⚡ electrical engineering

SOPF-Based Adaptive Droop Control for Hybrid AC--HVDC Grids Under Offshore Wind Uncertainty

यह शोध पत्र एक नवीन स्टोकेस्टिक ऑप्टिमल पावर फ्लो (SOPF)-आधारित अनुकूली ड्रूप नियंत्रण ढांचे का प्रस्ताव करता है जो अत्यधिक ऑफशोर विंड अस्थिरता के तहत हाइब्रिड AC-HVDC ग्रिड में DC वोल्टेज विनियमन को बढ़ाने और पावर ट्रैकिंग त्रुटियों को कम करने के लिए कन्वर्टर गेन को गतिशील रूप से अनुकूलित करने हेतु पॉलिनोमियल चाओस एक्सपेंशन और बीटा-वितरित पवन अनिश्चितता मॉडलिंग का उपयोग करता है।

मूल लेखक: Hongjin Du, Aleksandra Lekić

प्रकाशित 2026-05-08

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Hongjin Du, Aleksandra Lekić

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि एक विशाल, उच्च गति वाला राजमार्ग है जो तट से दूर स्थित पवन फार्मों (offshore wind farms) को मुख्य भूमि से जोड़ता है। यह राजमार्ग HVDC ग्रिड है, और "कारें" वह बिजली हैं जो हवा से उत्पन्न होती है। समस्या यह है कि हवा अनिश्चित है; कभी यह हल्की मंद हवा होती है, कभी तेज़ आँधी, और कभी यह पूरी तरह रुक जाती है। यह अनिश्चितता एक ऐसे ट्रक काफिले को चलाने की तरह है जहाँ ड्राइवर बिना किसी चेतावनी के अचानक गति बढ़ा देते हैं या अचानक ब्रेक लगा देते हैं।

ट्रैफिक को सुचारू रूप से चलाने और किसी दुर्घटना (इस मामले में वोल्टेज गिरावट या बिजली कटौती) को रोकने के लिए, इंजीनियर ड्रूप कंट्रोल (Droop Control) नामक एक प्रणाली का उपयोग करते हैं। इसे एक प्रकार के ऑटोमैटिक क्रूज कंट्रोल के रूप में समझें जो ट्रकों में लगा होता है।

पुराना तरीका: "सेट-एंड-फॉरगेट" क्रूज कंट्रोल

पारंपरिक रूप से, ये क्रूज कंट्रोल एक निश्चित नियम के साथ सेट किए जाते हैं। उदाहरण के लिए: "यदि सड़क ऊबड़-खाबड़ हो जाती है (वोल्टेज गिरता है), तो ठीक 10% धीमे हो जाएं।" समस्या यह है कि यह नियम एक "आदर्श दिन" के लिए गणना किया गया था। जब हवा वास्तव में जंगली और अनिश्चित होती है, तो वह निश्चित नियम बहुत सख्त या बहुत ढीला होता है। यह एक रेस कार को चिकने ट्रैक के बजाय कीचड़ भरे मैदान पर चलाने के समान है, जिसमें आपने चिकने ट्रैक के लिए सस्पेंशन सेटिंग्स का उपयोग किया हो। परिणाम? सवारी झटकों वाली होती है, ट्रक अपने रास्ते से भटक जाते हैं, और सिस्टम अराजकता को संभालने के लिए संघर्ष करता है।

नया विचार: "स्मार्ट, अडैप्टिव" क्रूज कंट्रोल

यह शोध पत्र SOPF-आधारित अडैप्टिव ड्रूप कंट्रोल (SOPF-Based Adaptive Droop Control) नामक एक नई प्रणाली का प्रस्ताव करता है। एक निश्चित नियम के बजाय, यह प्रणाली एक "स्मार्ट मस्तिष्क" का उपयोग करती है जो वर्तमान मौसम के पूर्वानुमान और उन पूर्वानुमानों के गलत होने के इतिहास के आधार पर लगातार सबसे अच्छा तरीका पुनर्गणना करती है।

यह इस प्रकार काम करता है, जिसे सरल चरणों में विभाजित किया गया है:

1. "मौसम क्षेत्र" (ज़ोन-वाइज़ बीटा डिस्ट्रीब्यूशन)
लेखकों ने महसूस किया कि हवा की त्रुटियां हर जगह एक जैसी नहीं होती हैं।

