来源：期刊VIP网 时间：
作者：甄鸿越;赵利刚;周保荣;赵傲;向轩辰;刁瑞盛;
单位：南方电网科学研究院有限责任公司新型电力系统研究所;浙江大学伊利诺伊大学厄巴纳香槟校区联合学院;
摘要：准确辨识风力发电厂模型关键参数对确保电网的安全、稳定和经济运行具有重要意义。提出一种基于粒子群优化（particle swarm optimization,PSO）和最大熵强化学习框架下的（soft actor-critic,SAC）的混合算法，旨在提高双馈式感应风力发电机组模型参数辨识的精度和效率。首先，使用双向摄动法对模型参数进行有功-无功灵敏度分析，识别出高灵敏度参数集；其次，使用SAC算法训练智能体模型，对模型坏参数进行初步估计；最后，结合PSO算法进一步优化参数空间，以最小化模型有功-无功动态响应与录波数据的均方误差（mean square error,MSE）。实验结果表明，所提SAC-PSO混合方法在参数辨识方面表现出更高的精度，MSE降低了87.84%，验证了SAC-PSO方法在提高DFIG参数辨识精度和鲁棒性方面的有效性。
关键词：深度强化学习;;双馈感应发电机;;混合算法;;参数辨识;;粒子群优化
基金资助：国家自然科学基金企业创新发展联合基金资助项目(U22B6007);; 中国南方电网公司科技项目(ZBKJXM20232419)
