An OPF-based Control Framework for Hybrid AC-MTDC Power Systems under Uncertainty

📄 arXiv: 2510.25671v1 📥 PDF

作者: Hongjin Du, Rahul Rane, Weijie Xia, Pedro P. Vergara, Aleksandra Lekić

分类: eess.SY

发布日期: 2025-10-29

💡 一句话要点

提出基于最优潮流的自适应控制框架，解决混合交直流电力系统在不确定性下的稳定运行问题。

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)

关键词: 混合交直流系统 最优潮流 自适应控制 可再生能源并网 风速预测 随机森林 硬件在环仿真

📋 核心要点

  1. 传统交直流混合电力系统控制策略难以应对高比例可再生能源带来的不确定性，忽略频率偏差易导致系统不稳定。
  2. 提出一种基于最优潮流的自适应控制框架，结合风速预测和实时运行条件，动态调整换流器设定点。
  3. 通过硬件在环仿真验证，该框架能有效提升混合交直流系统在高可再生能源渗透率下的稳定性和鲁棒性。

📝 摘要（中文）

随着可再生能源（特别是海上风电）的日益普及，混合交直流（AC-HVDC）电力系统面临着由预测误差和功率波动带来的显著不确定性。传统的控制策略通常依赖于固定的设定点，忽略了频率偏差，这可能会在可再生能源快速变化的情况下损害系统稳定性。为了应对这一挑战，本文提出了一种基于预测集成的最优潮流（OPF）的自适应控制框架。该框架利用随机森林模型生成的风速预测，将其纳入时间耦合的OPF中，以确定风力波动预期的基线换流器设定点，并根据实际运行条件实时调整。此外，还开发了一种自适应下垂控制方案，该方案联合考虑了直流电压和交流频率偏差。通过硬件在环（HIL）仿真验证了所提出的控制框架的有效性，证明了其在高可再生能源渗透率下确保混合交直流系统稳定可靠运行的能力。

🔬 方法详解

问题定义：论文旨在解决高比例可再生能源接入的混合交直流电力系统在不确定性下的稳定运行问题。现有控制方法通常采用固定设定值，无法有效应对风电等可再生能源的波动，且忽略了频率偏差，导致系统稳定性下降。

核心思路：论文的核心思路是利用风速预测信息，通过最优潮流计算预先确定换流器的基线设定点，并在此基础上，根据实际运行情况进行实时调整，从而实现对可再生能源波动的主动适应。同时，设计自适应下垂控制，联合考虑直流电压和交流频率偏差，提高系统对扰动的响应能力。

技术框架：该控制框架主要包含以下几个模块：1) 风速预测模块，使用随机森林模型进行风速预测；2) 时间耦合最优潮流（OPF）模块，将风速预测信息纳入OPF计算，确定基线换流器设定点；3) 自适应下垂控制模块，根据直流电压和交流频率偏差实时调整换流器输出；4) 硬件在环（HIL）仿真验证模块，评估控制框架的性能。

关键创新：该论文的关键创新在于：1) 将风速预测信息集成到最优潮流计算中，实现了对可再生能源波动的前瞻性控制；2) 提出了一种自适应下垂控制方案，能够联合考虑直流电压和交流频率偏差，提高了系统的鲁棒性；3) 通过硬件在环仿真验证了所提出控制框架的有效性，更贴近实际应用。

关键设计：随机森林模型的具体参数（如树的数量、最大深度等）需要根据实际风电场数据进行调整。时间耦合最优潮流的目标函数通常包括运行成本最小化和电压稳定裕度最大化等。自适应下垂控制的下垂系数需要根据系统运行状态进行动态调整，以保证系统的稳定性和响应速度。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

通过硬件在环（HIL）仿真验证，所提出的控制框架能够有效应对高比例可再生能源带来的不确定性，保持系统的稳定运行。具体的性能数据（如电压偏差、频率偏差等）未在摘要中明确给出，但强调了其在高可再生能源渗透率下的有效性。与传统的固定设定值控制方法相比，该框架能够显著提高系统的鲁棒性和适应性。

🎯 应用场景

该研究成果可应用于大规模可再生能源并网的混合交直流电力系统，提高系统的稳定性和经济性。特别是在海上风电等波动性较大的可再生能源接入场景下，该方法能够有效降低系统运行风险，促进可再生能源的消纳。未来，该方法可进一步扩展到包含储能、需求响应等多种资源的复杂电力系统中。

📄 摘要（原文）

The increasing integration of renewable energy, particularly offshore wind, introduces significant uncertainty into hybrid AC-HVDC systems due to forecast errors and power fluctuations. Conventional control strategies typically rely on fixed setpoints and neglect frequency deviations, which can compromise system stability under rapid renewable variations. To address this challenge, this paper presents a forecast-integrated, optimal power flow (OPF)-based adaptive control framework. Wind speed forecasts generated using a Random Forest model are incorporated into a time-coupled OPF to determine baseline converter setpoints in anticipation of wind fluctuations, which are further adjusted in real time based on actual operating conditions. An adaptive droop control scheme is developed that jointly considers DC voltage and AC frequency deviations. The effectiveness of the proposed control framework is validated through hardware-in-the-loop (HIL) simulations, demonstrating its capability to ensure stable and robust operation of hybrid AC-HVDC systems under high penetration of renewable energy.