RT25 | 运用OPAL-RT加速电力系统应用中的强化学习训练

科罗拉多州立大学的蒂莫西·M·汉森博士仿真提出了一种用于电网频率控制的实时强化学习（RL）框架。该方法在阿拉斯加科多瓦微电网的验证中，实现了RL训练速度提升20倍，并通过电池储能系统（BESS）集成显著增强了快速频率响应（FFR）能力。这项研究通过可扩展的实时仿真，成功架起了人工智能与电力系统的桥梁。