北美电力可靠性委员会颁布了最新的自动发电控制(AGC)的CPS考核标准,为电网放松对AGC机组的控制约束提供了依据。本项目提出对AGC机组实施最优松弛控制,不仅经济效益巨大,且在时间和空间上具有很高可行性。本项目提出利用"马尔可夫决策过程(MDP)"理论来研究CPS标准下电网AGC机组的最优松弛控制问题。首先将最优松弛控制问题拆分为调度端CPS最优控制以及AGC总调节指令在机组间的动态优化分配等两个子MDP问题来研究;然后将AGC连续控制问题转化为离散MDP问题;将最优控制目标转化为MDP奖赏函数;选择具有预测功能的Q学习方法解决AGC调节滞后时间长的问题,选择频域分解法和Q学习方法结合的方法解决AGC总调节指令的动态优化分配问题,选择具有分层优化能力HQ学习方法对两个子MDP进行协调和集成。最后借鉴其它动态优化理论和最优控制理论,获得CPS标准下AGC最优松驰控制的系统化理论成果。