新能源发电出力具有波动性、不确定性特征,会破坏电力系统电压和频率的动态平衡,引发潮流分布的改变,进而造成电网解列,威胁电网的整体稳定与供电安全。多频段电力系统稳定器(MB-PSS)的稳定控制能够提高电力系统电能传输时的可靠性和稳定性。为保证MB-PSS的稳定性,结合深度强化学习中的深度确定性策略梯度(DDPG)法以及生成式预训练模型(GPT)中的Transformer机制,提出了一种Transformer嵌入式DDPG(TDDPG)的多频段电力系统稳定器稳定性控制方法,将Transformer机制融入DDPG法的2个神经网络中,通过编码器和译码器来提高输入参数的维度,以解决DDPG法中2组神经网络输入过少的问题。三相接地故障和两相接地故障仿真结果表明,基于TDDPG法的多频段电力系统稳定器稳定性控制方法训练效果好,具有更高的控制精度。