“双碳”目标已成为世界各国共同努力的方向，我国也于2020年在世界气候变化大会上作出“三〇六〇”的承诺。电力行业作为碳排放“大户”，努力提升新能源发电占比，持续推进低碳减排，是助力“双碳”目标实现的重要手段。由于新能源自身固有的随机性、间歇性和波动性，其大规模渗透会给电力系统安全、可靠、稳定和经济运行带来巨大的挑战。如何应对新能源大规模并网带来的影响，提高系统对电压稳定感知的敏锐性以及协调无功分布实现电压稳定与降低网损的综合控制，具有一定的理论与实践价值。 本文利用机器学习技术，针对新形势下电力系统静态电压稳定在线评估和电力系统无功协同控制两个核心问题展开研究，主要成果如下： （1）将静态电压稳定感知问题定义为回归问题，提出基于RReliefF-SDAE-BP-Bagging网络的电压稳定在线评估方法。首先通过场景模拟、潮流计算和局部电压稳定指标计算获得训练样本集；然后通过RReliefF方法进行特征排序，剔除权重较低的属性，提升训练效率；接着搭建堆叠去噪自编码神经网络，提高模型数据去噪能力；最后运用BP网络结合Bagging集成训练得到各关键特征量与电压稳定的映射关系。以修改的IEEE39节点系统为例，通过算法和场景对照，验证所提方法有较为理想的建模速度和较高的准确度，能够应对新形势下的电力系统电压稳定在线评估要求。 （2）将电力系统无功控制问题定义为强化学习问题，提出基于PPO算法的电力系统无功协同控制方法。先对电力系统无功控制进行马尔可夫决策过程建模，将传统的电力系统无功控制问题转化为强化学习问题，继而采用近端策略优化算法在连续状态和连续-离散混合动作空间下进行求解。针对奖励函数设定问题，提出了约束-目标划分和目标预设的方法，提高智能体收敛速度。对于无功控制的多目标性——提高电压稳定性和降低网损，采取两组智能体分别控制，以静态电压稳定感知结果为基础，智能选择相应智能体进行控制。最后以改进的IEEE39系统开展案例分析，通过算法和场景对照，验证所提算法对考虑新能源出力随机性的电力系统无功协同控制的有效性。
NETL
