亚同步振荡（SSO）威胁着与风能并网的电力系统的稳定性，特别是在弱电网条件下运行的4型风电场中，转换器控制的快速动态响应可能会对电网产生不利影响。这些振荡会导致有功功率、PCC电压和输出电流出现持续扰动，并可能引发系统级连锁故障。 传统的SSO检测方法（如频率扫描和阻抗分析）较为复杂，且不适用于电网状况剧烈波动的情况。本次演讲将介绍一种基于智能机器学习的方案，用于在第4类风电场中自动检测和缓解SSO，该方案已通过使用OPAL-RT OP7000和树莓派5（Raspberry Pi 5）进行的硬件在环（HIL）实验进行了验证。 本次演讲探讨了SSO的特性、电网强度与风电机组控制动态之间的关系、通过实时仿真 生成数据，以及用于训练基于LSTM模型的特征提取方法。案例研究突显了所提方法在确保快速SSO检测与缓解方面的有效性，并强调了OPAL-RT的OP7000在构建海上风电场真实环境仿真模型方面的实用价值。