⚡ electrical engineering

SOPF-Based Adaptive Droop Control for Hybrid AC--HVDC Grids Under Offshore Wind Uncertainty

本文提出了一种基于随机最优潮流（SOPF）的新型自适应下垂控制框架，该框架利用多项式混沌展开与贝塔分布风不确定性建模，动态优化变流器增益，从而在海上风电剧烈波动的严峻条件下，提升混合交直流电网的直流电压调节能力并最小化功率跟踪误差。

原作者： Hongjin Du, Aleksandra Lekić

发布于 2026-05-08

📖 1 分钟阅读☕ 轻松阅读

原作者： Hongjin Du, Aleksandra Lekić

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

想象一条连接海上风电场与大陆的高速公路，它高速且规模宏大。这条高速公路就是高压直流（HVDC）电网，而“车辆”则是风力产生的电力。问题在于风具有不可预测性：有时是微风，有时是狂风，有时则完全停止。这种不可预测性，就像试图驾驶一支卡车车队，而司机们却毫无预警地突然加速或急刹车。

为了保持交通顺畅并防止拥堵（在此情境下即指电压崩溃或停电），工程师们使用一种称为**下垂控制（Droop Control）**的系统。这可以想象为卡车上的自动巡航控制系统。

旧方法：“设定后遗忘”式巡航控制

传统上，这些巡航控制是按照固定规则设定的。例如：“如果路面变得颠簸（电压下降），则精确减速 10%。”问题在于，该规则是为“完美天气”计算得出的。当风实际上狂暴且不可预测时，这种固定规则要么过于僵硬，要么过于松散。这就像试图在泥泞的田野上驾驶赛车，却使用在平滑赛道上使用的悬挂设置。结果如何？行驶颠簸，卡车偏离路线，系统难以应对混乱。

新构想：“智能自适应”巡航控制

本文提出了一种名为基于随机最优潮流（SOPF）的自适应下垂控制的新系统。该系统不使用固定规则，而是利用一个“智能大脑”，根据当前的天气预报以及过去这些预报通常出错的记录，不断重新计算最佳驾驶方式。

其工作原理分解为简单步骤如下：

1. “天气区域”（分区的 Beta 分布）
作者意识到，风误差并非处处相同。

低风速： 当风刚开始吹拂时，速度的微小变化对功率影响不大。
中风速： 当风力增强时，速度的微小变化会导致功率大幅跃升。
高风速： 当风达到最大值时，风机被限制在额定功率，因此误差的表现方式再次不同。

本文将这三种情况视为独立的“区域”。他们不使用单一的平均数值（如高斯钟形曲线）来猜测风误差，而是采用Beta 分布。想象这是一根灵活的橡皮筋，能够拉伸和收缩，以契合每个区域中误差的具体形状。这就像为低、中、高风速分别配备不同的眼镜，以便在每种情况下都能清晰地看到风险。

2. “水晶球”（多项式混沌展开 - PCE）
一旦他们了解了风误差的形状，就会使用一种名为**多项式混沌展开（PCE）**的数学工具。将其想象为一个超级先进的水晶球。它不仅仅猜测“可能会下雨”，而是同时计算成千上万种可能的未来，并精确描绘出整个电网将如何对每一种情况做出反应。它将一个混乱、随机的问题转化为清晰、有序的可能性地图。

3. “即时调整”（灵敏度分析）
这里是巧妙之处。通常，为了确定如何调整巡航控制，工程师必须进行大规模、缓慢的计算，涉及一个巨大的矩阵（雅可比矩阵），该矩阵映射电网中的每一个连接。这就像每次风向变化时，都要试图解开一个 1000 块的拼图。

本文跳过了拼图环节。由于“水晶球”（PCE）已经完成了繁重的工作，系统可以直接查看其计算的第一层，并立即看出：“如果风这样偏移，电压就会那样移动。”它直接从数学中提取出一个灵敏度数值。这个数值告诉卡车此刻需要调整多少速度才能保持安全。

4. 结果：自适应斜率
系统将该灵敏度数值转化为下垂增益（即巡航控制的斜率）。

如果风处于误差巨大的“危险区域”，系统会自动使控制更加灵敏（斜率更陡），以便更快做出反应。
如果风况稳定，系统则会放松控制。

他们发现了什么？

作者在模拟的四端电网（真实网络的小型版本）上测试了该系统。他们将他们的“智能巡航控制”与以下两种方案进行了比较：

固定设置： 旧的“设定后遗忘”规则。
无控制： 任由卡车盲目驾驶。

结果：

更高的准确性： 当风力预报出错时（这种情况经常发生），自适应系统使功率流更接近理想目标。
更小的压力： “跟踪误差”（卡车偏离完美路径的程度）显著降低，特别是在风况非常狂暴时。
一致性： 该系统并非仅凭运气获得一次成功；在约 70% 的测试案例中，它获得了“最佳性能”奖，而固定设置仅在约 25% 的情况下获胜。

核心结论

本文弥合了宏观规划（了解风的不确定性）与局部驾驶（调整换流器）之间的差距。他们创建了一个系统，不再使用僵硬的、一刀切的规则，而是从风误差的具体特性中学习，并即时更新其驾驶策略。这之间的区别，就像使用静态地图驾驶与使用 GPS 驾驶的区别：后者能根据交通和天气实时更新你的路线。

