导航深度强化学习在电力系统稳定控制中的应用：综述

基于逆变器的资源广泛渗透对电力系统（PS）的电气稳定性产生了深远影响。光伏和风能系统的深入网格集成为电力部门带来了前所未有的不确定性。作为一项前沿机器学习技术，深度强化学习（DRL）的突破在过去几年中备受关注，具有对PS稳定性（PSS）的潜在贡献。普遍存在的DRL架构通过学习PS固有的动态性，为PSS生成近乎最优的行为。本文对专注于DRL以衍生PSS策略的最新研究努力进行了严格的回顾，同时考虑了电网的独特性质。此外，本文强调了新兴DRL技术作为优化电力流的强大工具的理论优势和关键权衡。针对所概述的所有方法，也提出了关于它们的瓶颈、研究挑战和在大规模PSS中潜在机会的讨论。此次综述旨在支持DRL算法领域的研究，以应对不可预见的故障和不同的PS拓扑结构。