⚡ electrical engineering

Partitioned Mixed Small Gain-Phase Decentralized Stability Criterion for Power Systems

Dit artikel stelt een gepartitioneerd gedecentraliseerd winst-fase criterium voor dat de conservatieve benadering in heterogene energiesystemen vermindert door verschillende deelverzamelingen van omvormers toe te staan die ofwel aan kleine-winst- of aan kleine-fasecondities voldoen op dezelfde frequentie, waardoor de complementaire stabiliteitseigenschappen van grid-forming en grid-following bronnen effectief worden benut.

Oorspronkelijke auteurs: Diego Cifelli, Adolfo Anta

Gepubliceerd 2026-08-05

📖 7 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Diego Cifelli, Adolfo Anta

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je het elektriciteitsnet voor als een enorme, onzichtbare dansvloer waar miljoenen apparaten proberen om in perfecte synchronisatie te bewegen. Decennialang werd deze dans geleid door gigantische, draaiende turbines die van nature het ritme bewaarden. Maar vandaag de dag vervangen we die zware dansers door duizenden kleine, snelle robots genaamd "converters". Deze robots, die zonnepanelen en windturbines met het net verbinden, zijn geweldig in het snel bewegen, maar ze bewegen niet allemaal op dezelfde manier. Sommigen zijn als "volgers", die het ritme van het net kopiëren, terwijl anderen "leiders" zijn, die zelf de maat proberen aan te geven.

Het probleem is dat wanneer je deze verschillende soorten robots op dezelfde dansvloer mengt, ze per ongeluk over elkaar heen kunnen struikelen, waardoor het hele systeem kan wankelen of zelfs kan crashen. Om het licht aan te houden, hebben ingenieurs een manier nodig om te controleren of de dans veilig is zonder dat ze de interne hersenen van elke individuele robot hoeven te observeren. Ze gebruiken wiskundige "verkeersregels" om te voorspellen of de groep stabiel zal blijven. Traditioneel waren deze regels als een strikte dresscode: iedereen moest exact hetzelfde outfit dragen (aan exact dezelfde wiskundige voorwaarde voldoen) om op de vloer toegelaten te worden. Maar dit was te streng; het wierp vaak veilige dansers eruit, simpelweg omdat ze niet in de eenheidsworst van de regel pasten, of erger nog, het slaagde er niet in een echt gevaar te signaleren omdat de regel te rigide was.

Dit artikel introduceert een slimmere, flexibelere manier om de dansvloer te controleren. In plaats van elke converter te dwingen hetzelfde outfit te dragen, stellen de auteurs een "gepartitioneerde" regel voor waarbij verschillende groepen converters verschillende outfits mogen dragen, zolang ze maar goed bij elkaar passen. Ze ontdekten dat door de converters in twee teams te verdelen — één team dat controleert hoe "luid" (gain) ze zijn, en het andere team dat controleert hoe "ritmisch" (fase) ze zijn — zij konden certificeren dat het systeem stabiel is in situaties waarin de oude, uniforme regels het lieten afweten. Ze testten deze methode op een klein systeem met twee robots en een grote, complexe 39-bus netgesimuleerde omgeving, waarmee ze lieten zien dat hun nieuwe methode veiligheid kan bewijzen waar de oude methoden vastliepen met de uitspraak: "Ik weet het niet."

Het Dansvloer-dilemma

Om te begrijpen waarom deze nieuwe methode zo belangrijk is, moeten we kijken naar de twee belangrijkste soorten "robots" (converters) op ons net.

Ten eerste heb je de Grid-Following (GFL) converters. Denk aan deze als de volgers in een dansles. Ze luisteren naar het ritme van het net en proberen dit perfect te matchen. Omdat ze zo goed in luisteren zijn, zijn ze meestal erg stil (lage "gain"), maar kunnen ze wat nerveus worden als het ritme te snel verandert (lastige "fase").

Dan heb je de Grid-Forming (GFM) converters. Dit zijn de leiders. Zij proberen zelf het ritme aan te geven, als een gestage trommelslag. Ze zijn zeer sterk en stabiel (goede "fase"-eigenschappen), maar ze kunnen ook behoorlijk luid en energiek zijn (hoge "gain").

In het verleden gebruikten ingenieurs een "Mixed Small Gain–Phase" regel om te controleren of de hele groep veilig was. Het probleem was dat deze regel eiste dat iedereen tegelijkertijd aan dezelfde voorwaarde moest voldoen. Het was alsocht een leraar die de hele klas vertelde: "Iedereen moet stil zijn!" of "Iedereen moet ritmisch zijn!"

