基于改进深度强化学习的风电场无模型无功电压控制

在风电大规模并网的背景下,风电场的电压越限问题愈发严重。为缓解风电场的电压越限问题并提高风电场的安全性和经济性,无功电压控制方法受到广泛关注。现有风电场无功控制方法大多基于准确的风电场物理模型进行优化计算,部分研究虽考虑了风电场模型不完整的因素,但仍存在稳定性差、效率低的问题。针对当前许多风电场缺乏维护良好的模型这一现状,提出一种基于改进深度强化学习的风电场无模型无功电压控制方法,通过挖掘在线交互样本的信息智能学习得到最优控制策略。为提高现有基于深度强化学习的无功电压控制的效率和稳定性,引入了随机策略和柔性约束技术避免陷入局部最优,并通过仿真实验验证了本文所提方法的有效性与优越性,能够在风电场的模型缺失场景下,提供稳定、高效的风电场无功电压控制服务。