On the Convergence of the Current-Constrained Power Angle Curve of Virtual Admittance-Based Grid Forming Converters

Stellen Sie sich vor, Sie versuchen vorherzusagen, wie sich ein hochmoderner Roboter-Tänzer (ein „grid-forming converter“) bewegen wird, wenn die Musik (das Stromnetz) intensiv wird. Ingenieure nutzen eine berühmte „Tanzkarte“ namens Power-Angle Curve (PAC), die genau angibt, wie viel Leistung der Roboter bei jedem Schritt seiner Drehung bewältigen kann. Jahrelang gingen alle davon aus, dass diese Karte immer perfekt und instantan sei, wie ein GPS, das sich in dem Moment aktualisiert, in dem man eine Kurve fährt. Sie glaubten, dass der Roboter, egal wie schnell er sich drehte, sich sofort in einem sanften, stetigen Rhythmus einpendeln würde.

Doch dieses Paper sagt: Halt mal, diese Karte könnte dich anlügen.

Die Autoren, ein Team neugieriger Ingenieure, entdeckten einen seltsamen Fehler, bei dem die Tanzkarte des Roboters nicht gleichmäßig aktualisiert wird. Sie nennen dies das „Non-uniform Convergent Issue“ (Problem der nicht-gleichmäßigen Konvergenz). Hier ist, was sie herausgefunden haben:

Das Problem: „Zu schnell, um es zu sehen“

Stellen Sie sich das interne Gehirn des Roboters (seine Regelkreise) wie eine Kamera vor, die versucht, ein Foto von ihrer eigenen Bewegung zu machen. Wenn die Verschlusszeit der Kamera (die Bandbreite des Stromregelkreises) zu langsam ist, kommt das Foto verschwommen heraus. Das Paper zeigt, dass diese Unschärfe schlimmer wird, wenn der Roboter in eine „Gefahrenzone“ gerät, in der er seinen Strom begrenzen muss (wie ein Läufer, der ein Tempolimit erreicht).

In ihren Simulationen beobachteten sie: Als sie die Verschlusszeit der Kamera auf 110 Hz verlangsamten, begann die tatsächliche Bewegung des Roboters wild zu wackeln und zu oszillieren, anstatt der glatten, stetigen Linie zu folgen, die die alte Karte vorhersagte. Es ist, als würde man versuchen, einem Rezept zu folgen, das sagt: „Sofort rühren“, aber die eigene Hand bewegt sich so langsam, dass der Teig anfängt zu spritzen. Die Karte sagte: „Du bist stabil!“, aber der Roboter drehte sich in Wirklichkeit außer Kontrolle.

Die zwei Regeln für eine gute Karte

Um dies zu beheben, bauten das Team ein super-detailliertes, Full-Order-Modell (eine massive, komplexe Simulation des gesamten Roboters, nicht nur eine Skizze). Sie nutzten eine Technik namens „Eigen-Sweeping“, um die Stabilität des Roboters über die gesamte Tanzfläche hinweg zu untersuchen. Sie fanden heraus, dass die alte, einfache Karte nur dann vertrauenswürdig ist, wenn zwei strenge Regeln erfüllt sind:

1. Die Stabilitätsregel: Das interne Gehirn des Roboters muss überall stabil sein. In ihren Tests war der Roboter, als er sich in der „unconstrained zone“ (der freien Bewegungszone) befand, stabil (alle Stabilitätswerte waren negativ/sicher). Doch sobald er die „constrained zone“ (den Geschwindigkeitsbegrenzung-Bereich) erreichte, sprang einer seiner Stabilitätswerte auf positiv (1,044), was bedeutete, dass er instabil wurde und zu divergieren begann.
2. Die Geschwindigkeitsregel: Selbst wenn der Roboter stabil ist, muss er schnell genug reagieren. Stellen Sie sich vor, der Roboter versucht, mit einem Plattenspieler Schritt zu halten. Wenn der Plattenspieler mit einer bestimmten Geschwindigkeit dreht (repräsentiert durch eine Frequenz von 0,06 p.u.), muss die interne Reaktion des Roboters mindestens viermal schneller sein, um mithalten zu können. Wenn die Reaktion des Roboters zu träge ist, versagt die Karte dabei, das reale Verhalten abzubilden, selbst wenn der Roboter technisch gesehen nicht „umkippt“.

Was sie nicht fanden (und was sie ausschlossen)

Das Paper ist sehr vorsichtig damit, keine zu großen Versprechungen zu machen. Die Autoren sagen nicht, dass dies immer passiert oder dass die alten Karten für immer unbrauchbar sind. Sie haben spezifisch ausgeschlossen, dass die Annahme des „Quasi-Steady-State“ (die Idee, dass sich der Roboter sofort einpendelt) immer wahr ist. Sie zeigten, dass diese Annahme genau dann zusammenbricht, wenn der Roboter im Bereich der Strombegrenzung ist und die Regelkreise nicht schnell genug sind.

Sie haben nicht jeden einzelnen Typ der Robotersteuerung auf der Welt getestet; sie konzentrierten sich auf ein spezifisches Setup unter Verwendung von „Virtual Admittance“ und „Circular-based Current Limitation“. Sie merkten an, dass andere Steuerungen ähnlich agieren könnten, dies aber für sie noch nicht bewiesen haben.

Das Fazste

Dies ist keine Geschichte von „Wir haben alles gelöst“, sondern eine Geschichte von „Wir haben eine versteckte Falle gefunden“. Die Autoren legen nahe, dass viele bestehende Sicherheitsprüfungen für diese Leistungs-Roboter auf einer Karte basieren könnten, die in den Gefahrenzonen nicht funktioniert. Sie haben durch Simulationen und mathematische Analysen bewiesen, dass die Karte oszillieren und divergieren kann, wenn die interne Geschwindigkeit des Roboters nicht korrekt abgestimmt ist.

Wenn also das nächste Mal ein Ingenieur eine Power-Angle Curve betrachtet, sollte er fragen: „Aktualisiert sich diese Karte schnell genug, oder ist sie nur ein verschwommenes Foto eines sich drehenden Roboters?“ Das Paper liefert nicht die endgültige Antwort für jeden Roboter, aber es öffnet definitiv die Tür, um die Regeln des Tanzes neu zu überprüfen.