Abu Shouaib Hasan · Rui Fan · Di Wu · IEEE Transactions on Industrial Informatics · 2025年2月

随着电力消耗的不断增加以及输电投资的不足，如今的电力系统运行状态更接近其极限，这引发了对影响系统稳定性的区域间振荡问题的担忧。本文提出了一种用于增强区域间振荡阻尼的新型储能配置与控制方法。通过结合留数分析和主导模式分析，我们能够确定有利于提升阻尼性能的储能配置位置。为应对控制参数固定和阻尼不足等挑战，我们提出采用基于深度强化学习的方法进行储能控制。利用先进的基于引导替代梯度的进化策略，以稳健、高效且可重复的方式训练学习智能体。同时采用并行计算来加快训练过程。所提出的策略已在中型和大型系统上进行了...

解读: 从阳光电源储能系统业务视角来看，这项基于深度强化学习的区域间振荡抑制技术具有重要战略价值。随着新能源渗透率提升和电网运行接近极限状态，区域间振荡已成为威胁大规模新能源并网稳定性的关键问题，这与我司储能系统的核心应用场景高度契合。 该技术的核心价值在于两个维度的突破：首先，通过残差分析与主导模态分析...