💻 computer science

Nonlinear Virtual Inertia Control of WTGs for Enhancing Primary Frequency Response and Suppressing Drive-Train Torsional Oscillations

本文提出了一种基于目标全息反馈理论的非线性虚拟惯性控制方法，旨在在增强风电机组一次频率响应的同时，有效抑制其传动链低频扭转振荡并实现转子转速的快速平滑恢复。

原作者： Bi Liu, Qi Huang, Junbo Zhao, Federico Milano, Yingchen Zhang

发布于 2026-03-24

📖 1 分钟阅读☕ 轻松阅读

原作者： Bi Liu, Qi Huang, Junbo Zhao, Federico Milano, Yingchen Zhang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文主要解决了一个关于风力发电的“两难”问题，并提出了一种聪明的新方法来平衡它。我们可以用一个生动的比喻来理解它。

🌪️ 核心故事：风力发电机的“惯性”难题

想象一下，传统的火力发电厂（像烧煤或烧气）就像一辆重型卡车。当路面突然颠簸（电网频率波动）时，因为卡车很重（有巨大的惯性），它不会立刻翻车，而是会稳稳地缓冲一下，给司机（电网调度）反应的时间。

但是，风力发电机（WTG）就像一辆轻盈的自行车。它转得很快，但很轻。当电网遇到突发状况（比如突然断电或负荷激增）时，这辆“自行车”因为太轻，没有足够的惯性去稳住局面，导致电网频率像过山车一样剧烈波动，甚至可能崩溃。

为了解决这个问题，工程师们给风力发电机装上了一个“虚拟惯性控制器”（VIC），相当于给自行车装了一个智能平衡器。这个平衡器在电网不稳时，会强行让自行车“减速”或“加速”，释放储存的能量来稳住电网。

⚠️ 旧方法的副作用：自行车的“剧烈摇晃”

虽然旧版的“智能平衡器”能稳住电网，但它有一个致命的副作用：

剧烈摇晃（扭转振荡）： 当平衡器突然命令自行车加速或减速时，自行车的链条和齿轮（也就是风力发电机的传动轴）会因为受力过猛而剧烈扭动。
后果： 就像自行车链条被猛地拉扯，长期这样会导致零件磨损、断裂，甚至让自行车彻底散架（设备损坏、寿命缩短）。
恢复困难： 等电网稳住了，自行车想重新骑回原来的速度时，旧方法往往动作太猛，导致速度忽高忽低，甚至引发第二次电网波动。

💡 新方案：像“太极大师”一样的控制策略

这篇论文提出了一种基于**“目标全息反馈理论”（OHFT）的新方法。我们可以把它想象成一位太极大师**在控制自行车：

化刚为柔（抑制振荡）：
- 旧方法像是一个生硬的机械手，直接用力推或拉。
- 新方法像太极大师，它不是生硬地对抗，而是通过精密的计算，顺着风力发电机的物理特性（比如它的转速、风速）来微调力量。
- 结果： 当需要释放能量稳住电网时，它让传动轴的扭动变得非常平滑，就像太极推手一样，既有力又不会让零件“骨折”。
看菜吃饭（自适应调节）：
- 旧方法不管风大风小，都按同样的力度去拉。如果风很小（自行车没力气），硬拉会导致自行车彻底停下来（转速过低），甚至引发二次故障。
- 新方法非常聪明，它会实时观察：
  - 风大时： 自行车动能充足，它就多释放一点能量，大力稳住电网。
  - 风小时： 自行车快没力气了，它就温柔一点，只释放一点点能量，确保自行车不会彻底停下。
- 结果： 既保护了自行车，又最大程度地利用了现有的能量。
丝滑回归（快速恢复）：
- 当电网危机解除，自行车需要回到原来的骑行速度（最大效率点）时，旧方法可能会急刹车或猛加速。
- 新方法设计了一个平滑的时间曲线，让自行车像溜冰一样，优雅、快速地滑回原来的速度，不会引起任何二次颠簸。
团队协作（多机协调）：
- 如果电网里有好几辆自行车（多台风机）一起工作，旧方法可能大家各顾各的，甚至互相打架。
- 新方法像是一个总指挥，它根据每辆自行车当前的状态（谁风大、谁风小），分配任务：让力气大的多出力，力气小的少出力。大家配合默契，整体效果最好。

