基于VI策略的off-policy输出反馈数据驱动Q学习的控制方法

本发明公开了一种基于VI策略的off‑policy输出反馈数据驱动Q学习的控制方法、系统、设备及存储介质，所述方法包括：基于单相电压源UPS逆变器的离散时间系统模型，构建逆变器模型的状态空间表达式；基于逆变器模型的状态空间表达式，构建代数黎卡提方程；基于代数黎卡提方程，构建基于状态反馈的VI的off‑policy Q函数；根据基于off‑policy的状态反馈数据驱动Q学习VI算法，采用最小二乘法对off‑policy Q函数求解；通过状态重构引理，将基于状态反馈的VI的off‑policy Q函数推导出基于输出反馈的VI的off‑policy Q函数，以使基于输出反馈的VI的off‑policy Q函数的求解不依赖于系统状态变量的测量。本发明不仅能够准确地控制电力转换和切换操作，以提高系统的能源利用效率，还能够在面对不可测量的状态信息时保持稳定运行，从而提高系统的可靠性和鲁棒性。