원래 이름 기록: 国网浙江省电力有限公司经济技术研究院; 北京交通大学

本发明公开了计及调频性能补偿机制的深度强化学习调度方法，涉及电力系统领域，该方法包括：基于负荷频率控制技术和电力系统约束条件建立电力系统模型；根据里程支付标准配置包括里程、里程价格及准确度的补偿机制；基于电力系统模型和补偿机制，将调频调度构建为具有自回归因式分解策略的马尔可夫决策过程，并配置马尔可夫决策过程的状态空间、动作空间及奖励函数；基于约束参数化与自回归策略构建深度强化学习算法，并利用深度强化学习算法求解马尔可夫决策过程，以完成异构资源的协同优化调度。本发明提供约束感知深度强化学习架构，将异质调频资源的物理限制编码至策略生成过程，最后实现实时多种调频资源最优调度。