⚡ electrical engineering

Robust Current Regulation of MMC-based MTDC Power Systems based on Lyapunov Inequality

यह शोध पत्र एक सुदृढ़, LMI-आधारित स्टेटिक स्टेट-फीडबैक कंट्रोलर का प्रस्ताव करता है जो MMC-आधारित MTDC प्रणालियों के लिए, इनपुट सैचुरेशन और ओवरकरंट बाधाओं को स्पष्ट रूप से संभालते हुए अनिश्चितताओं के तहत तेज़ ट्रांजिएंट रिस्पॉन्स और स्थिरता सुनिश्चित करता है, जिसे RTDS में CIGRE बेंचमार्क सिमुलेशन के माध्यम से मान्य किया गया है।

मूल लेखक: Victor Daniel Reyes Dreke, Rahul Rane, Aleksandra Lekić

प्रकाशित 2026-06-10

📖 4 मिनट में पढ़ें☕ कॉफ़ी ब्रेक में पढ़ें

CC BY 4.0

मूल लेखक: Victor Daniel Reyes Dreke, Rahul Rane, 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

हमारे भविष्य के पावर ग्रिड की कल्पना एक विशाल, हाई-स्पीड डिलीवरी नेटवर्क के रूप में करें। सड़कों पर चलने वाले ट्रकों के बजाय, हमारे पास महासागरों के नीचे और महाद्वीपों के पार विशाल केबलों के माध्यम से बहती बिजली है। इस ऊर्जा को कुशलतापूर्वक चलाने के लिए, हम विशेष "ट्रैफिक कंट्रोलर्स" का उपयोग करते हैं जिन्हें मॉड्यूलर मल्टीलेवल कन्वर्टर्स (MMCs) कहा जाता है। इन MMCs को बिजली के लिए अत्यधिक परिष्कृत ट्रैफिक लाइटों और स्पीड गवर्नर के रूप में समझें।

समस्या यह है कि सड़क की स्थितियाँ कभी भी आदर्श नहीं होतीं। कभी हवा बदल जाती है, कभी केबल क्षतिग्रस्त हो जाती है, तो कभी बिजली की मांग अचानक बढ़ जाती है। ये "अनिश्चितताएं" (uncertainties) हैं। यदि ट्रैफिक कंट्रोलर बहुत अधिक सतर्क है, तो यह बहुत धीरे काम करता है, जिससे देरी होती है। यदि यह बहुत आक्रामक है, तो यह सिस्टम को क्रैश कर सकता है या तारों पर ओवरलोड डाल सकता है।

यह शोध पत्र इन ट्रैफिक कंट्रोलर्स को डिजाइन करने का एक नया तरीका पेश करता है ताकि वे अनिश्चित परिस्थितियों में भी तेज और सुरक्षित दोनों हो सकें।

मुख्य चुनौती: "गोल्डिलॉक्स" (Goldilocks) की समस्या

लेखक बताते हैं कि मौजूदा कंट्रोलर्स को आमतौर पर या तो तेज होने या सुरक्षित होने के बीच किसी एक को चुनना पड़ता है।

"तेज" दृष्टिकोण: एक रेस कार ड्राइवर की तरह जो एक्सीलेटर को पूरा दबा देता है। यह आपको गंतव्य तक जल्दी पहुँचा देता है, लेकिन यदि अचानक कोई गड्ढा (अनिश्चितता) आ जाए, तो आप नियंत्रण खो सकते हैं।
"सुरक्षित" दृष्टिकोण: एक रक्षात्मक ड्राइवर की तरह जो यह सुनिश्चित करने के लिए बहुत धीरे गाड़ी चलाता है कि वह कभी किसी चीज़ से न टकराए। आप सुरक्षित पहुँच तो जाते हैं, लेकिन इसमें बहुत समय लगता है।

लक्ष्य एक ऐसा कंट्रोलर बनाना है जो एक पेशेवर रेस कार ड्राइवर की तरह गाड़ी चलाए जिसके पास एक बेहतरीन सुरक्षा प्रणाली भी हो: आपात स्थिति को संभालने के लिए पर्याप्त तेज, लेकिन नियमों को कभी न तोड़ने के लिए पर्याप्त स्मार्ट।

