面向VSC支撑低惯性电力系统快速频率控制的增强型优先经验强化学习策略研究

《Energies》:Fast Frequency Control of VSC-Supported Low-Inertia Power Systems Using Enhanced Prioritized Reinforcement Learning

【字体: 大 中 小 】 时间:2026年09月26日 来源:Energies 3.9

编辑推荐:

   摘要

  

摘要

变流器接入可再生能源发电渗透率的不断提高降低了电力系统惯性,并加剧了有功功率扰动后的频率偏差严重程度。为应对这一挑战,本文构建并评估了一种面向应用的增强型优先经验强化学习策略,用于 VSC 支撑的低惯性电力系统的快速频率控制。该控制器整合了双评论家确定性演员 - 评论家架构,并具备优先经验回放、奖励平滑和演员学习率衰减功能。该策略在改进的 IEEE 14 节点基准系统上进行评估,并与本地下垂控制基线、DDPG、TD3、PPO、SAC 以及模型预测控制(MPC)进行了对比。基准结果表明,与所研究的基于学习的控制器相比,该策略在暂态频率偏差抑制方面表现良好,而 SAC 和 MPC 则在累积频率调节指标和稳态频率调节指标上表现出优势。留一法和析因分析进一步表明,三项训练增强措施具有互补性且贡献取决于具体指标,而在目前的五组种子析因评估中,未观测到明确的成对或三方模块交互效应。此外,所训练的策略在受调查的通信、信息条件以及未见过的运行条件下也能保持有界响应,且无需重新训练。此外,在 100 毫秒的监控控制间隔下,其演员推理时间的 99 分位值约为 0.12 毫秒。这些结果证明了该策略具有优异的暂态调节性能、在所调查运行范围内的经验鲁棒性与泛化能力,以及较低的在线计算负担。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号