电力系统频率是电能质量的三大指标之一。负荷频率控制是保证电力系统频率稳定的一个重要手段。频率控制系统中的各个环节存在的非线性,使系统的数学模型更加难以建立和求解,控制参数的整定也更困难。因此,有必要研究行之有效的负荷频率调整和控制方法。论文基于智能控制和智能系统理论,针对传统AGC系统控制方式的不足,提出了频率调整的新思路。论文提出了基于先验知识的Q学习算法进行系统频率调节。传统多区域系统二次频率调整中一般采用固定增益系数,从而忽视了非线性环节。针对此不足,论文首先利用AGC系统周期性控制的特点,将其离散化处理,基于离散Markov理论,提出了采用Q-学习算法作为单智能体控制器的学习放法来代替传统的比例积分控制环节,通过函数映射确定机组有功出力整定值;利用模糊综合决策办法将系统环境信息作为强化学习的先验知识来提高学习速度。并通过广泛采用的CPS考核指标对算法进行验证。论文提出了采用超导磁储能装置进行频率调整,利用超导磁储能调整快速,瞬间释放功率大的特点,将可再生能源作为储能装置的充电电源,既能实现系统频率稳定,又避免了可再生能源间歇性放电对电力系统的冲击。为超导磁储能装置提供新的应用领域,为可再生能源合理利用提供新的途径。论文提出采用专家整定控制方法实现超导储能装置和调频机组之间的协调配合。利用专家整定方法概念清晰,规则设计简单,可操作性强的特点,容易实现有超导磁储能装置辅助的多区域负荷频率调节。论文基于多智能体的随机博弈理论,来实现含有超导磁储能装置辅助配合的多区域AGC系统频率调整控制策略,利用Friend-or-foe Q学习算法指导各个智能体之间的协调。这将有利于区域间扰动或故障情况下的功率支持,减少区域机组旋转备用预留量,也有利于区域间能源配置的更合理利用。利用多智能体间的在线学习技术能够实现更快速的多区域系统的负荷频率调节,实现系统频率稳定。