📊 实验结果：为什么它更好？

作者通过大量的计算机模拟（就像在虚拟世界里测试了成千上万次），证明了新方法的优势：

电网更稳： 电网频率的最低点（最危险的时刻）比旧方法高得多，不容易崩溃。
设备更长寿： 风力发电机的传动轴不再剧烈扭动，减少了磨损。
恢复更快： 危机过后，风机能迅速回到最佳工作状态，继续高效发电。
适应性强： 无论风大风小，它都能找到最佳策略。

🚀 总结

简单来说，这篇论文发明了一种更聪明、更温柔、更懂配合的风力发电控制算法。它不再是用蛮力去“硬扛”电网的波动，而是像一位经验丰富的老司机，既稳住了车，又保护了车，还能让所有车配合得井井有条。这对于未来建设更多、更稳定的绿色电网至关重要。

论文技术总结：基于非线性虚拟惯量控制的风电机组频率响应增强与传动链振荡抑制

论文标题：Nonlinear Virtual Inertia Control of WTGs for Enhancing Primary Frequency Response and Suppressing Drive-Train Torsional Oscillations
发表期刊：IEEE Transactions on Power Systems (2020)
作者：Bi Liu, Qi Huang, Junbo Zhao, Federico Milano, Yingchen Zhang

1. 研究背景与问题 (Problem)

随着风力发电渗透率的提高，电力系统的惯量水平显著下降，导致系统频率稳定性面临挑战。虚拟惯量控制（VIC）被提出用于从风电机组（WTG）中模拟惯量以提供频率支撑。然而，现有的 VIC 方法存在以下关键问题：

传动链扭振：传统的 VIC 在响应频率偏差时，会向风电机组施加瞬时的功率指令，导致风电机组传动链（Drive-train）产生低频扭转振荡，缩短机组寿命并可能引发安全问题。
次级频率跌落：在频率支撑结束后，若转子速度恢复策略不当（如功率切换过于剧烈），可能导致系统出现次级频率跌落（Secondary Frequency Dip）。
低风速下的适应性差：在低风速工况下，现有方法难以平衡频率支撑需求与防止转子速度过低（低于最小运行限值）之间的矛盾，可能导致支撑失效或机组脱网。
多机协调缺失：现有 VIC 缺乏在多风电机组场景下，根据各机组运行状态自动协调分配频率支撑功率的机制。

2. 方法论 (Methodology)

本文提出了一种基于**目标全息反馈理论（Objective Holographic Feedbacks Theory, OHFT）**的非线性虚拟惯量控制策略。

核心控制理论：OHFT

利用 OHFT 将原始的非线性控制系统转化为Brunovsky 型完全可控系统。
通过定义目标输出变量（如发电机与风轮的相对转速差 $\omega_{tg}$ 和系统频率偏差 $\Delta\omega$ ），构造误差方程。
应用线性二次型最优控制（LQR）设计反馈增益，确保系统状态快速收敛至目标值，从而实现对非线性系统的精确线性化控制。

