⚡ electrical engineering

A Gray-Box Approach for Decentralized Grid-Equivalent Model Identification

Este artículo propone un enfoque descentralizado de caja gris en el dominio de la frecuencia que desacopla los efectos de la impedancia equivalente y el voltaje para identificar con precisión modelos equivalentes de red para convertidores locales en sistemas de múltiples convertidores, incluso bajo condiciones de operación no ideales.

Autores originales: Sanjay Chandrasekaran, Florian Dörfler, Silvia Mastellone

Publicado 2026-05-28

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Sanjay Chandrasekaran, Florian Dörfler, Silvia Mastellone

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina una ciudad bulliciosa donde cada casa tiene su propio panel solar y batería (estos son los convertidores). En el pasado, estas casas simplemente se conectaban a una red eléctrica gigante e inmutable (como un muro masivo y rígido). Pero ahora, la red está compuesta por todas estas casas hablando entre sí. Todas intentan gestionar su propia energía mientras también ayudan al vecindario.

¿El problema? Si eres una de estas casas tratando de averiguar cómo se comporta el resto del vecindario, es increíblemente confuso. Cuando empujas un poco de energía para probar el sistema, tus vecinos empujan de vuelta exactamente al mismo tiempo. Es como intentar escuchar un susurro en una habitación donde todos gritan a la vez. Si intentas medir la "resistencia" del vecindario (la impedancia de la red) mientras todos gritan, obtienes una respuesta desordenada y errónea.

Este artículo propone una nueva y astuta forma de escuchar al vecindario sin confundirse por el ruido. Aquí está el desglose en términos sencillos:

El Problema Central: El Efecto de "Vecinos que Gritan"

En los viejos tiempos, los ingenieros podían tratar la red eléctrica como un muro sólido e inmutable. Podían pincharlo, medir la reacción y saber exactamente qué tan rígido era.

La Realidad: Hoy, la red está llena de dispositivos inteligentes (convertidores) que reaccionan instantáneamente. Cuando un dispositivo pincha el sistema para probarlo, los demás reaccionan inmediatamente.
El Error: Si intentas medir la "rigidez" de la red (impedancia) ignorando estas reacciones, tus cálculos se vuelven sesgados. Es como intentar pesarte mientras alguien te empuja hacia arriba y hacia abajo; la báscula te da un número incorrecto.

La Solución: Un Detective de "Caja Gris"

Los autores llaman a su método un enfoque de "Caja Gris". Imagínalo así:

Caja Blanca: Sabes todo lo que hay dentro de la máquina (demasiado difícil aquí porque no sabemos qué está haciendo cada vecino).
Caja Negra: No sabes nada de lo que hay dentro (demasiado vago).
Caja Gris: Conoces la forma de la máquina (es un cable con cierta resistencia e inductancia), pero no conoces las partes activas (lo que están haciendo los vecinos).

El algoritmo divide el problema en dos partes distintas:

La Parte Pasiva (El Cable): Este es el cable físico que conecta las casas. Es aburrido, predecible y sigue leyes simples de la física.
La Parte Activa (Los Vecinos): Este es el voltaje que proviene de las otras casas. Es caótico, cambiante e impredecible.

Cómo Funciona el Algoritmo (La Danza de 3 Pasos)

Paso 1: El Truco de la "Variable Instrumental" (Filtrando el Ruido)
Imagina que intentas escuchar una canción específica en un bar lleno de gente. Todos están hablando, pero tienes un audífono especial que solo capta el sonido de tu voz cuando tarareas una melodía específica.

El algoritmo le dice a cada convertidor que tararee una melodía específica y aleatoria (una señal de excitación de banda ancha).
Como cada convertidor tararea una melodía ligeramente diferente, el algoritmo puede separar matemáticamente "mi tarareo" del "tarareo del vecino".
Esto le permite ignorar el ruido que proviene de las otras casas y concentrarse solo en cómo reacciona el cable a su propio tarareo.

Paso 2: El Detective de "Frecuencias" (Ignorando Datos Malos)
El algoritmo examina los datos a través de diferentes frecuencias (como escuchar diferentes notas musicales).

Notas Bajas: Las ignora porque están dominadas por el ritmo normal de la red (como el zumbido de un refrigerador).
Notas Altas: Las ignora porque son solo ruido estático.
La Verificación de "Coherencia": Si los datos en una nota determinada parecen estar impulsados por los vecinos en lugar del tarareo local, el algoritmo tira ese punto de datos a la basura. Solo guarda los datos "limpios" donde la casa local tiene claramente el control.

