在以可再生能源（RES）为主的电力系统中，利用智能变压器增强频率支持，并结合分数阶控制器

可再生能源并网导致系统惯性下降，需新型频率调节策略。本文提出基于智能变压器（ST）的电压依赖型负荷（VDL）动态调控方法，结合分数阶PID（FOPID）控制器与Lichtenberg算法优化参数，构建分层频率调节框架。通过IEEE 39节点系统仿真，验证了ST增强的初级频率响应可显著降低稳态误差，缩短动态调整时间，FOPID控制器在LA优化下较传统PID和TIDD2控制器动态性能提升30%以上，且具有强鲁棒性。

　　
本文针对高渗透率可再生能源电力系统存在的频率控制难题，提出了一种融合智能变压器（Smart Transformer, ST）与分数阶PID（FOPID）控制器的协同优化框架。研究重点在于通过分布式电压调节技术增强系统惯性支撑能力，同时利用新型优化算法提升次级控制精度。以下从技术路径、创新点及验证效果三个维度进行系统解读。

一、技术路径与问题突破
1. 系统架构创新
研究构建了包含初级次级双控制层的分布式频率调节体系（图1）。初级控制层通过部署于低压侧的智能变压器，实时调节电压波形影响电压依赖型负载（VDL）的功率消耗。与传统集中式控制不同，该架构实现了控制策略的分布式实施，通过ST将电压调节响应时间缩短至毫秒级，较传统发电机调节快5-8倍。

2. 负载动态建模
针对工业型VDL（如铝电解厂）建立动态响应模型，发现其功率-电压关系符合负指数特性。通过在线负载敏感性识别（OLLI）技术，每5分钟更新一次负载灵敏度系数，使电压调节的预测精度提升至92%以上。实验验证显示，在电压波动±5%范围内，可精确调节负载功率±8%。

3. 控制器架构优化
次级控制采用分数阶PID（FOPID）结构，相较于传统PID增加两个分数阶参数（积分阶数δ和微分阶数μ）。这种设计使控制器具备更灵活的时域响应特性，特别是在处理高频扰动时，系统带宽可扩展至传统PI的2.3倍。

二、关键技术创新点
1. 智能变压器协同控制机制
ST的DC-DC环节设计为双模控制：常规模式维持电压稳定，应急模式通过重构PWM波形实现±20%电压偏移。这种动态调节能力使ST可直接参与频率控制，其响应速度较传统HVDC快3倍。当系统惯量降低至临界值以下时，ST提供的虚拟惯量可使系统暂态稳定裕度提升40%。

2. 分数阶控制算法优化
提出基于Lichtenberg算法的参数协同优化方法，通过模拟闪电放电的分支演化过程（图4），实现多参数并行优化。实验表明，该算法在15维参数空间搜索中，收敛速度较PSO提升65%，参数寻优效率提高2.8倍。

3. 多时间尺度控制融合
建立"秒级-毫秒级"双时间尺度控制架构：初级控制（毫秒级）通过ST调节VDL功率，次级控制（秒级）通过FOPID优化区域间功率平衡。这种分层设计使系统既能快速抑制频率振荡（响应时间<200ms），又能精确消除稳态误差（误差<0.05%），较传统单层控制性能提升70%。

三、实验验证与工程应用
1. 仿真平台构建
基于IEEE 39节点系统扩展，建立包含3个控制区域的电力模型（图3）。每个区域配置：
- 2MW智能变压器（支持±10%电压调节）
- 3组5MW VDL（含15%可调节工业负载）
- 2MW/3MW风电+光伏组合
- 50辆电动汽车充电站（总容量120MW）

2. 控制效果对比
在880MW复合负载扰动下，对比三种控制方案（表1）：
- 传统PID：超调12.7%，调节时间3.2s
- TIDD2：超调8.3%，调节时间2.8s
- FOPID+ST：超调0.7%，调节时间1.4s
ST贡献度达30%时，系统惯量支撑能力提升至传统系统的1.8倍。

3.鲁棒性验证
开展三类敏感性测试：
- 通信延迟测试（0.01-3s）：FOPID控制器超调抑制能力保持率>98%
- 负载波动测试（±30%）：调节时间波动<5%
- 发电机出力突变（N-1/N-2）：频率回零时间缩短至1.2s

特别在N-2故障场景（损失600MW），通过ST与HVDC协同控制，系统频率波动较传统方案降低60%，避免了常规的20%以上负荷切投。

四、工程应用价值
1. 经济性分析
智能变压器替代传统变压器可降低15%的运维成本。负荷调节带来的电力需求侧响应，据英国电网测算可节省2-5%的备用容量投资。

2. 环境效益
通过减少备用机组启停次数，每年可降低CO?排放量约8.3万吨（基于百万千瓦时计算）。优化后的控制策略使可再生能源渗透率提升至75%仍能保持系统稳定。

3. 扩展性设计
模块化架构支持：
- 多ST集群控制（最大扩展至128节点）
- 混合能源接入（风光储综合调度）
- 网络拓扑重构（支持微网孤岛运行）

五、技术经济指标
| 指标 | 传统方案 | 本文方案 |
|---------------------|----------|----------|
| 频率恢复时间 | 2.5s | 1.2s |
| 最大超调幅度 | 12% | 0.8% |
| 系统惯量支撑系数 | 0.6 pu | 1.05 pu |
| 控制器参数优化时间 | 120s | 35s |
| 设备投资成本 | 8500万元 | 9200万元 |

六、典型应用场景
1. 工业园区微电网
某铝加工园区改造中，部署6台智能变压器（3kV/400V）配合储能系统，实现：
- 负荷响应时间<80ms
- 频率波动<0.1Hz
- 负载调节能力达35MW

2. 城市配电网络
在上海市某智能社区试点中，通过ST群控使：
- 需求响应利用率提升至68%
- 网络损耗降低12%
- 故障隔离时间缩短至300ms

3. 交直流混合电网
结合HVDC±800kV线路，实现跨区域负荷转移，在系统N-1故障时：
- 保持区域间功率平衡误差<0.5%
- 频率偏差抑制在±0.02Hz以内
- 切负荷量减少85%

七、未来研究方向
1. 算法扩展：将Lichtenberg算法应用于分布式能源并网优化
2. 混合控制：研究FOPID与模糊控制在非对称扰动下的协同机制
3. 数字孪生：开发ST-控制器的数字孪生仿真平台
4. 经济激励：设计基于区块链的实时电价调控机制

本研究为新型电力系统频率控制提供了可复制的技术方案，特别是在高渗透率可再生能源场景下，其综合性能指标达到国际领先水平（较IEEE PES最新基准提升40%）。该技术路径已通过电力科学研究院认证，具备工程实施条件。