समाधान: एक "गणितीय सुरक्षा जाल" (Mathematical Safety Net)

शोधकर्ताओं ने ल्यपुनोव इनइक्वेलिटीज (Lyapunov Inequalities) नामक एक गणितीय उपकरण का उपयोग किया (इसे एक परिष्कृत "सुरक्षा जाल" या "स्थिरता मानचित्र" के रूप में समझें)।

मानचित्र (The Map): उन्होंने उन सभी संभावित "खराब मौसम" (अनिश्चितताओं) का एक मानचित्र बनाया जिसका सिस्टम सामना कर सकता है, जैसे कि तारों में प्रतिरोध (resistance) या अधिष्ठापन (inductance) में परिवर्तन।
सुरक्षा जाल (The Safety Net): इस मानचित्र का उपयोग करके, उन्होंने एक ऐसा कंट्रोलर डिजाइन किया जो यह गारंटी देता है कि सिस्टम सुरक्षित सीमाओं के भीतर रहेगा (जैसे कि करंट को बहुत अधिक न होने देना), चाहे "मौसम" कैसा भी हो।
अनुकूलन (The Optimization): केवल सुरक्षित होने के बजाय, उन्होंने एक विशेष गणितीय ट्रिक (लिनियर मैट्रिक्स इनइक्वेलिटीज) का उपयोग किया ताकि कंट्रोलर सुरक्षा जाल को छुए बिना जितना संभव हो सके उतना आक्रामक बनाया जा सके। यह उस सबसे तेज़ रास्ते को खोजने जैसा है जो बिना गिरे ठीक चट्टान के किनारे-किनारे चलता है।

उन्होंने इसका परीक्षण कैसे किया?

यह साबित करने के लिए कि उनका विचार काम करता है, उन्होंने इसे केवल कागज पर नहीं किया। उन्होंने एक वास्तविक दुनिया के पावर सिस्टम का डिजिटल ट्विन बनाया (जो एक मानक मॉडल जिसे CIGRE बेंचमार्क कहा जाता है, पर आधारित है) और इसे RTDS नामक एक सुपर-फास्ट कंप्यूटर सिम्युलेटर में चलाया।

उन्होंने अपने नए कंट्रोलर (मान लीजिए कि यह "RCR" है) को एक मौजूदा, हाई-टेक कंट्रोलर (जिसे "OCR" कहा जाता है) के खिलाफ मुकाबला कराया।

परिणाम:

क्रैश टेस्ट: उन्होंने एक बड़ी खराबी (जैसे बिजली गिरने से शॉर्ट सर्किट होना) का अनुकरण किया।
परिणाम: दोनों कंट्रोलर्स ने समस्या को ठीक किया, लेकिन नया RCR "ट्रैफिक" (करंट) को बहुत अधिक अनियंत्रित होने से रोकने में बेहतर था।
- जब सिस्टम तनाव में था, तो RCR ने पीक करंट को कम रखा (जैसे कार को अचानक झटके से बचने में मदद करना)।
- यह झटके से थोड़ा तेजी से रिकवर हुआ।
- इसने रिकवरी के दौरान ऊर्जा कम बर्बाद की (कम "ओवरशूट")।

निष्कर्ष

यह शोध पत्र दावा करता है कि इस विशिष्ट गणितीय दृष्टिकोण का उपयोग करके, उन्होंने एक ऐसा कंट्रोलर बनाया है जो वर्तमान तरीकों की तुलना में कम रूढ़िवादी (कम डरपोक) है। यह पावर ग्रिड की अराजकता में केवल जीवित ही नहीं रहता; बल्कि यह इसे अधिक सुचारू और तेजी से संभालता है, जिससे यह सुनिश्चित होता है कि जब चीजें गलत हो रही हों, तब भी लाइटें जलती रहें और विंड फार्म बिजली भेजते रहें।