कम हवा: जब हवा अभी चलना शुरू ही हुई हो, तो गति में छोटे बदलाव बिजली में बहुत अधिक बदलाव नहीं लाते।
मध्यम हवा: जब हवा तेज़ हो रही होती है, तो गति में एक मामूली बदलाव भी बिजली में भारी उछाल ला सकता है।
उच्च हवा: जब हवा अपनी अधिकतम सीमा पर होती है, तो टर्बाइन अपनी क्षमता तक सीमित होते हैं, इसलिए त्रुटियां फिर से अलग तरह से व्यवहार करती हैं।

यह शोध पत्र इन तीन स्थितियों को अलग-अलग "क्षेत्रों" (zones) के रूप में मानता है। हवा की त्रुटि का अनुमान एक एकल औसत संख्या (जैसे गाऊसी बेल कर्व) के साथ लगाने के बजाय, वे बीटा डिस्ट्रीब्यूशन (Beta distribution) का उपयोग करते हैं। इसे एक लचीले रबर बैंड के रूप में देखें जो प्रत्येक क्षेत्र में त्रुटि के विशिष्ट आकार में फिट होने के लिए खिंचता और सिकुड़ता है। यह कम, मध्यम और उच्च हवा के लिए अलग-अलग चश्मे रखने जैसा है, ताकि आप प्रत्येक स्थिति में जोखिमों को स्पष्ट रूप से देख सकें।

2. "क्रिस्टल बॉल" (पॉलीनोमियल चाओस एक्सपेंशन - PCE)
एक बार जब वे हवा की त्रुटियों का आकार जान लेते हैं, तो वे पॉलीनोमियल चाओस एक्सपेंशन (PCE) नामक एक गणितीय उपकरण का उपयोग करते हैं। इसे एक अत्यंत उन्नत क्रिस्टल बॉल के रूप में समझें। केवल यह अनुमान लगाने के बजाय कि "शायद बारिश होगी," यह एक साथ हजारों संभावित भविष्य की गणना करता है और मानचित्रित करता है कि पूरा पावर ग्रिड प्रत्येक एक के प्रति कैसे प्रतिक्रिया देगा। यह एक अराजक, यादृच्छिक समस्या को संभावनाओं के एक स्पष्ट, व्यवस्थित मानचित्र में बदल देता है।

3. "तत्काल समायोजन" (सेंसिटिविटी एनालिसिस)
यहाँ चतुराई भरा हिस्सा है। आमतौर पर, यह पता लगाने के लिए कि क्रूज कंट्रोल को कैसे समायोजित किया जाए, इंजीनियरों को एक विशाल मैट्रिक्स (जैकोबियन) वाली एक बड़ी, धीमी गणना करनी पड़ती है, जो ग्रिड के हर कनेक्शन को मैप करती है। यह हर बार जब हवा बदलती है, तो 1,000-टुकड़ों वाली पहेली को हल करने जैसा है।

यह शोध पत्र उस पहेली को छोड़ देता है। क्योंकि "क्रिस्टल बॉल" (PCE) ने पहले ही भारी काम कर लिया है, सिस्टम अपनी गणना की पहली परत को देख सकता है और तुरंत समझ सकता है: "यदि हवा इस तरह से बदलती है, तो वोल्टेज उस तरह से बदलेगा।" यह सीधे गणित से एक सेंसिटिविटी नंबर (संवेदनशीलता संख्या) निकालता है। यह नंबर ट्रक को बताता है कि सुरक्षित रहने के लिए उसे अभी अपनी गति कितनी समायोजित करनी चाहिए।

4. परिणाम: एक स्व-समायोज्य ढलान
सिस्टम उस सेंसिटिविटी नंबर को लेता है और उसे ड्रूप गेन (droop gain) (क्रूज कंट्रोल की ढलान) में बदल देता है।

यदि हवा एक "खतरे वाले क्षेत्र" में है जहाँ त्रुटियां बहुत बड़ी हैं, तो सिस्टम स्वचालित रूप से नियंत्रण को अधिक संवेदनशील (तीव्र ढलान) बना देता है ताकि तेजी से प्रतिक्रिया दी जा सके।
यदि हवा स्थिर है, तो यह नियंत्रण को ढीला कर देता है।

उन्होंने क्या पाया?