技术摘要：基于随机最优潮流（SOPF）的混合交直流电网在海上风电不确定性下的自适应下垂控制

问题陈述
将大规模海上风电容量接入混合交直流电网，需要鲁棒的直流电压调节。虽然去中心化直流电压下垂控制是多端高压直流（MTDC）系统的主要架构，但传统实现依赖于在标称运行点校准的固定增益系数。这些固定系数难以应对海上风电严重的随机波动性，往往在亚小时级时间尺度上将系统推向偏离标称条件的状态。这种不匹配导致在大幅波动或故障期间出现过度的电压偏差、次优的调度以及换流器应力不均。现有的自适应方案通常基于实时偏差或启发式规则被动地重新校准增益，缺乏与系统级经济调度的直接联系，且未提供明确的统计电压安全保证。

方法论
本文提出了一种新颖的框架，利用随机最优潮流（SOPF）方法，将系统级随机调度与换流器级控制相衔接。该方法包含三个核心组成部分：

分区的 Beta 分布风电不确定性参数化：
鉴于海上风电预测误差表现出异方差性（方差取决于运行工况），作者摒弃了单一固定分布的假设。相反，他们将归一化的风电功率预测划分为三个区域：低区（切入）、中区（爬坡）和高区（接近额定）。在每个区域内，预测误差采用 Beta 分布进行建模，其形状参数（ $\alpha, \beta$ ）根据历史预测误差统计数据进行拟合。这确保了不确定性模型在物理上与风电功率的有界特性相一致，并捕捉了不同运行工况下独特的统计特征。
基于多项式混沌展开（PCE）的机会约束 SOPF：
调度问题被表述为混合交直流电网电流 - 电压（IV）空间中的机会约束最优潮流（OPF）。不确定性通过带有雅可比多项式基（阶数 $d=2$ ）的多项式混沌展开（PCE）传播至非线性潮流方程中。随机状态以解析形式表示，使得机会约束（例如，95% 置信度下的直流电压限制）能够被重构为可处理的二阶锥约束。优化过程在满足这些概率安全约束的同时，最小化期望发电成本。
基于灵敏度的自适应下垂系数提取：
一项关键创新是直接从 SOPF 解中获得的一阶 PCE 系数推导出自适应下垂增益。该方法无需显式构建和求逆雅可比矩阵，而是利用一种灵敏度解释，其中一阶系数代表了状态变量相对于不确定性源的偏导数。最优下垂增益（ $k_{opt}$ ）计算为所有风电源有功功率和直流电压灵敏度系数聚合幅值的比率。该增益随后被归一化到工程尺度，并在换流器处局部应用。

主要贡献
本文确定了三项主要贡献：

统一框架： 建立了系统级随机调度与换流器级下垂控制之间的耦合，确保下垂系数继承 SOPF 机会约束中编码的概率电压安全保证。
数据驱动的不确定性建模： 引入基于历史数据拟合的分区 Beta 参数化，提供了一种异方差不确定性输入，其性能优于现有 PCE-SOPF 研究中常见的固定分布假设。
无雅可比矩阵的灵敏度提取： 直接从 PCE 系数推导出基于灵敏度的下垂规则，绕过了显式雅可比矩阵求逆的需求，并产生了一种随随机运行点连续变化的可解释增益。

结果
所提出的框架在一个包含两个海上风电场的四端交直流测试系统上进行了验证。该研究将自适应方案与固定系数下垂设置（ $k=20$ p.u. 和 $k=15$ p.u.）以及无下垂基线进行了比较。

自适应特性： 提取的自适应增益（ $k_{opt}$ ）表现出对运行点的清晰依赖性，随着风电预测穿越不同区域而连续变化。观察到增益在低风电输出时增加，而在接近额定区域时减小，反映了系统灵敏度的变化。
扰动下的性能： 就相对于理想实现后调度的有功功率跟踪误差（ $\Delta P$ $Δ P$ ）而言，自适应方案始终优于固定系数和无下垂策略。
- 在低、中、高扰动频段中，自适应方法在 67%–70% 的案例中实现了最低的跟踪误差。
- 在高扰动频段，与无下垂基线相比，自适应方案将平均跟踪误差降低了 13.9%（38.76 MW 对比 45.01 MW）。
- 虽然相对于固定 $k=20$ 设置在平均误差上的改进较为有限（因为 $k=20$ 恰好与典型的中区增益一致），但自适应方案保持了显著更高的“胜率”，证明了其具有可靠的逐案例优势，而非偶然的平均收益。

意义与主张
本文声称从根本上弥合了概率性系统级调度与本地换流器调节之间的操作鸿沟。通过摒弃僵化的固定增益假设，所提出的机制确保了本地换流器响应不是基于启发式调整，而是植根于经济效率和概率安全。作者断言，这种方法能有效最小化极端风电扰动期间的有功功率跟踪误差，为选择既反映系统经济性又体现海上风电不确定性统计特性的下垂系数提供了原则性基础。未来的工作 noted 将侧重于扩展该框架以包含 $N-1$ 安全故障情况以及硬件在环验证。

旧方法：“设定后遗忘”式巡航控制

新构想：“智能自适应”巡航控制

他们发现了什么？

核心结论

技术摘要：基于随机最优潮流（SOPF）的混合交直流电网在海上风电不确定性下的自适应下垂控制

类似论文