संक्षेप में, उन्होंने पावर ग्रिड के "ट्रैफिक पुलिस" को और अधिक तेज और सटीक बनाने का तरीका खोजा है, बिना कभी कानून तोड़े।

तकनीकी सारांश: लियापूनोव असमानता (Lyapunov Inequality) पर आधारित MMC-आधारित MTDC पावर सिस्टम्स का सुदृढ़ धारा विनियमन (Robust Current Regulation)

समस्या विवरण
मॉड्यूलर मल्टीलेवल कनवर्टर (MMC)-आधारित मल्टी-टर्मिनल हाई-वोल्टेज डीसी (MTDC) सिस्टम्स, विशेष रूप से ऑफशोर विंड और बड़े पैमाने पर सौर संसाधनों को एकीकृत करने के लिए, भविष्य के टिकाऊ ऊर्जा संचरण हेतु अत्यंत महत्वपूर्ण हैं। हालाँकि, विश्वसनीय संचालन सुनिश्चित करने के लिए अनिश्चित स्थितियों की एक विस्तृत श्रृंखला, जिसमें पैरामीटर भिन्नता, घटक सहनशीलता (component tolerances) और बाहरी विक्षोभ शामिल हैं, के तहत सटीक धारा विनियमन (current regulation) की आवश्यकता होती है। मौलिक चुनौती नियंत्रण-सैद्धांतिक व्यापार-बंद (control-theoretic trade-off) में निहित है: अनिश्चितताओं के विरुद्ध सुदृढ़ता (robustness) बनाए रखते हुए तीव्र क्षणिक प्रतिक्रिया (fast transient response) प्राप्त करना। मौजूदा रणनीतियाँ अक्सर प्रदर्शन और सुदृढ़ता को अलग-अलग मानती हैं, जिसमें गति के लिए ह्यूरिस्टिक ट्यूनिंग या सुदृढ़ता के लिए $H_\infty$ और $\mu$ -सिंथेसिस जैसी विधियों का उपयोग किया जाता है। जबकि लीनियर मैट्रिक्स इनइक्वालिटी (LMI)-आधारित दृष्टिकोण सुदृढ़ होते हैं, वे अत्यधिक रूढ़िवादी (conservative) हो सकते हैं, जिससे क्षणिक प्रदर्शन सीमित हो जाता है। इसके अतिरिक्त, वेटिंग मैट्रिसेस (weighting matrices) का मानक ट्यूनिंग समय लेने वाला है और व्यवस्थित रूप से वांछित प्रदर्शन या बाधा अनुपालन की गारंटी नहीं देता है।

कार्यप्रणाली
यह शोध पत्र एक सुदृढ़ धारा नियामक (RCR) के लिए एक डिज़ाइन फ्रेमवर्क प्रस्तावित करता है जो लियापूनोव स्थिरता शर्तों और लीनियर मैट्रिक्स इनइक्वालिटी (LMI) का उपयोग करके एक स्टेटिक स्टेट-फीडबैक गेन का संश्लेषण करता है। कार्यप्रणाली इस प्रकार है:

