基于数据驱动和深度强化学习的孤岛多风柴电压控制研究

• 作者: 贺柱 柴良明 吴楚 郑仕涛
• 来源期刊: 电力电容器与无功补偿
• 学科: 工学
• 关键词: 孤岛多风柴系统 双馈感应发电机(DFIG) 深度强化学习 附加智能电压控制器 动态稳定性
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 非同步机电源大规模接入与无功补偿问题
• 页码范围: 1-7
• 页数: 6页
• 语种: 中文
• DOI: 10.14044/j.1674-1757.pcrpc.2021.04.001

摘要

针对风能及负荷波动导致的孤岛多风柴系统电压波动问题,提出用双馈感应发电机(double fed induction generator,DFIG)负荷侧变流器(load side converter,LSC)补偿系统无功的策略.考虑LSC状态量不完全可测及模型参数不确定的情况,本文基于连续性动作空间的深度强化学习算法提出一种数据驱动、无模型的LSC附加控制方法.该方法以非线性的方式获取控制策略来减小电压波动,并且针对模型的不确定性具有更快的响应速度和更强的自适应性.首先建立孤岛多风-柴混合系统的数学模型;其次离线采用深度强化学习在连续性空间中优化LSC的无功电压控制策略,然后在线通过堆叠去噪自动编码器(stacked denoising auto-encoder,SDAE)提取特征,并采用策略网络进行在线控制.数例仿真结果表明,与传统的控制策略相比,本文所提控制方法可以有效抑制电压的波动,且具有更好的系统动态稳定控制效果.