Spatial Characterization of Sub-Synchronous Oscillations Using Black-Box IBR Models

📄 arXiv: 2603.15399v1 📥 PDF

作者: Muhammad Sharjeel Javaid, Gabriel Covarrubias Maureira, Ambuj Gupta, Debraj Bhattacharjee, Jianli Gao, Balarko Chaudhuri, Mark O'Malley

分类: eess.SY

发布日期: 2026-03-16

备注: Accepted for IEEE PES General Meeting 2026, Montreal

💡 一句话要点

利用黑盒IBR模型进行次同步振荡空间特征分析

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)

关键词: 次同步振荡 逆变器型资源 黑盒模型 频域辨识 模态分析

📋 核心要点

  1. 高比例新能源电力系统易发生次同步振荡，但厂商封闭的IBR模型限制了振荡分析。
  2. 论文提出利用频域辨识技术构建黑盒IBR模型，结合动态网络模型复现振荡行为。
  3. 通过模态分析和空间热图，验证了黑盒模型在识别SSO敏感区域的有效性。

📝 摘要（中文）

在高渗透率逆变器型资源（IBR）的电力系统中，容易发生次同步振荡（SSO）。由于供应商特定的IBR模型的封闭性，限制了预测SSO的严重程度和传播范围的能力。本文证明，通过频域辨识技术估计的黑盒IBR模型，结合动态网络模型，可以复现实际的振荡行为。通过比较闭环特征值和参与因子，在闭环多IBR测试系统中，使用模态分析针对实际IBR模型验证了估计的IBR模型。此外，利用输出可观测的右特征向量，开发了空间热图，以可视化显性SSO模式的传播和严重程度。在11节点和39节点测试系统上的案例研究证实，即使使用估计的IBR模型，也可以识别IBR主导的电力系统中易受SSO影响的区域。

🔬 方法详解

问题定义：电力系统中高比例新能源接入导致次同步振荡（SSO）问题日益突出。然而，由于逆变器型资源（IBR）模型的封闭性，电力系统运营商难以准确预测SSO的严重程度和传播范围，这给电力系统的安全稳定运行带来了挑战。现有方法依赖于详细的IBR模型，但这些模型通常由设备供应商保密，难以获取。

核心思路：本文的核心思路是通过频域辨识技术，利用可观测的系统数据，建立黑盒IBR模型。这种黑盒模型无需了解IBR内部的具体控制逻辑，仅通过输入输出关系来描述其动态特性。通过将黑盒IBR模型与动态网络模型相结合，可以近似复现实际系统的振荡行为，从而预测SSO的风险。

技术框架：该方法主要包含以下几个阶段：1) 频域数据采集：通过扰动或运行数据获取IBR的频域响应数据。2) 黑盒IBR模型辨识：利用系统辨识算法，如最小二乘法或子空间辨识法，从频域数据中估计黑盒IBR模型的参数。3) 系统模态分析：将辨识得到的黑盒IBR模型与电力系统网络模型相结合，进行模态分析，计算系统的特征值和特征向量。4) 空间热图生成：利用输出可观测的右特征向量，绘制空间热图，可视化SSO模式的传播和严重程度。

关键创新：该方法最重要的创新在于利用黑盒模型来表征IBR的动态特性，避免了对详细IBR模型的依赖。与传统方法相比，该方法具有更强的适用性和可操作性，因为黑盒模型可以通过实测数据进行辨识，而无需了解IBR的内部结构。此外，利用空间热图可视化SSO的传播范围，为电力系统运营商提供了直观的风险评估工具。

关键设计：在黑盒IBR模型辨识过程中，需要选择合适的模型结构，如传递函数模型或状态空间模型。模型阶次的选取需要权衡模型的精度和复杂度。在模态分析中，需要选择合适的特征值求解算法，如QR算法或幂迭代法。空间热图的颜色映射需要根据特征向量的幅值进行调整，以清晰地展示SSO的传播范围。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

论文通过在11节点和39节点测试系统上的案例研究，验证了该方法的有效性。通过比较闭环特征值和参与因子，证明了黑盒IBR模型能够准确复现实际系统的振荡行为。空间热图清晰地展示了SSO的传播范围，为电力系统运营商提供了直观的风险评估工具。实验结果表明，即使使用估计的IBR模型，也可以准确识别IBR主导的电力系统中易受SSO影响的区域。

🎯 应用场景

该研究成果可应用于电力系统规划、运行和控制等领域。电力系统运营商可以利用该方法评估高比例新能源接入对系统稳定性的影响，识别SSO的风险区域，并制定相应的控制策略。此外，该方法还可以用于在线监测和诊断SSO，提高电力系统的安全性和可靠性。未来，该方法可以扩展到包含更多类型新能源设备的电力系统，并与其他稳定控制技术相结合，进一步提高电力系统的稳定性。

📄 摘要（原文）

Power systems with high penetration of inverter-based resources (IBRs) are prone to sub-synchronous oscillations (SSO). The opaqueness of vendor-specific IBR models limits the ability to predict the severity and the spread of SSO. This paper demonstrates that black-box IBR models estimated through frequency-domain identification techniques, along with dynamic network model can replicate the actual oscillatory behavior. The estimated IBR models are validated against actual IBR models in a closed-loop multi-IBR test system through modal analysis by comparing closed-loop eigenvalues, and participation factors. Furthermore, using output-observable right eigenvectors, spatial heatmaps are developed to visualize the spread and severity of dominant SSO modes. The case studies on the 11-bus and 39-bus test systems confirm that even with the estimated IBR models, the regions susceptible to SSO can be identified in IBR-dominated power systems.