含嵌入式直流的受端电网动态响应智能分析方法

直流输电系统嵌入大型交流系统，将进一步增加换相失败、直流闭锁等故障对系统安全稳定的影响，交流系统与直流系统的交互作用，将使系统动态更加复杂；针对电网不同运行方式下大扰动后系统复杂动态响应特性分析难题，本文提出一种基于机电-电磁混合仿真与机器学习的智能分析方法。该方法基于PCA降维、DBSCAN、Kmeans等算法建立二阶段聚类模型，可针对直流落点近区严重故障后大量混合仿真动态曲线在高维空间中自动聚类，并给出相应标识与严重程度，提取交直流系统在不同故障下的典型动态模式，并自动标注并识别各模式下主导安全稳定问题。本文所提方法的有效性在2025年华东电网运行方式中得以验证，仿真结果标明，所提方法可有效提取不同故障下系统动态模式，将有效支撑后续复杂故障下的交直流系统动态机理分析。     

基于深度强化学习算法的“电网脑”及其示范工程应用

可再生能源、电力电子设备渗透率持续增大以及大功率交直流混联,电网的动态性、随机性和不确定性显著增强,给电力系统安全稳定运行带来新的挑战.为更有效解决电网中出现的电压、潮流快速波动而导致的安全问题,提出一种基于最大熵深度强化学习算法的智能电网调控辅助决策方法,同时考虑多种控制目标,对电网运行方式进行在线优化控制.该方法将电网调度控制决策建模为马尔科夫决策过程,训练多线程智能体,并采用周期性在线训练机制对智能体的控制性能进行不断提升.基于该方法所研发的辅助决策原型软件部署在国网江苏电力调度控制中心,可与电网调度控制系统环境直接交互,自主学习且不断提升智能体调控决策能力.训练好的智能体可针对电压越限、联络线潮流越限、网损等综合控制目标在毫秒级时间内给出有效控制策略.     

基于深度强化学习的电网自主控制与决策技术

高比例可再生能源和电力电子设备渗透率的不断增加给电力系统运行与调控带来诸多挑战。本文基于深度强化学习技术（深度确定策略梯度, DDPG）提出了具有在线学习功能的电网自主优化控制与决策框架，即“电网脑”系统；通过不断的学习和经验累积，AI智能体可以在亚秒级时间内根据实时量测数据给出调控指令及预期效果。该系统近期可用于辅助调度员决策，远期可为自动调度提供技术手段。本文以电网电压和联络线潮流控制为例，从多方面详细介绍了自主调控的方法，包括问题描述、控制目标和样本设定、奖惩机制定义、状态空间和控制动作集定义、算法实现流程等。大量的数值仿真实验验证了所提方法强大的学习能力以及应用于电力系统自主控制与决策的可行性。     

几种常见风力发电系统的技术比较

结合国内外风力发电的发展现状介绍了几种常见的风力发电系统，详细阐述了风力发电原理和风力机系统的数学模型，并对这几种风力机系统进行技术比较，最后简要介绍了风力发电接入系统后对电网的影响。