लेखकों ने इसका परीक्षण एक सिम्युलेटेड 4-टर्मिनल पावर ग्रिड (एक वास्तविक नेटवर्क का छोटा संस्करण) पर किया। उन्होंने अपने "स्मार्ट क्रूज कंट्रोल" की तुलना निम्नलिखित से की:

निश्चित सेटिंग्स: पुराने "सेट-एंड-फॉरगेट" नियम।
कोई नियंत्रण नहीं: ट्रकों को बिना किसी नियंत्रण के अंधाधुंध चलने देना।

परिणाम:

बेहतर सटीकता: जब हवा का पूर्वानुमान गलत था (जो अक्सर होता है), तो अडैप्टिव सिस्टम ने बिजली के प्रवाह को आदर्श लक्ष्य के बहुत करीब रखा।
कम तनाव: "ट्रैकिंग एरर" (यानी ट्रक आदर्श पथ से कितना दूर था) काफी कम था, विशेष रूप से तब जब हवा बहुत अधिक अनिश्चित थी।
निरंतरता: सिस्टम ने केवल एक बार भाग्यशाली प्रदर्शन नहीं किया; इसने लगभग 70% परीक्षण मामलों में "सर्वश्रेष्ठ प्रदर्शन" का पुरस्कार जीता, जबकि निश्चित सेटिंग्स केवल लगभग 25% समय जीत पाईं।

निष्कर्ष

यह शोध पत्र बड़ी-तस्वीर की योजना (यह जानना कि हवा अनिश्चित है) और स्थानीय ड्राइविंग (कन्वर्टर को समायोजित करना) के बीच के अंतर को पाटता है। एक कठोर, एक-आकार-सभी-के-लिए नियम के बजाय, उन्होंने एक ऐसी प्रणाली बनाई है जो हवा की त्रुटियों की विशिष्ट प्रकृति से सीखती है और तुरंत अपनी ड्राइविंग रणनीति को अपडेट करती है। यह एक स्थिर मानचित्र के साथ गाड़ी चलाने और जीपीएस (GPS) के साथ गाड़ी चलाने के बीच का अंतर है, जो ट्रैफ़िक और मौसम के आधार पर आपके मार्ग को वास्तविक समय में अपडेट करता है।

तकनीकी सारांश: ऑफशोर विंड अनिश्चितता के तहत हाइब्रिड AC–HVDC ग्रिड के लिए SOPF-आधारित अनुकूली ड्रॉप-कंट्रोल (Adaptive Droop Control)

समस्या विवरण
हाइब्रिड AC–HVDC ग्रिड में विशाल ऑफशोर विंड क्षमता के एकीकरण के लिए मजबूत DC वोल्टेज विनियमन की आवश्यकता होती है। जबकि मल्टी-टर्मिनल HVDC (MTTC) प्रणालियों के लिए विकेंद्रीकृत DC वोल्टेज ड्रॉप-कंट्रोल एक प्रमुख आर्किटेक्चर है, पारंपरिक कार्यान्वयन एक नाममात्र ऑपरेटिंग पॉइंट पर कैलिब्रेटेड निश्चित-गेन (fixed-gain) गुणांकों पर निर्भर करते हैं। ये निश्चित गुणांक ऑफशोर विंड की गंभीर स्टोकेस्टिक अस्थिरता के तहत संघर्ष करते हैं, जो अक्सर सिस्टम को उप-घंटे के आधार पर नाममात्र स्थितियों से दूर ले जाते हैं। यह बेमेल स्थिति अत्यधिक वोल्टेज विचलन, उप-इष्टतम डिस्पैच और बड़े उतार-चढ़ाव या आकस्मिकताओं के दौरान असमान कनवर्टर तनाव का परिणाम बनती है। मौजूदा अनुकूली योजनाएं आमतौर पर वास्तविक समय के विचलन या ह्यूरिस्टिक नियमों के आधार पर प्रतिक्रियात्मक रूप से गेन को पुन: कैलिब्रेट करती हैं, जिनमें सिस्टम-स्तरीय आर्थिक डिस्पैच के साथ सीधा संबंध की कमी है और वे कोई स्पष्ट सांख्यिकीय वोल्टेज-सुरक्षा गारंटी प्रदान नहीं करती हैं।

कार्यप्रणाली
यह शोध पत्र एक नवीन ढांचा प्रस्तावित करता है जो सिस्टम-स्तरीय स्टोकेस्टिक डिस्पैच को कनवर्टर-स्तरीय नियंत्रण के साथ जोड़ता है, जिसमें स्टोकैस्टिक ऑप्टिमल पावर फ्लो (SOPF) दृष्टिकोण का उपयोग किया गया है। कार्यप्रणाली के तीन मुख्य घटक हैं:

विंड अनिश्चितता का ज़ोन-वाइज बीटा पैरामीट्राइजेशन (Zone-Wise Beta Parameterization):
यह पहचानते हुए कि ऑफशोर विंड फोरकास्ट त्रुटियां हेटरोसेडास्टिक (वेरिएंस ऑपरेटिंग रिजीम पर निर्भर करता है) प्रदर्शित करती हैं, लेखक एकल निश्चित-वितरण धारणाओं को अस्वीकार करते हैं। इसके बजाय, वे सामान्यीकृत विंड पावर फोरकास्ट को तीन क्षेत्रों में विभाजित करते हैं: लो (कट-इन), मिड (रैंप), और हाई (रेटेड के पास)। प्रत्येक ज़ोन के भीतर, फोरकास्ट त्रुटियों को बीटा वितरण (Beta distribution) का उपयोग करके मॉडल किया जाता है, जिसमें आकार पैरामीटर ( $\alpha, \beta$ ) ऐतिहासिक फोरकास्ट-त्रुटि सांख्यिकी के आधार पर फिट किए जाते हैं। यह सुनिश्चित करता है कि अनिश्चितता मॉडल विंड पावर की सीमित प्रकृति के साथ भौतिक रूप से सुसंगत है और विभिन्न ऑपरेटिंग रिजीम के विशिष्ट सांख्यिकीय लक्षणों को कैप्चर करता है।
PCE-आधारित चांस-कंस्ट्रेंड SOPF:
डिस्पैच समस्या को हाइब्रिड AC–HVDC ग्रिड के करंट-वोल्टेज (IV) स्पेस में एक चांस-कंस्ट्रेंड ऑप्टिमल पावर फ्लो (OPF) के रूप में तैयार किया गया है। अनिश्चितता को जैकोबी पॉलीनोमियल बेसिस (डिग्री $d=2$ ) के साथ पॉलीनोमियल चैओस एक्सपेंशन (PCE) का उपयोग करके नॉनलीनियर पावर-फ्लो समीकरणों के माध्यम से प्रसारित किया जाता है। स्टोकेस्टिक अवस्थाओं को विश्लेषणात्मक रूप से दर्शाया जाता है, जिससे चांस कंस्ट्रेंट्स (जैसे 95% विश्वास के साथ DC वोल्टेज सीमाएं) को सुलभ सेकंड-ऑर्डर कोन बाधाओं (second-order cone constraints) के रूप में पुनर्गठित किया जा सकता है। अनुकूलन अपेक्षित जनरेशन लागत को कम करता है जबकि इन संभावabilistic सुरक्षा बाधाओं को संतुष्ट करता है।
सेंसिटिविटी-आधारित एडेप्टिव ड्रॉप एक्सट्रैक्शन:
एक प्रमुख नवाचार SOPF समाधान से प्राप्त प्रथम-क्रम (first-order) PCE गुणांकों से सीधे एडेप्टिव ड्रॉप गेन का व्युत्पन्न है। स्पष्ट जैकोबियन निर्माण और इनवर्जन करने के बजाय, यह विधि एक संवेदनशीलता व्याख्या (sensitivity interpretation) का उपयोग करती है जहाँ प्रथम-क्रम के गुणांक अनिश्चितता स्रोतों के सापेक्ष अवस्था चरों के आंशिक डेरिवेटिव का प्रतिनिधित्व करते हैं। इष्टतम ड्रॉप गेन ( $k_{opt}$ ) को सभी विंड स्रोतों में सक्रिय शक्ति और DC वोल्टेज संवेदनशीलता गुणांकों के कुल परिमाण के अनुपात के रूप में गणना किया जाता है। इस गेन को फिर एक इंजीनियरिंग स्केल पर सामान्यीकृत किया जाता है और स्थानीय स्तर पर कनवर्टर पर लागू किया जाता है।

प्रमुख योगदान
शोध पत्र तीन प्राथमिक योगदानों की पहचान करता है:

एकीकृत ढांचा (Unified Framework): यह सिस्टम-स्तरीय स्टोकेस्टिक डिस्पैच और कनवर्टर-स्तरीय ड्रॉप कंट्रोल के बीच एक जुड़ाव स्थापित करता है, जिससे यह सुनिश्चित होता है कि ड्रॉप गुणांक SOPF चांस कंस्ट्रेंट्स में एनकोडेड संभावabilistic वोल्टेज-सुरक्षा गारंटी को विरासत में प्राप्त करता है।
डेटा-संचालित अनिश्चितता मॉडलिंग: यह ऐतिहासिक डेटा से फिट किया गया ज़ोन-वाइज़ बीटा पैरामीट्राइजेशन पेश करता है, जो एक हेटरोसेडास्टिक अनिश्चितता इनपुट प्रदान करता है जो मौजूदा PCE-SOPF अध्येशनों में सामान्य निश्चित-वितरण धारणाओं से बेहतर प्रदर्शन करता है।
जैकोबियन-मुक्त संवेदनशीलता निष्कर्षण: यह PCE गुणांकों से सीधे एक संवेदनशीलता-आधारित ड्रॉप नियम निकालता है, जो स्पष्ट जैकोबियन इनवर्जन की आवश्यकता को समाप्त करता है और एक व्याख्या योग्य गेन प्रदान करता है जो स्टोकेस्टिक ऑपरेटिंग पॉइंट के साथ निरंतर बदलता रहता है।

