技術要約：IBRおよび大規模負荷を伴うマルチマシンシステムにおける、次亜同期振動解析のための動的フェーザ・フレームワーク

1. 問題提起

現代の電力系統は、時間領域および周波数領域の解析におけるスケーラビリティに関して、前例のない課題に直面している。特に、グリッド・フォロー型（GFL）インバータベース電源（IBR）の統合が進んだことで、次亜同期振動（SSO）が増加している。同時に、人工知能（AI）データセンター（DC）負荷の急速な拡大は、大規模で急峻な電力ランプや同期したトレーニングサイクルによって誘発される高振幅の変動を含む、新たな信頼性の懸念をもたらしている。これらの変動は、タービン発電機軸の疲労寿命を脅かし、一次周波数応答に影響を与える。

電磁過渡現象（EMT）シミュレーションツールはこれらの現象をモデル化できるが、高い計算需要によりスケーラビリティに乏しい。さらに、EMTモデルは、固有値解析、根本原因の特定、および系統的なコントローラ設計に必要な線形時不変（LTI）モデルの開発には一般的に適していない。既存の動的フェーザ（DP）フレームワークは、主に単一機または単一のIBRシステムに限定されており、不平衡条件下におけるIBRを含むマルチマシンシステムを十分に扱うことに失敗してきた。

2. 手法

著者らは、GFLおよびグリッド・フォーミング（GFM）型のIBR、マルチマス同期発電機、および大規模負荷（具体的にはAI DC）を含む、平衡および不平衡条件下のマルチマシンシステムにおけるSSOを解析するために設計された、汎用的な動的フェザ（DP）フレームワークを提案する。

コア・モデリング戦略

本フレームワークは、異なる参照座標系の利点を活用するために、ハイブリッド座標系を利用する。

• IBRs (GFL および GFM): 動的フェーザを用いたdq座標系でモデル化される。これは標準的なベクトル制御の実装と一致する。モデルは、不平衡ダイナミクスを捉えるために、$k=0$（正相）および$k=\pm2$（逆相）のDP係数を保持する。
  • GFM IBRs: ドループ機構、外側電圧ループ、内側電圧/電流ループ、および出力フィルタのダイナミクスに分解される。電流制限戦略（定角および$i_q$優先）も明示的にモデル化されている。
  • GFL IBRs: 位相同期回路（PLL）のダイナミクス、外側有効・無効電力制御ループ、内側電流制御ループ、およびプラント（直列R-Lフィルタ）を用いてモデル化される。
• ネットワークおよびSG: pnz座標系（正相、逆相、零相）でモデル化される。
  • 送電線: 集約された$\pi$セクションモデルで表される。
  • 同期発電機 (SGs): 詳細なマルチマス・タービン発電機モデル（HP、IP、LPA、LPBタービン、発電機、および励磁器を含む）が表現される。機械的ダイナミクスは$k=0$成分を用いて捉えられ、電気的過渡現象は$k=0, \pm2$成分を用いて利用される。
• 負荷: AI DC負荷は、定電力需要（正相のみ、力率1）としてモデル化される。
• 結合: インターフェース変数（端子電圧および電流）は、特定の変換式を用いてdq座標系（IBR）とpnz座標系（ネットワーク/SG）の間で変換される。

主な特性

• 時不変性: 定式化の結果、固有値分解を可能にする時不変システムが得られる。
• 線形化可能性: モデルは、SSOモードの特定、根本原因分析、およびダンピング・コントローラの設計を行うために線形化が可能である。
• スケーラビリティ: フーリエ級数を支配的な係数に切り詰めることにより、本フレームワークはEMTによる時間領域シミュレーションよりも高速なシミュレーションをサポートする。

3. 主な貢献

本論文は、以下の具体的な貢献を主張している：

1. 汎用フレームワーク: マルチマス・タービン、GFLおよびGFM双方のIBR、および平衡・不平衡条件下の送電線ダイナミクスを含むシステムにおける、SSO現象を解析可能なDPベースのモデリングフレームワークの提示。
2. ベンチマーク: マルチマシンシステムにおけるEMTモデルに対する本フレームワークの高速化のデモンストレーション。
3. 制御設計への応用: フレームメントの時不変性と線形化可能性を活用し、修正されたIEEE 68バスシステムにおいて、減衰の低いSSOモードを抑制するための補完的な低次分散型コントローラを設計。
4. GFM vs. GFL 解析: 時間領域および周波数領域の解析を通じて、GFL IBRをGFM IBRに置き換えることで、特定の減衰の低いSSOモードが消失することを実証。
5. AI負荷の影響研究: AI DC負荷が一次周波数応答およびマルチマス・タービン発電機軸のねじれ振動（せん断応力）に与える影響を分析し、疲労寿命のリスクを評価する手法を提供。

