⚡ electrical engineering

Nonlinear Optimal Control of DC Microgrids with Safety and Stability Guarantees

本文提出了一种将控制李雅普诺夫函数与控制障碍函数集成于二次规划中的非线性最优控制方法，为直流微电网提供了兼具稳定性与安全性的实时反馈控制策略，并在数值实验中证明了其优于传统下垂控制。

原作者： Muratkhan Abdirash, Xiaofan Cui

发布于 2026-02-13

📖 1 分钟阅读☕ 轻松阅读

原作者： Muratkhan Abdirash, Xiaofan Cui

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直流微电网（DC Microgrid）的核心难题：如何让它既稳定（不崩溃），又安全（电压不超标）。

为了让你更容易理解，我们可以把整个直流微电网想象成一个繁忙的“城市供水系统”，而论文提出的新方法就像是一位**“超级智能的水务总管”**。

以下是用通俗语言和比喻对这篇论文的解读：

1. 背景：为什么我们需要“超级总管”？

现状（传统的 AC 电网 vs. 新兴的 DC 微电网）：
传统的交流电（AC）电网像是一个运行了几百年的老式供水网，虽然有点旧，但很稳。而直流微电网（DC）是新兴的，它更像是一个现代化的、高效的“直饮水系统”，专门用来给太阳能板、电池、数据中心和电动汽车供电。
问题（不稳定的“怪脾气”）：
在这个新系统里，有一种特殊的负载叫**“恒功率负载”（CPL）。你可以把它想象成一个“贪吃且挑剔的食客”**。
- 不管电压（水压）怎么变，它都要吃一样多的“能量”（功率）。
- 如果电压低了，为了维持功率，它会拼命拉大电流（像把吸管吸得更用力），这会导致电压进一步下降，形成恶性循环，最后系统可能直接“休克”（崩溃）。
- 传统的控制方法（比如“下垂控制”）就像是一个老练但反应迟钝的管家，遇到这种突发状况，它可能反应不过来，导致电压失控，甚至损坏设备。

2. 核心方案：双重保险（CLF + CBF）

为了解决这个问题，作者设计了一个**“安全关键控制器”（SCC）**。这个控制器不像传统方法那样只靠经验，而是基于严密的数学理论，它手里拿着两把“法宝”：

法宝一：控制李雅普诺夫函数（CLF）—— “稳定器”

比喻： 想象这是一个**“下坡滑梯”**。
作用： 无论系统现在处于什么混乱状态（比如电压忽高忽低），CLF 就像设计好了一个完美的滑梯，保证系统一旦开始运行，就会顺着滑梯自动滑向那个最完美的平衡点（稳态）。
通俗解释： 它负责**“把车开稳”**。不管车怎么晃，它都能保证车最终会停在目的地，而且不会翻车。

法宝二：控制障碍函数（CBF）—— “防撞墙”

比喻： 想象这是一个**“隐形的安全围栏”**。
作用： 系统里有一些绝对不能触碰的“红线”（比如电压不能太低导致断电，也不能太高导致烧毁）。CBF 就像在红线周围筑起了一道看不见的墙。
通俗解释： 它负责**“别撞墙”**。无论“稳定器”怎么努力让车滑向目的地，如果前方有墙（电压超标），CBF 会立刻介入，强行把车拉回来，确保它永远在安全区域内。

3. 如何工作？（二次规划 QP）

这两个“法宝”有时候可能会打架：

“稳定器”说：“快加速冲过去！”
“防撞墙”说：“不行！前面有墙，必须减速！”

这时候，论文提出的**“二次规划（QP）”就像一个“最高法官”**。

它每时每刻都在做一个快速的数学计算（就像在毫秒级别做选择题）。
它的规则是：安全（防撞墙）永远是第一位的。如果“稳定器”的要求会导致撞墙，法官就立刻否决，只执行能保安全的指令。
如果安全没问题，法官就尽量满足“稳定器”的要求，让系统尽快回到平衡点。
结果： 这个法官能在毫秒级时间内算出最佳指令，并且可以在普通的电脑芯片上实时运行。

4. 实验结果：谁更厉害？

作者做了一个模拟实验，对比了他们的“超级智能总管”（SCC）和传统的“老练管家”（优化后的下垂控制器）。

场景： 把系统故意设置得很糟糕（初始电压离目标很远，或者负载突然变化）。
传统管家（下垂控制）： 遇到大波动时，它有点手忙脚乱，电压一度失控，甚至导致系统不稳定，无法回到正常状态。
超级总管（SCC）： 即使一开始情况很糟，它也能稳稳地把电压拉回安全范围，并迅速稳定下来。
结论： 新方法不仅更安全（电压从不超标），而且更稳定（能从更混乱的状态中恢复）。

总结

这篇论文的核心思想就是：
在直流微电网这个充满“贪吃食客”（恒功率负载）的复杂环境里，我们不能只靠经验控制。我们需要一个**既懂“如何平稳到达终点”（CLF），又懂“如何避开危险红线”（CBF）**的超级智能系统。

通过数学工具（QP），我们将这两个目标完美融合，把“安全”作为不可逾越的底线，从而创造出一个既高效又绝对可靠的未来电网控制方案。这就像给自动驾驶汽车装上了不仅能自动导航，还能在千钧一发之际自动刹车的系统。

论文技术总结：具有安全与稳定性保证的直流微电网非线性最优控制

1. 研究背景与问题 (Problem)

背景：
直流（DC）微电网因其能够高效集成分布式能源（如太阳能、电池）和直流负载（如数据中心、电动汽车），被视为传统交流（AC）电网的有前景的替代方案。然而，作为一种新兴架构，其理论保证（特别是安全性和稳定性）不如交流电网成熟。