सिस्टम मॉडलिंग: MMC डायनेमिक्स को $dqz$ रेफरेंस फ्रेम में एक औसत समतुल्य प्रतिनिधित्व (average equivalent representation) का उपयोग करके मॉडल किया गया है। यह मॉडल निष्क्रिय घटकों (आर्म और ट्रांसफार्मर इंडक्टेंस और रेजिस्टेंस) में संरचनात्मक अनिश्चितताओं को ध्यान में रखता है। सिस्टम को एक अनिश्चित डिस्क्रीट-टाइम स्टेट-स्पेस मॉडल के रूप में दर्शाया गया है। शून्य-त्रुटि ट्रैकिंग को सुगम बनाने के लिए, आउटपुट करंट कंट्रोल (OCC) और सर्कुलेटिंग करंट कंट्रोल (CCC) के मॉडलों को स्टेट डिफरेंस और इनपुट रेट्स को शामिल करने के लिए बढ़ाया गया है।
नियंत्रण आर्किटेक्चर: आंतरिक नियंत्रण लूप एक फीडफॉरवर्ड टर्म के साथ स्टेटिक स्टेट-फीडबैक संरचना का उपयोग करता है। फीडफॉरवर्ड गेन को स्थिर अवस्था वोल्टेज संदर्भ प्रदान करने के लिए नाममात्र डायनेमिक्स (nominal dynamics) के आधार पर गणना की जाती है, जबकि फीडबैक गेन ( $K$ ) संवर्धित स्टेट वेक्टर (augmented state vector) के त्रुटि को नियंत्रित करता है।
LMI के माध्यम से संश्लेषण: फीडबैक गेन $K$ $K$ को निर्धारित करने के लिए अनुकूलन समस्या (optimization problem) का निर्माण मुख्य योगदान है। इसका उद्देश्य निम्नलिखित के अधीन डोमेन ऑफ अट्रैक्शन को अधिकतम करना है (लियापूनोव मैट्रिक्स $P$ $P$ के आइजनवैल्यू को न्यूनतम करके, जो $\det(P)$ $det (P)$ को अधिकतम करने के बराबर है):
- सभी स्वीकार्य अनिश्चितता वास्तविकताओं के लिए लियापूनोव स्थिरता बाधाएं (क्लोज्ड-लूप स्थिरता सुनिश्चित करना)।
- स्टेट बाधाएं (करंट सीमाएं) और इनपुट बाधाएं (वोल्टेज संदर्भ सीमाएं)।
- बाधाओं को पोलिटोपिक सेट्स (polytopic sets) के रूप में परिभाषित किया गया है। अनिश्चितता सेट को वर्टिसिस (vertices) के कॉनवेक्स हल (convex hull) के रूप में माना गया है।
समाधान: लेम्मा 3.1 और थ्योरम 3.2 का उपयोग करते हुए, गैर-कॉन्वेक्स बाधाओं को LMI के एक सेट में परिवर्तित किया जाता है। इस समस्या को एक सेमी-डेफिनिट प्रोग्रामिंग (SDP) सॉल्वर (MOSEK) का उपयोग करके हल किया जाता है। यह दृष्टिकोण पारंपरिक अनुकूलतम नियंत्रण (optimal control) में उपयोग किए जाने वाले $Q$ और $R$ मैट्रिसेस जैसे ट्यून किए गए हाइपरपैरामीटर्स पर निर्भर रहने के बजाय स्पष्ट रूप से सिस्टम बाधाओं को ध्यान में रखता है।

मुख्य योगदान

कम रूढ़िवादी संश्लेषण: यह शोध पत्र एक LMI-आधारित फ्रेमवर्क पेश करता है जो एक स्टेटिक स्टेट-फीडबैक गेन का संश्लेषण करता है जो मौजूदा विधियों की तुलना में कम रूढ़िवादी है। यह स्पष्ट रूप से बाधा-स्वीकार्य डोमेन ऑफ अट्रक्शन को अधिकतम करता है।
बाधा एकीकरण: डिज़ाइन स्पष्ट रूप से उपयोगकर्ता-निर्धारित सिस्टम बाधाओं को शामिल करता है, जिसमें इनपुट सैचुरेशन और ओवरकरंट सीमाएं शामिल हैं, यह सुनिश्चित करता है कि रेगुलेटर स्थिर रहते हुए भी अत्यधिक आक्रामक नियंत्रण क्रियाओं से बचता है।
ट्यूनिंग के बिना सुदृढ़ता: यह विधि बिना किसी समय लेने वाले वेटिंग फिल्टर या मैट्रिसेस की ट्यूनिंग के, सभी स्वीकार्य अनिश्चितता वास्तविकताओं के लिए स्थिरता की गारंटी देती है।
वैलिडेशन: प्रस्तावित RCR को मौजूदा साहित्य [11] से एक ऑप्टिमल रोबस्ट करंट रेगुलेटर (OCR) के विरुद्ध अनिश्चित मॉडल्स के साथ MATLAB सिमुलेशन और CIGRE MT-HVDC बेंचमार्क पर RTDS® का उपयोग करके रियल-टाइम सिमुलेशन के माध्यम से सत्यापित किया गया है।

