गैर-रेखीय विद्युत प्रणालियों के लिए गहरा Reinforcement Learning आधारित मॉडल-फ्री लोड फ़्रीक्वेंसी नियंत्रण

लोड फ़्रीक्वेंसी नियंत्रण (LFC) विद्युत प्रणालियों में फ़्रीक्वेंसी उतार-चढ़ाव को स्थिर करने और विद्युत गुणवत्ता की गारंटी देने के लिए व्यापक रूप से उपयोग किया जाता है। हालाँकि, अधिकांश मौजूदा LFC विधियाँ सही विद्युत प्रणाली मॉडलिंग पर निर्भर करती हैं और आमतौर पर प्रणाली की गैर-रेखीय विशेषताओं की अनदेखी करती हैं, जिससे नियंत्रकों के प्रदर्शन में सीमाएँ आती हैं। इन समस्याओं को हल करने के लिए, यह लेख गहन निश्चित नीति ग्रेडिएंट फ्रेमवर्क पर आधारित गैर-रेखीय विद्युत प्रणालियों के लिए एक मॉडल-फ्री LFC विधि का प्रस्ताव करता है। प्रस्तावित विधि विद्युत प्रणाली की गतिशीलता का अनुकरण करने के लिए एक अनुकरणकर्ता नेटवर्क स्थापित करती है। कार्रवाई-मूल्य कार्य को परिभाषित करने के बाद, अनुकरणकर्ता नेटवर्क को नियंत्रण क्रियाओं के मूल्यांकन के लिए आलोचक नेटवर्क के बजाय लागू किया जाता है। इसके बाद, अभिनेता नेटवर्क नियंत्रक को ज़ीरोथ-ऑर्डर अनुकूलन और बैकप्रोपोगेशन अल्गोरिदम के आधार पर नीति ग्रेडिएंट का अनुमान लगाकर प्रभावी तरीके से अनुकूलित किया जाता है। सिमुलेशन परिणाम और संबंधित तुलना दर्शाते हैं कि डिज़ाइन किया गया नियंत्रक उचित नियंत्रण क्रियाएँ उत्पन्न कर सकता है और गैर-रेखीय विद्युत प्रणालियों के लिए मजबूत अनुकूलता रखता है।