⚡ electrical engineering

Quantification and Regulation of Energy Reserves for Distributed Frequency and Voltage Control of Grid-Forming Inverters

本文提出了一种针对微电网中构网型逆变器的电池储能系统能量储备量化与调控框架，通过设计带有储备共识机制的改进型分布式平均比例积分控制器，实现了有效的频率电压调节及功率能量共享，并利用硬件在环仿真验证了该方案在 IEEE 13 节点系统上的可行性。

原作者： Ahmed Saad Al-Karsani, Maryam Khanbaghi

发布于 2026-04-17

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Ahmed Saad Al-Karsani, Maryam Khanbaghi

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

这篇文章主要讲的是：在一个由许多小型发电设备（比如太阳能板、电池）组成的“微型电网”中，如何让这些设备公平地分担“调节任务”，避免某些设备累死，而另一些设备却闲着。

为了让你更容易理解，我们可以把这个复杂的电力系统想象成一个**“社区互助送餐团队”**。

1. 背景：从“大工厂”到“社区小作坊”

过去的电网（传统模式）： 就像是一个巨大的中央厨房（大发电厂），它负责做所有的饭，然后统一配送。如果饭不够了，厨房就多做点；如果太多了，就少做点。这很稳定，因为大厨房有无限的食材储备。
现在的电网（微电网模式）： 随着太阳能、风能等新能源的加入，电网变成了由许多“社区小作坊”（微电网）组成的网络。每个小作坊都有自己的电池（储能系统）和发电机。
问题出现了： 当天气变化（比如突然多云）或者大家突然想吃饭（用电高峰）时，这些小作坊需要互相配合来维持电压和频率的稳定。但是，如果配合得不好，有的小作坊会拼命放电（累坏了，电池没电了），有的却还在休息。这就好比一个送餐团队，有的骑手跑断了腿，有的却坐在路边看戏。

2. 核心概念：什么是“能量储备”？

文章提出了一个**“能量储备账本”**的概念。

以前的做法： 大家只关心“现在谁在出力”。就像只关心谁在送外卖，而不关心谁已经跑了多少公里，谁还有多少体力。
现在的做法（本文的创新）： 给每个设备建立一个**“体力账本”**。
- 主动能量储备（Active Energy Reserve）： 就像骑手的“体力值”或“电池电量”。
- 无功能量储备（Reactive Energy Reserve）： 这稍微抽象一点，可以理解为骑手的“平衡感”或“车辆稳定性”。虽然不直接消耗体力，但如果平衡感不好，车也会翻。

3. 解决方案：让骑手们“互通有无”

文章设计了一种聪明的**“共识算法”**（就像骑手们通过微信群实时聊天）。

传统控制（DAPI）： 骑手们只根据路况（电压和频率）来调整速度。如果路陡了，大家都加速。结果可能是：体力好的骑手跑得快，体力差的也拼命跑，最后体力差的累垮了。
本文的新控制（带储备共识的 DAPI）：
- 骑手们不仅看路况，还互相通报自己的“体力账本”。
- 如果骑手 A 发现骑手 B 的“体力”快耗尽了，A 就会主动多跑一点，让 B 歇一歇。
- 如果骑手 C 的“平衡感”（无功储备）快用完了，大家也会调整策略，帮 C 分担压力。
- 目标： 无论发生什么突发状况，大家的“体力消耗”和“平衡感消耗”最终是平均分配的。没有人会被过度使用，也没有人会被闲置。

4. 为什么这很重要？（三级控制理论）

文章把电网控制分成了三层，就像公司的管理结构：

一线员工（初级控制）： 看到路陡了，马上加速（自动反应）。
班组长（次级控制）： 发现大家跑偏了，指挥大家回到正轨（调节频率和电压）。本文主要解决的就是这一层的问题。
CEO（三级控制）： 负责长期的资源规划（比如明天电池够不够用，要不要充电）。

痛点： 以前，班组长只顾着让大家跑回正轨，结果导致一线员工的“体力账本”乱七八糟。等到 CEO 想规划明天工作时，发现大家的电池电量都不一样了，有的快没电了，有的还满格，这就很难安排明天的任务。
本文的贡献： 让班组长在指挥时，就顺便把“体力账本”给调平了。这样，到了 CEO 层面，大家都有充足的“备用体力”（储备）来应对明天的挑战。

