Feedback Linearization and Control of a Grid-Forming Power Converter in an Islanded Microgrid

Stellen Sie sich ein Inselnetz vor, das wie eine kleine, isolierte Insel ist, auf der eine Gruppe von Solarmodulen und Windturbinen ein Dorf mit Strom versorgen muss. In diesem Szenario gibt es kein massives Festlandnetz, auf das man sich zur Stabilisierung stützen kann. Der „netzbildende Wechselrichter“ (Grid-Forming Inverter) ist der kluge Manager dieser Insel. Seine Aufgabe ist es, eine perfekte, konstante elektrische Spannung zu erzeugen (wie ein gleichmäßiger Wasserdruck in einem Rohr), auf die die Geräte des Dorfes angewiesen sind.

Das Problem ist knifflig: Die Menge an Elektrizität, die das Dorf verbraucht (die Last), ändert sich augenblicklich, je nachdem, wie stark der Manager die Spannung drückt. Wenn der Manager zu stark drückt, verbraucht das Dorf mehr Leistung; wenn er zu wenig drückt, sinkt die Spannung. Es ist ein ständiges, schnelllebiges Tauziehen.

Der alte Weg: Der „Zweistufen“-Manager (Kaskadierte PI)

Seit Jahren wird dies mit einem kaskadierten PI-Regler gesteuert. Stellen Sie sich dies als einen Manager mit zwei Assistenten vor, die in einer strengen Hierarchie arbeiten:

1. Der schnelle Assistent (Innenregelschleife): Diese Person beobachtet den Stromfluss durch die Leitungen. Sie reagiert sehr schnell, um den Strom stabil zu halten.
2. Der langsame Manager (Außenregelschleife): Diese Person beobachtet die Spannung. Sie sagt dem schnellen Assistenten, was zu tun ist, bewegt sich aber langsam. Er wartet, bis der schnelle Assistent seine Arbeit erledigt hat, bevor er eine neue Entscheidung trifft.

Um dies zum Laufen zu bringen, muss der langsame Manager viel langsamer sein als der schnelle Assistent. Wenn sie nicht so sind, wird das System verwirrt und instabil. Zudem neigen sich die beiden Stromrichtungen (d-Achse und q-Achse) gegenseitig, da der Strom rotiert (wie ein sich drehendes Rad). Das alte System versucht, dieses Chaos mit „Feedforward“-Vermutungen (Vorsteuerung) zu korrigieren – wie ein Fahrer, der versucht, das Lenkrad basierend auf einer Karte zu drehen. Aber diese Vermutung funktioniert nur dann perfekt, wenn die Straßenbedingungen (Last und Widerstand) exakt so sind, wie es die Karte vorgibt. Wenn sich die Straße ändert, ist die Vermutung falsch und das Auto driftet ab.

Das Ergebnis: Dieses System ist stabil, aber träge. Wenn man es bittet, die Spannung zu ändern, dauert es lange, bis sie sich einpendelt.

Der neue Weg: Der „allwissende“ Manager (Feedback-Linearisierung)

Das Paper schlägt einen neuen Ansatz vor, der Full-State Feedback Linearization (Zustandsrückkopplungslinearisierung) genannt wird. Anstatt eine langsam-und-schnell Hierarchie zu verwenden, behandelt diese Methode das gesamte System als ein einziges, einheitliches Puzzle, das mathematisch gelöst werden kann.

Hier ist die Analogie:
Stellen Sie sich das elektrische System wie eine komplexe, holprige Achterbahn vor. Die alte Methode versucht, die Achterbahn zu steuern, indem sie sanft an den Rädern rüttelt und hofft, dass sie auf Kurs bleibt. Die neue Methode erkennt: Wenn man die exakte Form der Schiene und die Physik des Wagens kennt, kann man einen perfekten Steuerbefehl berechnen, der alle Unebenheiten und Kurven sofort ausgleicht.

