本發(fā)明提供了一種基于深度強(qiáng)化學(xué)習(xí)的AGC機(jī)組動(dòng)態(tài)優(yōu)化方法，本發(fā)明引入了強(qiáng)化學(xué)習(xí)中的深度Q網(wǎng)絡(luò)(deep Q network,DQN)算法，通過(guò)智能體與環(huán)境的不斷交互，根據(jù)環(huán)境反饋的獎(jiǎng)勵(lì)值，不斷改進(jìn)智能體的策略，實(shí)現(xiàn)對(duì)系統(tǒng)中不確定性變量的學(xué)習(xí)，避免了對(duì)系統(tǒng)中的不確定性變量的建模。本方法能夠根據(jù)負(fù)荷和風(fēng)電的預(yù)測(cè)信息，自適應(yīng)學(xué)習(xí)預(yù)測(cè)帶來(lái)的不確定性，使得所給出的結(jié)果，即各臺(tái)AGC機(jī)組的調(diào)節(jié)量能夠更加吻合電力系統(tǒng)實(shí)際有功缺額，有助于系統(tǒng)的頻率穩(wěn)定，解決大規(guī)模新能源并網(wǎng)帶來(lái)的隨機(jī)擾動(dòng)問(wèn)題。