Paso 3: La Estimación de Dos Pasos
Una vez que se aíslan los datos limpios, el algoritmo hace dos cosas en orden:

Primero, calcula el Cable: Usando una técnica matemática especial (Mínimos Cuadrados Restringidos), determina la resistencia e inductancia exactas de la conexión. Trata esto como un hecho físico fijo.
Segundo, calcula a los Vecinos: Ahora que conoce las propiedades del cable, utiliza un "Filtro de Kalman" (una herramienta de predicción inteligente) para averiguar qué están haciendo realmente los vecinos. Trata el voltaje de los vecinos como un objetivo móvil que cambia de nota en nota.

Los Resultados: Una Imagen Más Clara

Los autores probaron esto en una simulación de 5 convertidores hablando entre sí.

La Prueba: Hicieron que el sistema fuera ruidoso, con diferentes longitudes de línea y configuraciones de control, y tuvieron a los 5 convertidores intentando medir al mismo tiempo.
El Resultado: Su método separó con éxito el "cable" de los "vecinos".
- midieron la "rigidez" de la conexión con una precisión extremadamente alta (menos del 3% de error).
- Pudieron reconstruir la "voz" de los vecinos (el voltaje equivalente) casi perfectamente.
La Victoria Clave: Lo hicieron de manera descentralizada. Esto significa que cada convertidor hizo los cálculos por su cuenta, usando solo sus propias mediciones locales. No necesitaban hablar entre sí, sincronizar sus relojes ni esperar a una computadora central.

Resumen

Este artículo presenta una forma de que los dispositivos eléctricos inteligentes averigüen cómo se comporta el resto de la red, incluso cuando todos actúan al mismo tiempo. Al tratar los cables físicos como una cosa y a los vecinos activos como otra, y al usar un astuto truco de "tarareo" para filtrar el ruido, el algoritmo permite que cada dispositivo vea la red con claridad sin necesidad de coordinarse con nadie más. Es como aprender a escuchar tu propia voz en un coro sin necesitar que el director te diga cuándo cantar.

Resumen Técnico: Un Enfoque de Caja Gris para la Identificación de Modelos de Red Equivalente Descentralizados

Planteamiento del Problema
La integración de fuentes de energía renovable y electrónica de potencia en las redes eléctricas ha hecho necesario un modelado basado en datos y un análisis de estabilidad robustos. Un desafío crítico en este dominio es la identificación de modelos de impedancia de red. Los enfoques centralizados tradicionales tienen dificultades con la sincronización de escalas de tiempo entre las fuentes renovables de baja inercia y los generadores síncronos de alta inercia. Además, los métodos descentralizados existentes a menudo dependen de supuestos restrictivos que fallan en redes dinámicas multiagente. Específicamente, muchos algoritmos actuales requieren una identificación coordinada del sistema (donde los convertidores se excitan secuencialmente), múltiples puntos de operación, o el supuesto poco realista de que la red se comporta como un bus infinito "rígido" con una tensión equivalente perfectamente constante.

En una configuración de múltiples convertidores, las señales locales en un Punto de Acoplamiento Común (PCC) están influenciadas por entradas de tensión de otros convertidores que actúan como la "red". Intentar estimar una única impedancia aparente sin desacoplar estas influencias activas conduce a resultados sesgados e inexactos. El problema central abordado es la necesidad de un algoritmo descentralizado mínimamente invasivo capaz de estimar simultáneamente la impedancia de red equivalente pasiva y la tensión de red equivalente activa, sin interrumpir las operaciones de la red ni requerir comunicación entre convertidores.

Metodología
Los autores proponen un algoritmo de identificación de caja gris que opera en el dominio de la frecuencia. El enfoque modela la red desde la perspectiva de un Convertidor de Fuente de Tensión (VSC) local utilizando un circuito equivalente de Thevenin, donde la red se representa mediante una admitancia equivalente pasiva ( $Y_i(s)$ ) y una tensión equivalente activa ( $\Delta \tilde{v}_i(s)$ ).

La metodología procede a través de los siguientes pasos:

