基于深度强化学习的SVC和STATCOM无功功率优化控制方法

《Scientific Reports》：Dynamic voltage stability enhancement in wind integrated power systems using a deep reinforcement learning based FACTS controller

　　

摘要

双馈感应发电机（DFIGs）常用于风力发电厂（WPP），可有效地将风能转换为电能。然而，基于DFIG的风力发电厂（DWPP）由于接口换流器的故障恢复电压延迟，在生成无功功率（Q）方面灵活性有限。不足的Q支撑会导致动态电压稳定性（DVS）和可靠性问题。为解决此问题，采用比例-积分（PI）控制器的柔性交流输电系统（FACTS）设备，如无源电力补偿器（SVC）和静态同步补偿器（STATCOM）被广泛用于调节无功功率并增强电压稳定性。然而，传统的基于PI的控制在严重电网扰动下往往表现出性能受限。为此，本文提出了一种基于深度强化学习（DRL）的控制方法，以增强SVC和STATCOM在稳态和暂态条件下的Q管理能力。性能分析在MATLAB/Simulink环境中进行，采用改进的IEEE九节点网络并考虑不同类型的扰动。仿真结果表明，所提出的控制器提高了测试网络的Q管理能力和DVS。此外，将DRL控制器与基于PI和模糊逻辑的控制器进行对比分析显示，当与SVC或STATCOM配合使用时，所提出的控制器具有更优越的性能。