Als de leraar zei: "Iedereen moet stil zijn," dan faalden de luidruchtige leiders (GFM) de test, ook al waren ze eigenlijk heel stabiel. Als de leraar zei: "Iedereen moet ritmisch zijn," dan faalden de nerveuze volgers (GFL) de test, ook al waren zij ook veilig. Het resultaat was veel vals alarm, waarbij het systeem in werkelijkheid prima was, maar de wiskunde het niet kon bewijzen omdat het probeerde een vierkant blokje in een rond gat te duwen.

De Nieuwe Strategie: Een Maatwerk Dresscode

De auteurs van dit artikel realiseerden zich dat het net een heterogene mix is. Waarom zou je een luidruchtige leider hetzelfde behandelen als een stille volger? Ze stelden een Partitioned Mixed Gain–Phase Criterion voor.

Stel je een feestje voor waarbij de gastheer besluit: "De luidruchtige dansers in de hoek mogen luid zijn, zolang ze maar in het ritme blijven. De stille dansers aan de andere kant mogen stil zijn, zolang ze maar niet te nerveus worden."

Zo werkt hun nieuwe methode:

Splits de menigte: Ze verdelen de converters in twee groepen. Eén groep (meestal de Grid-Following types) wordt gecontroleerd op hun Gain (hoe luid ze zijn). De andere groep (meestal de Grid-Forming types) wordt gecontroleerd op hun Fase (hoe ritmisch ze zijn).
Het vangnet: Deze twee verschillende regels worden niet zomaar willekeurig bij elkaar gegooid. Ze zijn verbonden door een "netwerk-afhankelijke kwadratische beperking" (network-dependent quadratic constraint). Zie dit als een wiskundig vangnet dat precies berekent hoeveel "luidheid" de ene groep kan hebben op basis van hoe "ritmisch" de andere groep is. Het zorgt ervoor dat, hoewel ze verschillende outfits dragen, ze niet op elkaars tenen zullen trappen.
Lokale controles: Het beste deel is dat dit een "gedecentraliseerde" controle blijft. Elke converter hoeft alleen zijn eigen cijfers te controleren tegen de limiet die door het netwerk is ingesteld. Het hoeft de geheime interne modellen van elke andere robot op het net niet te kennen.

Wat ze vonden

De auteurs hebben dit niet alleen bedacht; ze hebben het getest.

Eerst keken ze naar een eenvoudig systeem met slechts twee converters: één Grid-Following en één Grid-Forming.

De oude manier: De standaardregels slaagden er niet in om de stabiliteit van het systeem bij lage frequenties te bewijzen. De GFL was te nerveus voor de fase-regel, en de GFM was te luid voor de gain-regel. De wiskunde zei: "Ik kan niet zeggen of dit veilig is."
De nieuwe manier: Door de gepartitioneerde regel toe te passen, bewezen ze succesvol dat het systeem stabiel is. De GFL slaagde voor de "luidheid"-check, en de GFM slaagde voor de "ritme"-check. De wiskunde zei eindelijk: "Ja, deze dans is veilig."

Vervolgens schaalden ze op naar een enorme simulatie van het IEEE 39-bus systeem, een standaardmodel voor een groot elektriciteitsnet. Ze plaatsten vier Grid-Following en vier Grid-Forming converters op verschillende plekken.

De oude manier: De standaardregels faalden opnieuw. De Grid-Forming converters waren te luid voor de gain-regel, en de Grid-Following converters waren te nerveus voor de fase-regel bij lagere frequenties (onder de 60 Hz). Het systeem werd als "onbeslist" beschouwd.
De nieuwe manier: Met behulp van hun gepartitioneerde aanpak wijsden ze de Grid-Following converters toe aan de gain-check en de Grid-Forming converters aan de fase-check.
- De Grid-Following converters slaagden voor de gain-check tot 88 Hz.
- De Grid-Forming converters slaagden voor de fase-check op alle frequenties.
- Omdat de twee checks het hele frequentiebereik dekten (0 tot 88 Hz via de nieuwe methode, en boven 60 Hz via de oude fase-methode), konden ze het hele systeem eindelijk als stabiel certificeren.

Waarom het ertoe doet

Het artikel laat zien dat door te erkennen dat verschillende technologieën anders gedrag vertonen, we kunnen stoppen met het wegwerpen van veilige systemen enkel omdat ze niet in een rigide hokje passen. De nieuwe methode is "technologie-bewust". Het begrijpt dat een Grid-Forming converter van nature luid maar ritmisch is, terwijl een Grid-Following converter van nature stil maar nerveus is.