परिणाम
प्रस्तावित ढांचे को दो ऑफशोर विंड फार्मों वाले 4-टर्मिनल AC–HVDC टेस्ट सिस्टम पर मान्य किया गया। अध्ययन ने फिक्स्ड-कोएफिशिएंट ड्रॉप सेटिंग्स ( $k=20$ p.u. और $k=15$ p.u.) और नो-ड्रॉप बेसलाइन के विरुद्ध एडेप्टिव स्कीम की तुलना की।

अनुकूली विशेषताएं (Adaptive Characteristics): निकाला गया एडेप्टिव गेन ( $k_{opt}$ ) ऑपरेटिंग पॉइंट पर स्पष्ट निर्भरता प्रदर्शित करता है, जो विंड फोरकास्ट के विभिन्न ज़ोन में जाने पर निरंतर बदलता है। यह देखा गया कि कम विंड आउटपुट पर गेन बढ़ता है और रेटेड क्षेत्रों की ओर जाने पर घटता है, जो बदलती सिस्टम संवेदनशीलता को दर्शाता है।
विक्षोभ के तहत प्रदर्शन: आदर्श पोस्ट-रियलाइजेशन डिस्पैच के सापेक्ष सक्रिय-शक्ति ट्रैकिंग त्रुटि ( $\Delta P$ $Δ P$ ) के मामले में, एडेप्टिव स्कीम ने फिक्स्ड-कोएफिशिएंट और नो-ड्रप रणनीतियों की तुलना में लगातार बेहतर प्रदर्शन किया।
- एडेप्टिव विधि ने लो, मिड, और हाई डिस्टर्बेंस बैंड्स में 67%–70% मामलों में सबसे कम ट्रैकिंग त्रुटि प्राप्त की।
- हाई डिस्टर्बेंस बैंड में, एडेप्टिव स्कीम ने नो-ड्रूप बेसलाइन (38.76 MW बनाम 45.01 MW) की तुलना में औसत ट्रैकिंग त्रुटि को 13.9% कम कर दिया।
- हालांकि $k=20$ सेटिंग के मुकाबले सुधार औसत त्रुटि में मामूली था (क्योंकि $k=20$ संयोगवश मिड-ज़ोन गेन्स के अनुरूप था), एडेप्टिव स्कीम ने काफी उच्च "विनर रेट" बनाए रखा, जो एक संयोगपूर्ण औसत लाभ के बजाय एक विश्वसनीय प्रति-मामला लाभ को प्रदर्शित करता है।

महत्व और दावे
शोध पत्र का दावा है कि यह संभावabilistic सिस्टम-वाइड डिस्पैच और स्थानीय कनवर्टर रेगुलेशन के बीच परिचालन अंतर को मौलिक रूप से पाटता है। कठोर निश्चित-गेन धारणाओं से हटकर, प्रस्तावित तंत्र यह सुनिश्चित करता है कि स्थानीय कनवर्टर प्रतिक्रियाएं केवल ह्यूरिस्टिक रूप से ट्यून नहीं की गई हैं, बल्कि वे आर्थिक दक्षता और ऑफशोर विंड की सांख्यिकीय प्रकृति में निहित हैं। लेखक यह दावा करते हैं कि यह दृष्टिकोण अत्यधिक विंड विक्षोभ के दौरान सक्रिय-शक्ति ट्रैकिंग त्रुटियों को प्रभावी ढंग से कम करता है, जो ड्रॉप गुणांकों का चयन करने के लिए एक सिद्धांत आधारित आधार प्रदान करता है जो सिस्टम अर्थशास्त्र और अनिश्चितता के सांख्यिकीय स्वरूप दोनों को दर्शाता है। भविष्य के कार्य को $N-1$ सुरक्षा आकस्मिकताओं और हार्डवेयर-इन-द-लूप वैलिडेशन तक विस्तारित करने पर ध्यान केंद्रित करने के रूप में नोट किया गया है।

पुराना तरीका: "सेट-एंड-फॉरगेट" क्रूज कंट्रोल

नया विचार: "स्मार्ट, अडैप्टिव" क्रूज कंट्रोल

उन्होंने क्या पाया?

निष्कर्ष

इसी तरह के और पेपर