Indexed by：
Abstract：
＂双碳＂目标下大规模新能源并网以及电力电子设备的大量投入运行使得系统的惯性降低,对系统的稳定运行造成了影响.传统的暂态稳定分析具有建模困难、计算效率不高、容易受到不确定因素的干扰等不足.近几年,强化学习发展迅速,深度强化学习结合了深度学习与强化学习的优势,可应用于大规模场景及信息有限的场合,学习海量高维、不确定数据求解决策问题.该文首先介绍了深度强化学习的概况,接着对深度强化学习在电力系统暂态稳定控制决策方面的已有研究成果进行总结和概括,从系统预防控制、系统紧急控制、系统恢复控制3个方面分析了深度强化学习算法在电力系统暂态稳定控制决策中的研究现状和优势,并就这一研究方向中存在的问题作了深入探讨,最后对深度强化学习未来技术发展和实际应用进行了展望.
Keyword：
Reprint 's Address：
Email：
Source ：
高电压技术
ISSN： 1003-6520
Year： 2023
Issue： 12
Volume： 49
Page： 5171-5186
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 5
Affiliated Colleges：
