摘要
以可再生能源为主导的新型电力系统的快速发展，使得电网的拓扑结构和运行特性变得越来越复杂且多变，这对输电接口的功率流控制带来了巨大挑战。基于操作员经验以及确定性优化的传统调控方法，在这种动态环境下往往无法实现实时最优控制。而深度强化学习凭借其强大的自主学习和特征识别能力，为解决这些难题提供了有效途径。本文提出了一种基于深度强化学习的在线输电接口功率流调控安全控制框架。该框架设计了一种安全型软演员-评论家智能体，将电力系统安全约束直接融入决策过程，从而确保运行安全。同时，还构建了一个具备容器化并行学习功能的安全EMS交互式训练平台，用以加快模型收敛速度，并提升其对不断变化的运行条件的适应能力。所开发的智能体已在江苏电网能源管理系统中进行验证。仿真和现场测试结果表明，该方法能够在毫秒级时间内生成控制策略，实现了99.3%的接口过载缓解率和3.32%的网络损耗降低率，其在响应速度和经济性方面均优于传统的基于灵敏度的优化方法。这些结果充分体现了该技术在实时计算方面的强大能力，以及与基于EMS的调度工作流程的兼容性，表明其在以可再生能源为主的电力系统中用于输电接口控制具有较高的实际应用潜力。