Der neue Regler macht drei magische Dinge:

1. Er eliminiert die „Unebenheiten“: Er hebt die verwirrenden Rotationserscheinungen und Widerstandsabfälle mathematisch auf, die die Steuerung normalerweise erschweren.
2. Er ebnet die Strecke: Durch das Aufheben dieser Unebenheiten wird das komplexe, nicht-lineare System zu einem einfachen Doppelintegrator. In einfachen Worten bedeutet das, dass sich das System wie ein Auto auf einer perfekt geraden, reibungsfreien Autobahn verhält. Wenn man Gas gibt, beschleunigt es sanft; wenn man loslässt, stoppt es sanft. Es gibt keine versteckten Überraschungen oder internen Wackler.
3. Er agiert sofort: Da das System nun „gerade“ ist, kann der Regler eine Standard-Hochgeschwindigkeitsstrategie (Polenplatzierung) nutzen, um die Spannung fast augenblicklich zu erreichen.

Das Duell: Was geschah im Labor?

Die Autoren testeten beide Manager in einer Computersimulation (MATLAB) unter drei spezifischen Herausforderungen:

1. Änderung des Zielwerts (Referenzverfolgung)

• Die Aufgabe: Plötzliche Änderung des Spannungswerts von 359V auf 320V.
• Der alte Manager (PI): Er brauchte mehr als 50 Millisekunden und hatte den Job noch nicht einmal abgeschlossen, als der Test endete. Er driftete immer noch auf den Zielwert zu.
• Der neue Manager (FL): Er erreichte den Zielwert in nur 0,76 Millisekunden. Er war über 65-mal schneller.

2. Ein plötzlicher Lastsprung (Lastschritt)

• Die Aufgabe: Plötzliche Verdopplung der Leistungsanforderung (wie das Einschalten einer riesigen Fabrik).
• Der alte Manager: Die Spannung sank ab und brauchte lange zur Erholung. Er war nach 50 ms immer noch dabei, wieder anzusteigen.
• Der neue Manager: Die Spannung sank leicht ab (weil die Physik der Induktivität sich nicht instantan ändern kann), aber sie erholte sich in etwa 5 Millisekunden auf den Zielwert. Er war 10-mal schneller bei der Erholung.

3. Der „Falsche-Karte“-Test (Parameterabweichung)

• Die Aufgabe: Dem neuen Manager wurde ein leicht falscher Wert für den Drahtwiderstand gegeben (ein Fehler von 50 %).
• Der alte Manager: Er kümmerte sich nicht darum. Da er eine „langsame und stetige“ Integralwirkung nutzt, korrigierte er sich unabhängig von der falschen Karte selbst.
• Der neue Manager: Da er auf einer perfekten mathematischen Kompensation beruht, verursachte die falsche Karte einen winzigen, permanenten Fehler (etwa 1,3 Volt Abweichung). Er war sehr schnell, aber etwas weniger nachsichtig gegenüber schlechten Daten.

Das Fazit

Das Paper kommt zu dem Schluss, dass der neue Feedback-Linearization-Regler ein strukturelles Upgrade ist und nicht nur eine bloße Feinabstimmung.

• Der Kompromiss: Mit der neuen Methode erhält man rasende Geschwindigkeit und eine perfekte Trennung der elektrischen Richtungen (kein Übersprechen), aber man verliert ein kleines Stück an „Nachsichtigkeit“, falls die Hardware-Messungen leicht von den Werten abweichen.
• Das Urteil: Wenn man seine Hardware gut kennt (was bei technischen Systemen meist der Fall ist), ist die neue Methode hinsichtlich Geschwindigkeit und Stabilität weitaus überlegen. Wenn sich die Hardwareparameter jedoch im Laufe der Zeit wild verändern, könnte die alte, langsamere Methode immer noch die sicherere Wahl sein.

Kurz gesagt: Der neue Regler verwandelt eine chaotische, holprige Fahrt in eine sanfte, Hochgeschwindigkeitsrakete – vorausgesetzt, der Pilot hat eine genaue Karte.