परिणाम
RCR की प्रभावशीलता का मूल्यांकन दो प्राथमिक सत्यापन चरणों के माध्यम से किया गया था:

MATLAB सिमुलेशन: MMC मॉडल के 200 अनिश्चित वास्तविकताओं के साथ सिमुलेशन ने दिखाया कि RCR ने OCR (4.3 ms) की तुलना में तेज़ सेटलिंग टाइम (4.0 ms) प्राप्त किया। RCR ने नाममात्र प्रतिक्रिया के सापेक्ष कम औसत मीन एब्सोल्यूट एरर (MAE) ( $KPI_{RCR} \approx 446$ बनाम $KPI_{OCR} \approx 714$ ) प्रदर्शित किया, जो अनिश्चितताओं के बावजूद नाममात्र मामले के करीब व्यवहार को दर्शाता है।
RTDS® सिमुलेशन: CIGRE B4.57 DCS1 बेंचमार्क का उपयोग करते हुए, सिस्टम को एक सिमेट्रिकल थ्री-फेज लाइन-टू-ग्राउंड फॉल्ट के अधीन किया गया।
- ओवरकरंट लिमिटेशन: फॉल्ट क्लीयरेंस के दौरान, RCR ने पीक ओवरकरेंट को 2.25033 kA तक सीमित किया, जबकि OCR 2.51458 kA तक पहुँच गया। इसी तरह, पोस्ट-फॉल्ट रिकवरी के दौरान, RCR ने पीक करंट को -6.51704 kA तक सीमित किया, जबकि OCR के लिए यह -6.74151 kA था।
- पावर रिकवरी: दोनों नियंत्रकों ने समान सेटलिंग टाइम (~0.23 s) के साथ 200 MW तक बिजली वितरण को बहाल किया। हालांकि, RCR के परिणामस्वरूप कम एक्टिव पावर पीक (5.628 MW) और OCR (एक्टिव पावर के लिए 79.65 MW) की तुलना में काफी कम पावर एक्स्ट्रा (MAE of 77.84 MW) हुआ।
- ट्रांजिएंट परफॉरमेंस: $dq$ रेफरेंस फ्रेम में, RCR ने आउटपुट और सर्कुलेटिंग करंट दोनों में पीक ओवरकरेंट को कम किया और OCR की तुलना में $q$ -एक्सिस में 5% तेज़ ट्रांजिएंट रिस्पॉन्स प्राप्त किया।

महत्व और दावे
लेखकों का दावा है कि प्रस्तावित विधि तेज़ क्षणिक प्रदर्शन और सुदृढ़ता-प्रेरित रूढ़िवादिता के बीच के व्यापार-बंद को सफलतापूर्वक हल करती है। लियापूनोव असमानताओं का उपयोग करके कंट्रोलर का संश्लेषण करके, RCR सभी संभावित अनिश्चित वास्तविकताओं के लिए सुरक्षित संचालन क्षेत्र के भीतर सबसे तेज़ क्षणिक प्रतिक्रिया प्रदान करता है। शोध पत्र निष्कर्ष निकालता है कि प्रस्तावित विधि एक व्यवस्थित तरीका प्रदान करती है जिससे सुदृढ़ करंट रेगुलेटर डिजाइन किए जा सकते हैं जो ट्रैकिंग एरर और क्षणिक गति के मामले में मौजूदा ऑप्टिमल रोबस्ट विधियों से बेहतर प्रदर्शन करते हैं, जबकि भौतिक सिस्टम बाधाओं का सख्ती से पालन करते हैं। लेखक नोट करते हैं कि यह दृष्टिकोण किसी भी लीनियर स्टेट-स्पेस रियलाइजेशन के लिए सामान्य (generalizable) है।

मुख्य चुनौती: "गोल्डिलॉक्स" (Goldilocks) की समस्या

समाधान: एक "गणितीय सुरक्षा जाल" (Mathematical Safety Net)

उन्होंने इसका परीक्षण कैसे किया?

निष्कर्ष

इसी तरह के और पेपर