Modelado del Sistema: La red se modela como VSCs interconectados mediante líneas resistivo-inductivas. Las dinámicas de pequeña señal se expresan en coordenadas complejas (derivadas de los marcos $dq$). La relación entre la corriente local ( $\Delta i_i$ ) y la tensión ( $\Delta v_i$ ) se formula como un mapa bilineal que involucra el vector de parámetros desconocido $\theta_i$ (que representa las relaciones de resistencia e inductancia de la línea) y el factor de acoplamiento dinámico desconocido $\tilde{h}_i$ (que representa la influencia de la tensión de red).
Marco de Caja Gris: El algoritmo distingue entre la impedancia de red "pasiva", que se modela paramétricamente (estructura de bajo orden, resistivo-inductiva), y la tensión de red "activa", que se modela no paramétricamente. Esta distinción reconoce que la tensión de red activa surge de las reacciones de lazo cerrado de otros convertidores y cargas, las cuales son desconocidas y potencialmente complejas.
Variables Instrumentales (VI) y Discriminación de Frecuencia: Para abordar la correlación entre la tensión local y la tensión de red equivalente (que causa sesgo en la estimación de mínimos cuadrados estándar), los autores emplean Variables Instrumentales. Utilizan la señal de excitación de banda ancha local (una secuencia binaria pseudoaleatoria) como instrumento.
- Discriminación de Frecuencia (DF): Un proceso de filtrado identifica y descarta puntos de frecuencia poco fiables. Esto incluye eliminar frecuencias con baja coherencia entre la excitación y la respuesta, frecuencias dominadas por dinámicas fundamentales de la red (baja frecuencia) o aliasing/harmónicos (alta frecuencia), y frecuencias donde la admitancia estimada viola las restricciones de pasividad.
Estimación en Dos Pasos:
- Paso 1 (Estimación de Parámetros): Un algoritmo de mínimos cuadrados con restricciones estima la impedancia equivalente paramétrica ( $\theta_i$ ) utilizando los datos de frecuencia filtrados y las variables instrumentales.
- Paso 2 (Estimación de Tensión): Con los parámetros fijos, un filtro de Kalman (formulado como un observador de entrada desconocida) estima la tensión de red equivalente no paramétrica ( $\Delta \tilde{v}_i$ ) a través del espectro de frecuencias.

Contribuciones Clave
El artículo destaca tres contribuciones principales:

Ejecución Totalmente Descentralizada: El algoritmo opera de forma independiente en cada VSC utilizando estrictamente mediciones locales del PCC. No requiere comunicación ni coordinación temporal con otros convertidores, lo que lo hace escalable a redes con fuentes y cargas arbitrarias.
Separación de Entidades Activas y Pasivas: Al estimar la impedancia paramétrica y la tensión no paramétrica por separado en el dominio de la frecuencia, el método desacopla las dinámicas físicas de la línea de transmisión de las reacciones de control activo de otros VSCs. Esto resuelve graves errores de acoplamiento cruzado que típicamente corrompen la identificación en el dominio del tiempo.
Robustez: El método se valida bajo condiciones no ideales, incluidas redes de baja inercia (buses no rígidos), excitaciones simultáneas multiagente, desviaciones en la amplitud y frecuencia nominales, parámetros de línea heterogéneos y ruido armónico.

Resultados
El algoritmo fue probado mediante simulaciones numéricas en un sistema de 5 convertidores interconectados operando en modo de formación de red.

Configuración: Se realizaron 20 experimentos de Monte Carlo con parámetros de control de caída variables e impedancias de línea. Todos los convertidores inyectaron excitaciones mínimas de banda ancha (0.001 p.u.) adheridas a los estándares armónicos IEEE 519.
Estimación de Impedancia: La admitancia equivalente estimada ( $Y_1(s)$ ) mostró alta precisión, con un error promedio de magnitud de 0.26 dB (3.13%) y un error de fase de 0.07 grados (0.08%).
Estimación de Tensión: El algoritmo reconstruyó exitosamente la magnitud y la fase de la tensión equivalente de pequeña señal. Los resultados en el dominio del tiempo (mediante transformada inversa de Fourier) demostraron que la tensión estimada coincidía estrechamente con los valores reales en ambas coordenadas $d$ y $q$ .
Comparación: Los resultados se compararon con Estimaciones de Función de Transferencia Empíricas (ETFE) crudas, las cuales mostraron un sesgo significativo en bajas frecuencias debido a interacciones de lazo cerrado, validando la necesidad del preprocesamiento en el dominio de la frecuencia y el enfoque de VI propuesto.

Significado y Afirmaciones
Los autores afirman que este trabajo permite una identificación robusta de modelos de red equivalente bajo condiciones de red activa donde los métodos descentralizados anteriores fallan. Al eliminar el requisito de excitación coordinada o el supuesto de un bus infinito rígido, el enfoque de caja gris propuesto permite un análisis de estabilidad preciso y un diseño de control adaptativo en sistemas de potencia modernos y dinámicos. El artículo concluye que el modelo identificado puede servir como base para futuros algoritmos de control adaptativo descentralizado y análisis de estabilidad, aunque señala que aplicar el algoritmo a hardware del mundo real y extenderlo para incluir generadores síncronos y esquemas de control diversos son direcciones para trabajo futuro.