5. 实验结果：真的有效吗？

作者们在电脑里模拟了一个真实的微电网（基于 IEEE 13 节点系统），甚至用真实的硬件（Arduino 芯片）连接电脑进行了测试。

结果： 当负载突然增加（比如突然来了很多客人）时，使用新方法的团队，大家的“体力消耗”曲线几乎重合在一起，非常公平。而旧方法下，有的设备消耗巨大，有的却很少。
代价： 这种完美的公平需要一点“沟通成本”，在刚开始调整时可能会有轻微的抖动（就像大家刚开始商量怎么分工时，动作可能有点不协调），但只要参数调好，很快就能稳定下来。

总结

这篇文章就像是在教一群**“微型电网的骑手”如何“公平分担工作”**。

它发明了一种**“智能聊天机制”，让每个设备在调节电网电压和频率的同时，时刻关注彼此的“电量余额”**。通过这种方式，它确保了：

电网稳定： 电压和频率不乱。
公平分配： 没有设备被“过劳死”，也没有设备“摸鱼”。
未来可期： 为长期的能源管理留足了“备用粮”，让微电网能更长久、更健康地运行。

这就好比一个完美的团队，不仅能把活干好，还能保证每个人都能健康、持久地工作下去。

这是一份关于论文《Quantification and Regulation of Energy Reserves for Distributed Frequency and Voltage Control of Grid-Forming Inverters》（构网型逆变器分布式频率与电压控制的能量储备量化与调节）的详细技术总结。

1. 研究背景与问题 (Problem)

随着可再生能源（RES）和分布式能源（DER）的渗透，微电网（MGs）及其网络（NMGs）正逐渐取代传统的集中式电网结构。构网型（Grid-Forming, GFM）逆变器（通常基于电池储能系统 BESS）在维持电网稳定性方面发挥着关键作用。

核心问题：

能量交换的不均衡性： 现有的分布式二次控制策略（如 DAPI 控制）虽然能有效调节频率和电压并实现功率共享，但在应对负载波动或网络拓扑变化时，会导致不同逆变器之间出现非故意的能量交换（Inadvertent Energy Exchange）。
储备管理的缺失： 这种非故意的能量交换会导致各逆变器的充放电能量不均，进而影响电池荷电状态（SoC）的长期平衡。现有的 SoC 平衡控制通常偏离了传统的分层控制结构，且缺乏与三级控制（Tertiary Level）中“服务导向的储备（Service-based Reserves）”和“本地资源充足性（Local Resource Adequacy）”的有效联系。
缺乏量化框架： 目前缺乏一种能够量化并调节这些能量储备的框架，以在分层控制（一次、二次、三级）中明确界定各层级的能量储备头寸（Headroom）。

2. 方法论 (Methodology)

本文提出了一套完整的能量储备量化与调节框架，主要包含以下技术环节：

A. 能量储备量化框架

基于 Rebours 和 Kirschen 的分层控制储备概念，作者重新定义了逆变器的能量储备：

定义： 将能量储备定义为实际输出与设定值（Setpoint）偏差的积分，即“非故意能量交换”的累积。
公式：
- 有功能量储备： $E_i(t) = \bar{E}_{c,i} - \int_0^t \Delta P_i(\tau) d\tau$
- 无功能量储备： $F_i(t) = \bar{F}_{c,i}(t) - \int_0^t \Delta Q_i(\tau) d\tau$
- 其中， $\bar{E}_{c,i}$ 和 $\bar{F}_{c,i}$ 分别代表总可用容量和无功功率头寸（Headroom）。
目的： 通过量化这些储备，为三级控制提供明确的资源充足性依据，确保长期运行的资源可用性。

