基于深度强化学习的储能系统虚拟惯量控制OA
在碳达峰碳中和的目标下,大量可再生能源接入电力系统替代传统同步发电机。然而,新能源带来的不确定性和低惯性的特点导致电力系统面临频率波动和振荡等挑战。储能系统结合逆变器技术可提供快速的频率响应,其中虚拟惯性控制能有效减少频率偏差及频率变化率。针对储能系统的虚拟惯性控制往往需要考虑控制成本设计最优控制器,但大部分现有最优虚拟惯性控制方法依赖线性化模型,难以处理复杂非线性系统。为此,提出基于李雅普诺夫的强化学习方案,将虚拟惯性控制建模为马尔可夫决策过程,利用李雅普诺夫理论设计控制器,确保闭环系统局部稳定性,并采用深度确定性策略算法优化控制器参数。仿真结果表明,所提方法显著提升了频率控制性能。
范德玲;李娜;吴卓睿;高嵩;张萌
国网山东省电力公司电力科学研究院,山东济南250003国网山东省电力公司电力科学研究院,山东济南250003西安交通大学,陕西西安710049国网山东省电力公司电力科学研究院,山东济南250003西安交通大学,陕西西安710049
能源科技
虚拟惯量控制储能系统最优控制强化学习
《山东电力技术》 2026 (9)
P.94-101,8
国网山东省电力公司科技项目“提升电力系统多时间尺度平衡能力的多元新型储能调控技术研究及应用—课题3面向短时间尺度电力平衡的功率型储能调控技术研究”(520626240008)。
评论