随着新型电力系统的建设推进，数字化技术成为提升电网质量和效率的核心驱动力。在数字换流站(digital converter station

DCS)中，采用无人机和机器人进行巡检时，常常遭遇路障和异常状况等挑战，而传统的DCS网络未能有效结合设备的感知功能。为此，文章提出一种基于通感一体化(integrated sensing and communication

ISAC)技术与多输入多输出(multiple input multiple output

MIMO)技术的方法，整合DCS中的通信和感知功能，以提升系统性能。然而，复杂的换流站环境及通感信号一体化过程带来通信覆盖受限、信号质量衰落和通感干扰等问题，难以应对设备监控、负荷调度、故障检测等实际业务场景下对网络的高带宽、低延迟和高可靠性等需求。为解决这些挑战，设计1个DCS-MIMO-ISAC网络模型，以优化系统通感信噪比为目标，通过多天线技术与波束成形方法提升信号质量，从而扩大网络覆盖范围。首先，提出通感波束成形的独立设计与联合设计2种策略，通过波束成形技术调整信号发射方向来优化信号接收质量；然后，采用深度强化学习算法优化波束成形策略，进一步提高网络的信噪比和覆盖范围；最后，仿真结果表明，MIMO技术在提升信号接收信噪比方面的优越性，且与随机角度选择相比，所提方案显著提升系统的总信噪比，通过高信噪比接收信号确保网络在上述业务场景中的高速率、低延迟与高可靠数据传输需求，进一步验证所提方案在业务环境下的有效性，具有较强的实际应用潜力。