B. 改进的分布式控制策略 (Modified DAPI)

为了调节上述能量储备，作者提出了一种带有能量储备共识的改进型分布式平均比例积分（DAPI）控制器：

机制： 在传统的 DAPI 频率和电压共识方程中，引入了基于能量不平衡（ $\Delta E, \Delta F$ ）的共识项。
控制方程：
- 频率共识项 $\Omega_i$ 增加了有功能量偏差的共识项： $\sum e_{ij}(m_i \Delta E_i - m_j \Delta E_j)$
- 电压共识项 $e_i$ 增加了无功能量偏差的共识项： $\sum f_{ij}(n_i \Delta F_i - n_j \Delta F_j)$
效果： 通过分布式通信，迫使所有逆变器的调节能量储备趋于一致，从而实现公平的能量（充/放电）分担。

C. 稳定性分析

对包含下垂控制（Droop）和虚拟同步机（VSM）的混合系统进行了小信号稳定性分析。
利用拉普拉斯矩阵和投影矩阵将状态空间分解为“共识空间”和“分歧空间”。
应用 Routh-Hurwitz 判据 证明了在特定参数范围内（如积分增益和虚拟惯性常数），系统在分歧空间内是渐近稳定的，保证了频率和电压的收敛性。

D. 仿真与验证

平台： 基于 IEEE 13 节点测试馈线系统的微电网模型，在 MATLAB/Simulink 中进行仿真。
硬件在环（CHIL）： 使用 OPAL-RT OP4510 和 Arduino 微控制器进行实时硬件在环验证，模拟真实的通信延迟和分布式控制逻辑。

3. 主要贡献 (Key Contributions)

能量储备量化框架： 首次提出了一种针对 BESS 构网型逆变器的能量储备量化方法，将一次/二次控制的能量交换与三级控制的资源储备头寸联系起来，填补了现有文献在微网资源充足性方面的空白。
改进的 DAPI 控制算法： 提出了一种新的共识控制策略，能够在实现频率/电压调节和功率共享的同时，显式地调节和均衡各逆变器的有功/无功能量储备。
理论稳定性证明： 为包含能量共识项的混合系统（下垂控制 + VSM）提供了严格的小信号稳定性证明。
实验验证： 通过 CHIL 实验验证了该方案在异构（混合下垂与 VSM 控制）和同构逆变器场景下的有效性，证明了其在负载突变下的鲁棒性。

4. 仿真结果 (Results)

论文通过三种场景验证了所提方案：

场景 1（下垂控制 + 有功共享）： 在负载突增和电压爬升过程中，基础 DAPI 控制导致各逆变器能量储备差异较大。引入能量共识后，各逆变器的有功能量储备差异显著减小，同时保持了良好的频率调节和功率共享。
场景 2（VSM 控制 + 无功共享）： 在无功能量共享场景下，方案成功均衡了无功能量储备。虽然为了达成共识在电压调节和无功功率共享之间存在权衡（Trade-off），但通过参数整定（如降低增益），实现了可接受的电压调节性能。
场景 3（异构系统）： 在混合了不同容量（VSM 容量是下垂控制的两倍）的逆变器系统中，方案依然有效。实现了有功和无功调节能量的公平共享，且未出现失稳。
动态响应： 结果显示，虽然引入新的积分模式可能在暂态过程中引起轻微的振荡（如负载突增时的“狩猎”现象），但通过合理调整共识增益（如表 I 中的 $e_{ij}=0.5, f_{ij}=0.05$ ），系统能迅速恢复稳定。

5. 意义与价值 (Significance)

提升微网经济性： 通过均衡 BESS 的充放电能量，避免了部分电池过早老化或过充/过放，延长了储能系统寿命，降低了运维成本。
增强系统可靠性： 明确的能量储备量化使得三级控制能够更准确地评估系统的资源充足性，确保在长时间运行或极端事件下，微网仍有足够的储备来维持稳定。
分层控制融合： 该研究成功地将传统的分层控制（一次/二次/三级）与分布式控制相结合，为未来高比例可再生能源接入的微电网和微网群（NMGs）提供了一种可行的控制架构。
标准化潜力： 提出的能量储备定义和共识机制为未来微网参与辅助服务市场（如频率调节、备用容量）提供了理论依据和技术基础。

总结： 本文解决了一个关键痛点，即分布式控制在实现功率平衡时往往忽视能量平衡的问题。通过提出一种量化并主动调节能量储备的分布式控制策略，该研究为实现更公平、更可持续、且具备长期资源保障能力的微电网运行奠定了坚实基础。