본 논문은 EMT-in-the-loop 시뮬레이션 프레임워크(예: PSCAD와 Python 기반 학습 모듈 연동)를 사용하여 학습 기반의 튜닝 가능한 제어 이득을 개발하여 중요한 아(亞)동기 진동을 해결하는 것을 탐구한다. 특정 그리드 구성 하에서 제어 이득의 부적절한 튜닝으로 인해 아(亞)동기 제어 상호 작용(SSCI)이 발생하므로, 효과적인 완화 전략은 이러한 이득의 적응적 재조정을 필요로 한다. 본 논문은 Markov 결정 프로세스(MDP) 기반 강화 학습에서 영감을 받은 방법론을 채택하고, 다운 샘플링, 대역 통과 필터링, 진동 에너지 기반 보상 계산과 같은 SSCI 특정 신호 처리 모듈을 갖춘 간단한 딥 정책 경사 방법을 중점적으로 사용한다. 실제 사건 환경에서의 실험을 통해 딥 정책 경사 기반으로 훈련된 정책이 다양한 그리드 조건에 대응하여 이득 설정을 적응적으로 계산하고 제어 상호 작용으로 인한 진동을 최적으로 억제할 수 있음을 입증했다.