De auteurs merkten ook op dat het voordeel van deze methode afhangt van de lay-out van het net. Als het net gebieden heeft die erg verschillend van elkaar zijn (sommige plekken zijn zeer sterk, andere zeer zwak), kan de nieuwe methode de regels nog verder versoepelen, wat ingenieurs meer flexibiliteit geeft bij het ontwerpen van betere controllers. Echter, als het net zeer uniform en nauw verbonden is, is het voordeel kleiner, maar nog steeds aanwezig.

Kortom, dit artikel biedt een nieuw, slimmer regelboek voor het elektriciteitsnet. Het stelt ingenieurs in staat om mix en match toe te passen op veiligheidscontroles, waardoor bewezen kan worden dat een chaotisch lijkende dans van verschillende robots in feite een perfect stabiele uitvoering is.

Technische Samenvatting: Gepartitioneerd Gemengd Small Gain–Phase Gedecentraliseerd Stabiliteitscriterium voor Elektriciteitssystemen

Probleemstelling
De toenemende penetratie van converter-geïnterfaceerde bronnen, specifiek de coexistentie van grid-forming (GFM) en grid-following (GFL) converters, heeft traditionele stabiliteitsbeoordelingsmethoden uitdagend gemaakt. Klassieke benaderingen, zoals eigenwaardeanalyse of gegeneraliseerde Nyquist-criteria, vereisen vaak volledige systeemmodellen (white-box), missen schaalbaarheid voor grote heterogene netwerken, of bieden geen bruikbare inzichten voor controlemodificatie.

Bestaande gedecentraliseerde stabiliteitscriteria, inclusief gemengde small-gain en small-phase condities, bieden schaalbaarheid door te vertrouwen op lokale convertercondities en een netwerkafhankelijk criterium. Echter, deze standaardmethoden leggen een uniforme vereiste op: op elk gegeven frequentiepunt moeten alle converters in het systeem aan hetzelfde type conditie voldoen (ofwel moeten ze allemaal voldoen aan een small-gain grens, ofwel moeten ze allemaal voldoen aan een small-phase grens). Deze uniformiteit is problematisch in heterogene netwerken omdat GFM en GFL converters complementaire kenmerken vertonen. GFM-converters bezitten vaak gunstige fase-eigenschappen maar een hoge gain bij lage frequenties, terwijl GFL-converters typisch een lage gain vertonen maar kunnen falen op fase-eisen. Bij gevolg is de uniformiteit van de criteria onnodig conservatief of inconclusief, omdat ze stabiliteit niet kunnen certificeren zelfs wanneer het systeem stabiel is, omdat ze niet gelijktijdig de lage gain van GFLs en de gunstige fase van GFMs kunnen exploiteren.

Methodologie
Het papier stelt een gepartitioneerd gemengd gain–phase gedecentraliseerd stabiliteitscriterium voor. Deze benadering ontkoppelt de stabiliteitscondities voor verschillende subsets van converters, waardoor afzonderlijke lokale vereisten kunnen worden toegepast op verschillende technologieklassen bij dezelfde frequentie.

Partitioneringsstrategie: De verzameling van $n$ converters wordt verdeeld in twee subsets: $I_g$ (toegewezen aan het voldoen aan small-gain bounds) en $I_\phi$ (toegewezen aan het voldoen aan small-phase bounds).
Kwadratische Constraints (QC): De methode maakt gebruik van de verbinding tussen small-gain/small-phase stellingen en Kwadratische Constraints. Een specifieke multiplier matrix $\Pi(\omega)$ wordt geconstrueerd om beide criteria simultaan te coderen. Deze matrix wijst een gain-type blok toe aan converters in $I_g$ en een fase-type blok aan converters in $I_\phi$ .
Netwerkafhankelijke Trade-off: De toelaatbare trade-off tussen de gain margin voor subset $I_g$ en de fase margin voor subset $I_\phi$ wordt beheerst door een netwerkafhankelijke kwadratische constraint involving de inverse netwerkadmittantie $J^{-1}_{net}$ . Deze constraint definieert een feitelijke verzameling $L_\kappa(\omega)$ van gain ( $\gamma$ ) en fase ( $\theta$ ) parameters.
Eigenschapskarakterisering: Het papier analyseert de eigenschappen van de feitelijke verzameling $L_\kappa(\omega)$ , stelt de convexiteit vast in zowel $\gamma$ als $\theta$ , en leidt grenzen af op de maximale toelaatbare gain en faseshifts op basis van de netwerktopologie (specifiek de gepartitioneerde netwerkadmittantieblokken).
Selectieprocedure: Er wordt een praktisch algoritme (Algoritme 1) ontwikkeld om de bounds te selecteren. Het formuleert een Semi-Definite Program (SDP) om de optimale multiplier scaling $\kappa$ en maximale gain $\gamma$ te vinden. Een tuning parameter $\eta$ wordt geïntroduceerd om de trade-off tussen gain- en fase-eisen te balanceren, waardoor de selectie van een specifiek werkpunt binnen de feitelijke verzameling mogelijk wordt.

