Human-on-the-loop Resilient Control of InverterBased Resources Under Actuator Degradation

想象一下，电网就像一个巨大的、隐形的神经系统，为我们的现代世界提供动力，将能量从太阳能电池板和风力涡轮机输送到我们的家庭和学校。长期以来，这个系统依赖于像传统发电厂那样沉重、笨重的机器。但今天，我们正在用轻巧、快速且智能的“逆变器型资源”（IBRs）来取代这些沉重的机器——可以将它们想象成神经系统中全新的、高速的数字神经元。这些是位于你的屋顶太阳能或家用电池中的设备，负责将存储的能量转化为电能供给电网。科学家面临的一个巨大挑战是，当这些数字神经元“生病”或受损时会发生什么。如果太阳能板的逆变器开始失效，或者网络攻击削弱了其推送功率的能力，整个社区的电压可能会发生波动，灯光可能会闪烁，甚至导致系统崩溃。为了解决这个问题，工程师通常尝试制造能够自动检测“疾病”并瞬间进行修复的机器人。但这些机器人可能过于僵化；它们可能会惊慌失措并导致停机，或者试图去修复一个它们并未完全理解的问题，从而使情况变得更糟。

本文介绍了一个聪明的全新想法：与其仅仅依赖机器人，不如让“人”参与其中。作者 Majid Dehghani、Taha Saeed Khan 和 Hamidreza Nazaripouya 提出了一种“人在回路”（Human-on-the-Loop, HOTL）控制系统。这可以想象成一款电子游戏：AI 在玩游戏，但人类玩家在观察屏幕，并且可以在情况变得异常时按下特殊按钮来改变规则。在他们的系统中，计算机控制器处理分秒级的数学运算以保持电压稳定，而人类监督员则观察大局。如果逆变器开始退化（变弱），人类可以介入并告诉计算机：“嘿，我们正在失去功率，现在让我们不要追求完美了，以免彻底耗尽电池。”论文通过模拟实验表明，这种人类判断力与计算机速度的协作，即使在设备失效的情况下也能保持电网稳定，而传统的全自动化方法往往会导致崩溃或耗尽电力。

问题所在：当电网的“肌肉”变得无力时

想象一下，你的手臂就是逆变器，而你推出的电流就是你正在举起的重量。正常情况下，你的手臂很强壮，可以举起精确所需的重量。但如果你的手臂受伤了，只能举起一半的重量会怎样？如果你仍试图举起同样的重物，你的手臂可能会锁死，或者你会直接把重物摔掉。在电网的世界中，“执行器退化”（actuator degradation）就像是那条受伤的手臂。当逆变器由于物理损坏、网络攻击或仅仅是磨损而失去产生功率的能力时，就会发生这种情况。

传统的解决方案尝试通过两种方式来处理，但两者都有缺陷。第一种是“容错控制”（Fault-Tolerant Control, FTC）。这就像是一个拥有所有可能伤害清单的机器人。如果它看到了某种症状，它就会查找对应的伤害并切换到预设的修复方案。问题在于，如果伤情很奇特、很新，或者是缓慢发生的（比如逐渐变弱），机器人可能无法识别它，或者它可能会尝试过度激进地去修复它，从而导致崩溃。第二种方法是“自适应控制”（Adaptive Control），即系统进行即时学习。但如果系统认为自己还能举起全部重量，而实际上已经不行了，它可能会尝试过度发力，从而导致失去控制或出现“参数漂移”（parameter drift），即系统变得混乱且不稳定。

新思路：配备“韧性旋钮”的人类教练

作者提出了一个由人类操作员充当教练、坐在自动化控制器旁边的系统。这并不是指由人类来进行数学计算；计算机仍然承担繁重的计算工作。相反，人类提供的是“态势感知”（situational awareness）。他们观察数据并说：“好吧，逆变器的力量比平时弱了 50%。让我们调整一下策略。”

为了实现这一点，论文引入了两个特殊的工具：

1. 发电备用容量（Generation Reserve Capacity, GRC）： 把这想象成你的“应急储蓄账户”里的电量。它是逆变器在发生新紧急情况时可能使用的额外功率。目标是保持这个账户充盈。
2. 受控性能退化（Controlled Performance Degradation, CPD）： 这是“允许的失误”。有时，为了保住应急储蓄账户，你必须接受电压不会完美地保持稳定。这就像是决定开慢一点车，以便为更长的旅程节省燃油。

人类操作员使用一个被称为 $\mu$ (mu) 的特殊旋钮来平衡这两者。如果操作员调高 $\mu$，系统会变得非常保守。它会保持巨大的安全余量（高 GRC），但接受电压可能会有更多的波动（较高的 CPD）。如果他们调低 $\mu$，系统则会尝试追求完美（低 CPD），但面临耗尽储备功率的风险。

实际运作方式

论文通过使用电网连接逆变器的计算机模拟测试了这一想法。他们创建了一个场景，其中逆变器经历了两个阶段的“生病”过程：

1. 在 100 秒时： 逆变器失去了 50% 的功率容量。
2. 在 150 秒时： 它又失去了 25%，变得非常虚弱。
3. 在 200 秒时： 一个突发的负荷扰动（load disturbance）冲击了系统。

在模拟中，人类操作员观察着屏幕。当第一次 50% 的损失发生时，操作员调整了系统以应对下降。但当 150 秒时第二次冲击到来时，操作员意识到情况变得危险了。他们将 $\mu$ 旋钮调到了 10。这是在告诉计算机：“停止追求完美。要安全。保留大量的储备功率，这样我们才不会崩溃。”

结果如何？系统接受了略微不完美的电压读数（CPD），但成功保持了灯火通明，并将电压维持在安全范围内。逆变器从未耗尽功率，也没有陷入“饱和”状态（即尝试输出超过其能力的功率并最终失败的状态）。

旧方法的结果如何？

研究人员将他们的新型“人在回路”（HOTL）系统与标准的“容错控制”（FTC）系统进行了对比。

• FTC 系统： 当第一次 50% 的损失发生时，FTC 表现尚可。但当 150 秒时第二次冲击到来时，FTC 卡住了。它试图维持完美的电压，但由于它不再拥有足够的“肌肉”，它失败了。到 200 秒负荷冲击发生时，电压降至 0.9 以下（一个危险水平），系统无法恢复。
• HOTL 系统： 由于人类操作员调高了安全旋钮 ($\mu$)，系统优雅地接受了性能的小幅下降。它保留了其储备容量，使其能够应对最后的负荷冲击。电压始终保持在安全运行范围内。

总结

本文并不声称已经解决了世界上所有的难题，也不代表该系统在现实生活中已经完美。研究结果完全基于模拟——即关于系统将会如何表现的计算机模型。然而，这些模拟表明，在系统中加入人类监督员可以创造一个更具韧性的电网。

核心启示是：有时，处理危机最好的方式不是拥有一个永不出错的机器人，而是拥有一个知道何时向人类寻求建议的机器人。通过让一个人来决定在多大程度上牺牲“完美”以换取“安全”，系统可以度过足以击垮旧有全自动化方法的严重破坏。作者通过数学证明了这种方法是稳定的，并且人类的判断直接帮助系统避免了电力耗尽。这提醒我们，在一个复杂且高风险的世界里，人类智慧与机器速度的结合，或许才是最强大的防御。