综述：高比例可再生能源整合的电力系统中的次同步振荡：分析模型、缓解策略及新兴挑战

《RENEWABLE & SUSTAINABLE ENERGY REVIEWS》：Sub-synchronous oscillations in power systems with high renewable integration: Analytical models, mitigation strategies, and emerging challenges

可再生能源整合引发次同步振荡问题，本文系统综述了其建模方法、抑制策略及未来挑战，构建多机-多频-黑盒分析框架，揭示传统简化模型在复杂系统中的局限性，提出基于阻抗建模与机器学习的改进方向，以及虚拟同步机与协同控制等新型抑制技术。

　　随着全球能源结构的转型，可再生能源（Renewable Energy Sources, RESs）在电力系统中的渗透率不断上升。风能和光伏发电作为减少电力行业碳排放的主要手段，其在全球电力生产中的占比预计将在2030年达到40%，远高于2021年的10%。然而，这一趋势也带来了新的挑战，尤其是次同步振荡（Sub-Synchronous Oscillations, SSO）问题。SSO是指在电力系统中，由于某些设备或控制机制的动态特性，导致系统频率低于同步频率（通常为50或60赫兹）的振荡现象。这种振荡不仅影响系统的稳定性，还可能对电网基础设施造成不可逆的损害。因此，深入研究SSO的成因、建模方法以及抑制策略，成为保障高比例可再生能源接入系统稳定性的关键课题。

在当前的电力系统中，可再生能源通常通过电力电子变换器连接至电网。这种连接方式虽然提供了灵活的控制手段，使得系统能够更高效地调节功率输出，但也引入了新的动态特性。例如，风力发电机组普遍采用双馈感应发电机（Doubly Fed Induction Generator, DFIG），其控制策略和功率调节机制可能与电网的自然频率产生耦合，从而引发次同步振荡。此外，随着大规模可再生能源接入，电网的结构和运行条件变得更加复杂，传统的建模方法在面对这些变化时显得力不从心。这些方法往往基于简化假设，难以准确反映系统的实际动态行为，特别是在多机组交互、多频率耦合以及非线性特性等场景下。

因此，本文旨在对SSO的分析建模方法、抑制策略以及未来挑战进行全面回顾。通过构建一个系统性的框架，我们从单机到多机系统、从单一频率到多频率耦合、从白盒模型到黑盒模型的角度出发，探讨现有方法的优缺点。该框架不仅涵盖了当前主流的建模分析方法，还对它们在不同系统规模、频率范围和建模透明度要求下的适用性进行了评估。同时，我们还讨论了当前模型和策略在面对新兴挑战时的局限性，并提出了未来研究的方向。

在SSO的建模方面，传统的分析方法主要包括基于状态空间的模态分析、频率域阻抗稳定性准则以及附加阻尼控制策略。这些方法在早期可再生能源接入系统的研究中发挥了重要作用，为理解SSO的成因和传播路径提供了基础。然而，随着可再生能源渗透率的增加，这些方法在准确性和适用性方面逐渐暴露出不足。例如，模态分析方法虽然能够揭示系统的振荡模式，但其依赖于线性假设，难以捕捉系统中非线性因素的影响。而频率域阻抗稳定性准则虽然在某些场景下具有较好的适用性，但在面对多频率耦合和多机组交互时，其分析能力受到限制。

与此同时，随着电力电子设备的广泛应用，电网的动态特性变得更加复杂，传统的建模方法难以全面反映这些变化。因此，近年来的研究开始关注更先进的建模方法，如基于测量数据的阻抗建模和基于机器学习的建模策略。这些方法能够更准确地捕捉系统的动态行为，特别是在高比例可再生能源接入的情况下。例如，基于测量数据的阻抗建模方法能够通过实际运行数据反推出系统的阻抗特性，从而更真实地反映系统的动态响应。而基于机器学习的建模方法则利用数据驱动的方式，对系统的非线性特性进行建模，为SSO的分析和抑制提供了新的思路。

在SSO的抑制策略方面，目前主要分为两类：一类是预投入策略，另一类是后投入策略。预投入策略主要关注在设备投入运行前，通过调整控制参数或优化控制结构来减少SSO的风险。例如，通过调整比例积分（Proportional-Integral, PI）控制器的参数，可以优化系统的阻尼特性，从而降低次同步振荡的可能性。此外，非线性控制、相位锁定环（Phase-Locked Loop, PLL）的优化、附加次同步阻尼控制（Supplementary Subsynchronous Damping Control, SSDC）以及嵌入次同步陷波滤波器等方法也被广泛应用于SSO的抑制。这些方法在一定程度上能够提高系统的稳定性，但在面对复杂的多机组交互和多频率耦合时，其效果可能受到限制。

后投入策略则主要关注在设备投入运行后，通过实时监测和控制手段来抑制SSO。例如，采用虚拟阻抗或陷波滤波器等技术，可以在系统运行过程中动态调整阻抗特性，从而减少次同步振荡的发生。此外，基于电网形成（Grid-Forming, GFM）的转换器控制方法也逐渐受到关注，这种控制策略能够模拟传统同步发电机的行为，从而提高系统的稳定性和抗扰能力。然而，这些方法在实际应用中仍面临诸多挑战，例如如何在复杂系统中实现有效的阻尼控制，如何在不同运行条件下保持系统的稳定性，以及如何在成本和性能之间取得平衡。

在面对高比例可再生能源接入带来的新挑战时，研究者们也在积极探索新的建模和控制方法。例如，一些研究开始关注统一的多机建模框架，这种框架能够更全面地反映多机组之间的相互作用，从而提高对SSO的分析能力。此外，非线性多尺度动态建模方法也被提出，以更好地捕捉系统中不同频率和时间尺度下的动态特性。同时，结合物理知识的机器学习方法也被应用于阻抗识别，这种混合方法能够提高建模的准确性和实用性。

然而，现有的多机、多频率和黑盒建模方法仍然存在一定的局限性。例如，多机建模框架虽然能够反映系统中多机组之间的相互作用，但在面对大规模系统时，其计算复杂度和实现难度较大。此外，多频率耦合建模方法在分析系统中不同频率成分之间的相互影响时，仍然面临理论和实践上的挑战。而黑盒建模方法虽然能够在不依赖系统内部结构的情况下进行建模，但在实际应用中，其建模精度和可解释性可能受到限制。因此，如何在这些方法之间找到平衡，如何提高建模的准确性和实用性，成为当前研究的重要方向。

未来的研究方向包括以下几个方面：首先，需要进一步发展统一的多机建模框架，以更全面地反映系统中多机组之间的相互作用。其次，研究者们应关注非线性多尺度动态建模方法，以更好地捕捉系统中不同频率和时间尺度下的动态特性。此外，结合物理知识的机器学习方法在阻抗识别中的应用也值得深入探讨。最后，随着可再生能源渗透率的增加，如何在不同运行条件下实现有效的阻尼控制，如何在成本和性能之间取得平衡，也是未来研究需要解决的问题。

总之，随着可再生能源在电力系统中的广泛应用，次同步振荡问题日益突出。传统的建模和抑制方法在面对这一问题时表现出一定的局限性，因此，需要发展更先进的建模和控制策略，以提高系统的稳定性和抗扰能力。通过构建一个系统性的框架，本文对现有的建模方法和抑制策略进行了全面回顾，并指出了它们的优缺点，同时提出了未来研究的方向。这些研究不仅有助于深入理解SSO的成因和传播路径，也为保障高比例可再生能源接入系统的稳定性提供了理论支持和技术指导。