Belangrijkste Bijdragen

Uitbreiding van Gedecentraliseerde Criteria: Het papier breidt bestaande mixed gain–phase stellingen uit door een derde, gepartitioneerde optie te introduceren waarbij verschillende converter-subsets gelijktijdig verschillende condities (gain versus fase) voldoen. Dit is de eerste dergelijke formulering die volledig gedecentraliseerd blijft op converterniveau terwijl het "technologie-bewust" is.
Karakterisering van Toelaatbare Verzamelingen: De auteurs definiëren en karakteriseren de verzameling van toelaatbare gain- en fase-bounds gegenereerd door het netwerk voor een voorgeschreven partitie, waarbij zij convexiteit en begrensdheidseigenschappen bewijzen die praktische selectie faciliteren.
Systematische Selectieprocedure: Een niet-uitputtende, systematische procedure wordt ontwikkeld om praktische bounds te selecteren uit de toelaatbare verzameling, waardoor de computationele last van het zoeken naar alle mogelijke parametertriplets wordt vermeden.
Validatie op Heterogene Systemen: De methode wordt gevalideerd op een twee-converter systeem (één GFL, één GFM) en het IEEE 39-bus systeem (bevatend meerdere GFLs en GFMs).

Resultaten

Twee-Converter Systeem: In een systeem waar de GFL aan de gain-conditie voldeed maar faalde voor de fase-conditie, en de GFM aan de fase-conditie voldeed maar faalde voor de gain-conditie, waren de uniforme criteria inconclusief onder de 29 Hz. Het voorgestelde gepartitioneerde criterium slaagde erin stabiliteit te certificeren tot 36 Hz door de gain-conditie toe te passen op de GFL en de fase-conditie op de GFM.
IEEE 39-Bus Systeem: In een systeem met 4 GFLs en 4 GFMs werd de uniforme small-phase conditie pas voldaan boven 60 Hz (vanwege GFLs die de fase-test bij lagere frequenties niet doorstonden). De uniforme small-gain conditie werd nooit voldaan. Het gepartitioneerde criterium, waarbij GFLs aan de gain-subset en GFMs aan de fase-subset werden toegewezen, certificeerde stabiliteit voor frequenties onder de 88 Hz. Gecombineerd met de uniforme fase-resultaten voor $f > 60$ Hz, werd het systeem gecertificeerd als stabiel over het gehele frequentiebereik.
Vergelijking: De gepartitioneerde bounds bleken minder restrictief dan uniforme bounds in specifieke scenario's (bijv. wanneer bussen zeer verschillende kortsluitsterktes hebben), hoewel ze in andere gevallen strikter kunnen zijn. De methode loste succesvol gevallen op waar standaard gedecentraliseerde condities faalden.

Betekenis en Claims
Het papier claimt dat de primaire betekenis van dit werk de transformatie is van een uniforme stabiliteitstest naar een technologie-bewust gedecentraliseerd certificaat. Door te erkennen dat specifieke converters behoren tot specifieke technologieklassen (GFM vs. GFL) en verbonden zijn met specifieke bussen, exploiteert de methode complementaire systeemkenmerken die uniforme tests negeren.

De auteurs benadrukken dat de benadering lokaal blijft: elke converter wordt geverifieerd tegen een lokale admittantieconditie zonder kennis te vereisen van de interne modellen van andere converters. Dit maakt de methode geschikt voor het definiëren van grid-code vereisten waarbij fabrikanten compliantie lokaal kunnen verifiëren terwijl zij de systeemstabiliteit waarborgen. Het papier merkt op dat hoewel de methode een "tweede fase" biedt voor centrale operators wanneer uniforme tests falen, het ook gedecentraliseerde settings ondersteunt waar operators het type vereisten vooraf selecteren op basis van verwachte technologieën en netwerktopologie. De auteurs erkennen dat de mate van verbetering sterk afhangt van de netwerkheterogeniteit en topologie, met name de discrepantie in kortsluitsterktes en R/X-ratio's over het netwerk.

Het Dansvloer-dilemma

De Nieuwe Strategie: Een Maatwerk Dresscode

Wat ze vonden

Waarom het ertoe doet

Technische Samenvatting: Gepartitioneerd Gemengd Small Gain–Phase Gedecentraliseerd Stabiliteitscriterium voor Elektriciteitssystemen

Meer zoals dit