核心挑战：

恒功率负载（CPL）的不稳定性： 直流微电网中的负载侧 DC/DC 转换器通常表现为恒功率负载（CPL）。CPL 具有负阻抗特性，是非线性的且容易导致系统失稳，极易破坏微电网的直流供电系统安全。
现有控制策略的局限性：
- 基于模型的控制（如 MPC、ADRC）虽然能处理约束，但难以在任意数量转换器下提供严格的安全性和稳定性证明。
- 传统的下垂控制（Droop Control）实现简单，但缺乏大信号稳定性保证，对严重扰动鲁棒性差，且难以同时满足严格的安全约束。
目标： 设计一种反馈控制器，能够在保证系统大信号稳定性的同时，严格满足安全约束（如电压上下限），防止负载甩脱或级联故障。

2. 方法论 (Methodology)

本文提出了一种基于控制理论框架的安全关键控制器（Safety-Critical Controller, SCC），通过在线求解二次规划（QP）问题来整合稳定性与安全目标。

2.1 系统建模

将单母线直流微电网建模为非线性仿射系统 $\dot{x} = f(x) + g(x)u$ 。
状态变量包括各转换器端电压、传输线电流和母线电压；控制输入为各源转换器的电流指令。
考虑了 CPL 的简化模型（恒流或恒功率特性）。

2.2 稳定性设计：控制李雅普诺夫函数 (CLF)

反馈线性化： 利用微分几何方法，通过坐标变换将系统解耦为输出动态和零动态。
CLF 构造： 基于反馈线性化后的输出动态，构造了一个控制李雅普诺夫函数（CLF），记为 $V_\eta$ 。
保证： 该 CLF 能够保证闭环系统在大信号范围内的指数稳定性，即无论初始状态如何（在可行域内），系统都能收敛到期望的平衡点。

2.3 安全性设计：控制障碍函数 (CBF)

安全集定义： 将安全区域定义为转换器端电压 $v_j$ 在最小值 $v_{j,min}$ 和最大值 $v_{j,max}$ 之间的集合。
CBF 构造： 针对每个转换器的电压约束，构造了控制障碍函数（CBF），记为 $B_j(x)$ 。
保证： 利用 CBF 理论，确保系统状态始终保持在安全集内部（前向不变性），防止电压越限。

2.4 控制器合成：二次规划 (QP)

整合框架： 将 CLF（稳定性约束）和 CBF（安全约束）作为线性约束条件，嵌入到一个在线二次规划（QP）问题中。
优化目标： 最小化控制输入与反馈线性化控制器 $u_{FL}$ 之间的偏差，同时引入松弛变量 $\delta$ 以处理约束冲突。
求解： 该 QP 问题是一个凸优化问题，可以使用现成的凸优化工具（如 OSQP, Gurobi 等）进行实时在线求解。
优先级： 安全约束（CBF）被赋予最高优先级，确保在极端情况下系统首先满足安全要求，其次追求稳定性。

3. 主要贡献 (Key Contributions)

大信号稳定性保证： 为单母线直流微电网设计了一个具有大信号（指数）稳定性保证的控制李雅普诺夫函数（CLF）。
首次应用 CBF： 据作者所知，这是首次将控制障碍函数（CBF）应用于孤岛直流微电网中，以强制约束转换器端电压的安全性。
在线安全关键控制器 (SCC)： 提出了一种基于 QP 的在线控制器，将 CLF 和 CBF 条件转化为线性约束。该控制器具有理论上的可解性，且可利用商业凸优化求解器实时部署。
性能验证： 通过数值实验，将提出的 SCC 与具有大信号稳定性保证的鲁棒下垂控制器进行了对比，验证了 SCC 在更广泛的初始条件下同时保证安全性和稳定性的优越性。

4. 实验结果 (Results)

实验设置： 仿真了一个包含 5 个源接口 DC/DC 转换器的单母线直流微电网，负载为恒功率负载（CPL）与电阻负载并联。
对比对象： 提出的 SCC vs. 优化的鲁棒下垂控制器（具有电压饱和限制）。
初始条件： 设置初始状态远离平衡点（例如电压严重偏离），以测试大信号性能。
关键发现：
- SCC 表现： 成功将系统稳定在期望的平衡点（母线电压 24V），且所有转换器端电压始终保持在安全范围内。
- 下垂控制器表现： 在相同的极端初始条件下，下垂控制器未能维持稳定性，导致电压越限（部分节点电压飙升至 45V-50V 以上，远超安全阈值），甚至出现电流归零等不稳定现象。
- 结论： SCC 能够从比传统下垂控制器大得多的初始状态集合中保证系统的安全性和局部指数稳定性。

5. 意义与展望 (Significance & Future Work)

理论意义： 填补了直流微电网在“安全性”与“稳定性”同时具备严格数学证明方面的理论空白。证明了通过 QP 框架可以无缝集成控制李雅普诺夫函数和控制障碍函数。
工程价值： 为直流微电网的商业化部署提供了一种可信赖的控制方案，能够有效应对 CPL 带来的不稳定性风险，防止因电压越限导致的设备损坏或级联故障。
未来工作： 计划将该框架扩展至多母线直流微电网，以解决多个 CPL 和转换器之间动态交互带来的更复杂稳定性挑战。

总结： 该论文提出了一种基于控制理论（CLF+CBF）的在线最优控制策略，成功解决了直流微电网在恒功率负载下的安全与稳定控制难题，并通过数值实验证明了其相对于传统方法的显著优势。