4. 結果と検証

フレームワークは、主に以下の3つのシステムを用いて検証およびテストされた。

A. EMTモデルに対する検証

• SSR用のIEEE第1ベンチマークモデル (FBM): DPモデルの固有値および三相接地故障後の時間領域応答は、EMTの結果および文献値と密接に一致した。
• 電流制限を伴うGFM IBR: EMTDC/PSCADモデルに対して検証。DPモデルは、定角および$i_q$優先の電流制限戦略の両方において、自己除去型の線間（L-L）故障に対する応答を正確に再現した。
• 修正IEEE 4機システム: 2機のGFL IBRが同期発電機を置き換えたシステム。DPモデル（線形化を使用）とEMTモデル（プルーリー解析を使用）は、異なるPLL帯域幅におけるSSOモードの周波数および減衰比において高い一致を示した。
• 高速化: IEEE 4機システムにおいて、DPモデルはEMTモデルに対して平均2倍の高速化を達成した。IEEE 39バスシステムの文脈（先行研究より）では10倍の高速化が記録されているが、現在の論文は68バスシステムに焦点を当てている。

B. 修正IEEE 68バスシステムにおけるSSO減衰

GFL IBRによって誘発された減衰の低いSSOモード（4.76 Hz, 0.2% 減衰）を抑制するために、2つの解決策が提案された：

1. 分散型コントローラ: 粒子群最適化（PSO）を用いて設計された5次コントローラ。端子電圧の大きさをフィードバックとして用い、無効電流指令値を変調する。シミュレーションにより、様々な連系線脱落および不平衡故障の後のSSOモードの有効な減衰が示された。
2. GFMへの置き換え: 同等の定格を持つGFL IBRを1機GFM IBRに置き換えた結果、固有値解析によって確認された通り、減衰の低いSSOモードが完全に消失した。

C. AI DC負荷の影響

• 周波数応答: AI DC負荷のランプ（計算期間と休止期間の遷移）のシミュレーションにより、大幅な周波数偏差が示され、負荷遮断（ロードシェディング）に至らないものの、補助的な周波数サポートがトリガーされることが示された。
• 軸応力: AI DC負荷の振動をねじれモード（例：~7.83 Hz）に同期させることで、軸応力が拡張修正グッドマン図で定義された限界に達し、疲労寿命の損失を招く可能性があることを示した。
• 感度解析: AI負荷の振動の振幅、周波数、および位相を変化させたモンテカルロ・シミュレーション（100回実行）により、軸応力はねじれモードからのわずかな周波数偏差に対して非常に敏感であることが明らかになった。

D. 計算性能

（8機のマルチマスSG、8機のシングルマスSG、1機のGFL、1機のGFM、および動的な送電線を含む）修正IEEE 68バスシステムにおいて：

• DPフレームワークは、7つのAI DCによる20秒間の強制振動シナリオを平均2.5分でシミュレートした。
• これにより、EMTシミュレーションが計算量的に困難となる大規模システムにおける、本フレームワークのスケーラビリティが確立された。

5. 重要性と主張

著者らは、SSO減衰制御自体の新規性や、GFM制御がSSO問題を解決できるという一般的な事実については、新規性を主張しないと明記している。

本研究の主な意義は、以下の能力を示すことにある：

• これらの複雑な現象（マルチマシンSSO、不平衡故障、およびAI負荷の影響）を、統一されたスケーラブルかつ線形化可能な環境で初めて捉えたこと。
• 大規模なシステムにおいて、純粋な時間領域のEMTシミュレーションから周波数領域の解析（固有値分解）への移行を可能にしたこと。
• 次世代のAIデータセンター負荷による特定のストレス条件下における、タービン発電機軸の疲労寿命を分析するための実用的なツールを提供すること。

本論文は、提案されたフレームワークが、EMTの精度と線形モデルの解析的有用性の間の溝を埋め、将来の電力網の分析と制御のためのスケーラブルなソリューションを提供することに成功したと結論付けている。