于自适应动态模型的在线强化学习控制策略能够减少因风电渗透率提高给LFC系统动态模型带来的不确定性对频率波动的影响。其中BP神经网络的详细参数见附录A表A2。