控制策略设计

提出的非线性 VIC 包含三个关键改进模块：

基于 OHFT 的非线性反馈控制：
- 设计控制器以同时抑制传动链扭振（通过控制相对转速 $\omega_{tg}$ ）和限制频率偏差（通过控制 $\Delta\omega$ ）。
- 将控制量转化为虚拟惯量功率指令，替代传统的固定参数 PID 控制。
转子速度自适应函数 $f(\omega_g)$ ：
- 引入与转子速度相关的函数，根据风电机组当前的动能储备自动调节功率支撑量。
- 高风速/高转速：释放更多动能以提供强频率支撑。
- 低风速/低转速：限制功率释放，防止转子速度降至最小运行限值以下，避免次级频率跌落。
时间平滑函数 $g(t)$ ：
- 引入时间变量函数，实现“频率支撑模式”与“转子速度恢复模式”之间的平滑切换。
- 避免功率指令的阶跃变化，从而消除诱发传动链扭振的瞬态冲击，并防止恢复阶段引起的次级频率跌落。

多机协调扩展

将单机组控制扩展至多机组场景。
定义参与因子（Participating Factor, $pf_i$ ），基于各机组在扰动发生前的初始有功出力（ $P_{e0,i}$ ）进行分配。
公式： $pf_i = P_{e0,i} / \sum P_{e0,i}$ 。这使得出力大的机组承担更多的频率支撑任务，实现基于运行状态的自动协调。

3. 主要贡献 (Key Contributions)

理论创新：首次将 OHFT 理论应用于风电机组虚拟惯量控制，成功将非线性控制问题转化为完全可控的线性系统，从理论上保证了控制目标的可达性。
抑制扭振：提出的控制策略能有效抑制风电机组传动链的低频扭转振荡，解决了传统 VIC 导致机械应力过大的问题。
自适应与平滑恢复：
- 开发了考虑风速和转子速度变化的自适应调节机制，解决了低风速下的支撑失效问题。
- 实现了转子速度向最大功率点（MPP）的快速、平滑恢复，彻底消除了次级频率跌落现象。
多机协同：提出了一种基于初始运行点的多机组功率分配方案，显著提升了多风电场接入系统的整体频率响应性能。

4. 仿真结果 (Simulation Results)

作者在 Matlab/Simulink 中构建了包含等效电网和风电机组的测试系统，对比了传统 VIC、改进型 VIC-I（时变下垂系数）和本文提出的非线性 VIC。

频率响应（Frequency Nadir）：
- 在单机组和多机组（60% 渗透率）场景下，本文方法获得的频率最低点（Nadir）显著高于其他两种方法。
- 特别是在高风速下，由于能释放更多动能，频率支撑效果更佳。
传动链扭振：
- 传统 VIC 和 VIC-I 在频率支撑初期均出现了明显的低频振荡（约 1.45Hz）。
- 本文方法完全抑制了该振荡，传动链扭角变化平稳。
转子速度恢复：
- 本文方法能更快、更平滑地将转子速度恢复到扰动前的 MPP 点。
- 避免了传统方法在恢复阶段因功率突变导致的二次频率跌落。
不同风速适应性：
- 低风速（7.5 m/s）：本文方法自动减少功率释放，防止转子速度过低，避免了传统方法因转子速度触底而导致的功率骤降和次级频率跌落。
- 高风速：充分利用动能，提供最大支撑。
多机协调：
- 在多机组仿真中，高风速机组（WTG1）承担了主要支撑任务，低风速机组（WTG2, WTG3）出力较小，但整体系统频率性能最优。

5. 意义与结论 (Significance & Conclusion)

工程价值：该研究为高比例新能源电力系统的频率稳定控制提供了新的解决方案，不仅提升了系统的频率稳定性，还保护了风电机组的机械结构，延长了设备寿命。
安全性：消除了次级频率跌落风险，提高了电网在极端扰动下的生存能力。
可扩展性：基于 OHFT 的框架具有良好的扩展性，未来可推广至储能、光伏等分布式能源的协同频率控制中。

总结：本文提出了一种基于目标全息反馈理论的非线性虚拟惯量控制策略，通过数学上的系统线性化和物理上的自适应调节，完美解决了传统 VIC 在抑制扭振、防止次级频率跌落以及多机协调方面的痛点，显著提升了风电参与一次调频的性能和安全性。