Data-Driven Decision Making for Enhancing Small-Signal Stability in Hybrid AC/DC Grids Through Converter Control Role Assignment
作者: Francesca Rossi, Sergi Costa Dilme, Josep Arevalo-Soler, Eduardo Prieto-Araujo, Oriol Gomis-Bellmunt
分类: eess.SY
发布日期: 2025-03-07
💡 一句话要点
提出基于数据驱动的多标准决策方法，增强混合交直流电网小信号稳定性
🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)
关键词: 混合交直流电网 小信号稳定性 数据驱动 多标准决策 互联电力变换器 在线调度 替代模型
📋 核心要点
- 传统混合交直流电网中，互联电力变换器控制角色固定，无法适应高比例可再生能源带来的波动。
- 论文提出一种在线调度重计算算法，利用数据驱动的多标准决策框架动态调整变换器控制角色。
- 该方法集成了小信号稳定性分析的替代模型，实现系统稳定性和性能指标的快速计算。
📝 摘要（中文）
混合交直流输电网包含用作互联电力变换器（IPC）的模块化多电平变换器。分配给每个变换器的控制角色显著影响电网动态。传统上，这些变换器以静态控制角色运行，但最近的研究提出了基于日前预测调度其角色的方法，以提高稳定性性能。然而，在高可再生能源渗透率的系统中，预测偏差可能导致调度的控制分配次优，甚至导致不稳定。为了应对这一挑战，本工作提出了一种在线调度重计算算法，该算法在系统运行期间动态调整IPC控制角色。该方法利用数据驱动的多标准决策框架，集成了传统小信号稳定性分析工具的替代模型，从而能够快速计算系统稳定性和稳定性性能指标。
🔬 方法详解
问题定义：论文旨在解决混合交直流电网中，由于高比例可再生能源接入带来的不确定性，导致传统静态控制角色分配的互联电力变换器（IPC）无法保证系统小信号稳定性的问题。现有方法依赖于日前预测，但预测偏差会导致控制策略失效，甚至引发系统不稳定。
核心思路：论文的核心思路是采用数据驱动的方法，构建系统稳定性的替代模型，并在此基础上设计在线调度重计算算法，根据实时系统状态动态调整IPC的控制角色。通过快速评估不同控制角色分配方案下的系统稳定性，选择最优方案，从而提高系统对可再生能源波动的适应能力。
技术框架：该方法主要包含以下几个阶段：1) 数据采集与预处理：收集电网运行数据，包括电压、电流、功率等信息，并进行清洗和特征提取。2) 替代模型构建：利用机器学习方法（例如，支持向量机、神经网络等）构建小信号稳定性分析工具的替代模型，实现对系统稳定性的快速评估。3) 多标准决策：定义多个稳定性性能指标（例如，阻尼比、特征值实部等），并根据实际需求设置权重。4) 在线调度重计算：基于替代模型和多标准决策框架，实时评估不同IPC控制角色分配方案下的系统稳定性，选择最优方案并更新控制策略。
关键创新：该论文的关键创新在于：1) 提出了基于数据驱动的在线调度重计算算法，能够动态适应电网运行状态的变化。2) 利用替代模型加速了系统稳定性评估过程，使其能够满足在线调度的实时性要求。3) 采用多标准决策框架，综合考虑了多个稳定性性能指标，提高了控制策略的鲁棒性。
关键设计：替代模型的选择和训练是关键。论文可能采用了某种机器学习算法，例如高斯过程回归或神经网络，来拟合小信号稳定性分析的结果。损失函数的设计需要能够准确反映系统稳定性，例如可以使用特征值的实部或阻尼比作为损失函数的组成部分。多标准决策框架中，各个性能指标的权重需要根据实际电网的运行特点进行调整。
🖼️ 关键图片
📊 实验亮点
论文提出了一种数据驱动的在线调度重计算算法，能够动态调整IPC控制角色，提高系统对可再生能源波动的适应能力。通过构建小信号稳定性分析工具的替代模型，实现了系统稳定性的快速评估。实验结果表明，该方法能够有效提高混合交直流电网的小信号稳定性，并降低系统发生失稳的风险。具体的性能提升数据未知，需要在论文中查找。
🎯 应用场景
该研究成果可应用于提高含高比例可再生能源的混合交直流电网的运行稳定性和可靠性。通过动态调整互联电力变换器的控制角色，可以有效抑制可再生能源波动对电网的影响，降低系统发生失稳的风险。此外，该方法还可以应用于智能电网的规划和运行优化，提高电网的整体性能。
📄 摘要（原文）
Hybrid AC/DC transmission grids incorporate Modular Multilevel Converters functioning as Interconnecting Power Converters (IPCs). The control role assigned to each converter significantly influences grid dynamics. Traditionally, these converters operate with static control roles, but recent studies have proposed scheduling their roles based on day-ahead forecasts to enhance stability performance. However, in systems with high renewable energy penetration, forecast deviations can render scheduled control assignments suboptimal or even lead to instability. To address this challenge, this work proposes an online scheduling recalculation algorithm that dynamically adapts IPC control roles during system operation. The approach leverages a data-driven multi-criteria decision-making framework, integrating surrogate models of conventional small-signal stability analysis tools to enable a fast computation of system stability and stability performance indicators.