基于多模态扰动感知与增量优化的MPC电压稳定控制策略在新型电力系统中的应用

《Electric Power Systems Research》：Application of MPC voltage stabilisation control strategy based on multimodal perturbation sensing and incremental optimisation to a new power system

　　• 一种扰动-控制接口，将多模态双向长短期记忆（Bi-LSTM）感知与模型预测控制（MPC）相结合。• Bi-LSTM分类准确率达到97.5%，假阳性率为0.3%。• 自适应输出增量加权在电压恢复期间平滑控制动作。• 与参数整定后的MPC相比，所提出的MPC将电压亏缺积分值降低了34.4–81.9%。• 消融实验区分了扰动信息与自适应加权各自的作用。**引言**向低碳能源系统的快速转型极大地加速了风电和光伏等可再生能源的部署。随着基于逆变器的资源（IBRs）渗透率不断提高，现代电力系统正经历根本性的结构变革。与传统的以同步发电机为主导的系统相比，换流器主导的电网表现出更低的转动惯量、电力电子控制器与网络动态之间更强的耦合，以及更复杂的暂态行为[[1], [2], [3]]。这些特性带来了新的稳定性挑战，尤其是在电压调节和暂态电压稳定性方面。电压稳定性是指电力系统在正常运行条件下以及遭受扰动后维持可接受电压水平的能力。传统上，电力系统的电压稳定性由同步发电机固有的惯量和励磁控制来支撑。然而，在逆变器接口发电取代传统发电的可再生能源主导型电网中，电压动态在很大程度上取决于快速电力电子控制回路[4]。因此，IBRs占比的不断提高可能会引入新的电压稳定性现象，包括快速电压振荡、电压恢复延迟以及换流器之间的控制交互[5]。近期研究表明，换流器控制系统与弱电网之间的相互作用会显著影响电压调节能力，甚至在严重扰动下可能引发不稳定[6]。为了解决这些挑战，人们研究了各种先进的电压控制策略。其中，模型预测控制（MPC）因其能够显式纳入系统约束、预测未来系统状态并协调多个控制变量而受到越来越多的关注[7]。MPC已在电力电子和可再生能源并网应用中得到广泛研究。例如，预测控制已被应用于电压源换流器和逆变器控制，以改善电压跟踪性能并降低开关损耗[8]。在并网光伏系统中，基于MPC的控制策略已被证明在光照强度快速变化条件下能改善电压稳定性[9]。此外，MPC还被应用于智能电网和微电网中的协调电压调节，能够优化调度分布式能源资源，并在不确定运行条件下提高系统韧性[10]。近期研究还探索了可再生能源主导电力系统中基于MPC的电压调节。已提出将储能与风电功率预测相结合的混合MPC框架，以增强无功功率控制并改善电压稳定性[11]。此外，分布鲁棒MPC方法已被开发用于应对可再生能源发电波动和电动汽车充电行为引起的智能电网不确定性[12]。结合机器学习模型的数据驱动预测控制策略也已被研究，以在复杂运行条件下改善电压控制性能[13]。尽管取得了上述进展，现有研究仍存在若干局限性。首先，大多数现有的基于MPC的电压控制策略假设扰动是可测量的或可准确预测的。然而，可再生能源发电和气象条件本质上是随机的，这可能显著降低这些方法在实际应用中的有效性[14]。其次，传统MPC控制器通常在目标函数中采用固定权重因子，这限制了其适应不同扰动场景的能力，并可能导致故障期间的动态性能次优[15]。第三，大多数现有控制策略主要依赖电压和电流测量，而这些测量只有在可再生能源侧的变化传播到电网后才具有参考价值。风速和太阳辐照度无法预测外源性电气故障，但可以提供有关同步风电和光伏功率波动的先兆信息。这一信息在复合运行条件下尤为重要，即可再生能源发电波动与严重电气扰动相互作用，改变了系统运行点和电压恢复过程[16]。尽管基于Bi-LSTM的扰动识别和MPC中的输出增量正则化各自已被研究，但它们通常作为独立的估计和控制功能实现。特别是，扰动识别模型的输出很少被转换为用于约束电压MPC的显式在线正则化信号。因此，在建立一个闭环接口方面仍存在方法论上的空白，该接口应能使多模态扰动信息调节MPC控制器的暂态激进程度和恢复平滑度，而无需引入额外的优化变量。本研究通过将多模态扰动感知与扰动严重程度驱动的输出增量正则化机制相结合，填补了这一空白。因此，其新颖性并不在于Bi-LSTM或输出增量惩罚单独本身，而在于它们的闭环协调、显式的概率到权重调度规律，以及各自控制功能的定量分离。本研究的具体贡献如下：(1) 建立了双通道多模态感知模型与约束电压MPC之间的扰动-控制接口。Bi-LSTM输出不仅用于二元扰动识别，还作为控制器激活和权重调度的在线控制信号。(2) 提出了扰动严重程度驱动的输出增量正则化机制。在每次MPC优化之前，将扰动概率、电压偏差和电压偏差变化率结合起来更新 \( S(k) = \eta(k)S_0 \)。该机制允许在严重扰动期间快速响应，并在恢复期间恢复更强的输出平滑，而无需增加优化变量的数量。(3) 通过独立整定的标准MPC和五控制器消融研究，定量分离了扰动信息与自适应输出增量加权的各自功能。结果表明，扰动信息提供了主要的电压支撑效益，而自适应加权主要减少了恢复期间的控制变化。(4) 提供了可复现的验证协议，使用固定参数集、留出故障等效扰动、公共约束以及显式的QP可行性和计算时间检查，从而避免了特定场景的重新整定和人为弱化的基线。控制器性能通过一个基于中国电机工程学会电压稳定基准（CSEE-VS）受端配置推导的、完全文档化的三区域六状态控制导向等效模型进行评估。使用一套固定控制器参数集，考察了三个留出的故障等效扰动场景。评估指标包括最低电压、电压亏缺积分、故障后稳定时间、功率因数响应、峰值无功支撑、归一化控制总变差、约束违反情况和QP求解状态。**章节片段****新电力系统电压稳定性的建模与机理分析**新电力系统重新定义组件角色，以实现高可再生能源渗透率、脱碳和增强灵活性[17,18]。新电力系统的配置如图1所示。如图1所示，风电和光伏是主要的可再生能源；火电机组作为灵活的备用和惯量提供者；水电提供快速和季节性平衡；储能提供多尺度灵活性和频率调节。**MPC控制结构与实现过程**预测控制算法共享核心原则：基于模型的预测、滚动优化和反馈校正。控制动作在系统约束内迭代优化。实时反馈在每个步骤校正预测误差。为解决高可再生能源系统中的电压不稳定问题，提出了一种改进的MPC算法。该架构包括三个模块：扰动检测、预测优化和闭环执行。具体工作流程如图所示。**含多源系统的电压控制仿真平台构建**CSEE-VS基准的受端网络拓扑和电源组成被用作构建三区域六状态控制导向等效模型的物理参考[20]。该等效模型在零偏差标称工作点附近线性化。其三个电压输出分别代表可再生能源发电区域、负荷中心和弱受端区域，而四个协调输入代表风电和光伏无功支撑以及电池储能。**结论与展望**本研究通过改进的模型预测控制（MPC）策略，研究了可再生能源主导电力系统中的电压稳定性增强问题。该策略集成了多模态扰动分类和增量加权优化。主要结论如下：(1) 参照CSEE-VS基准的受端配置，构建了一个透明的三区域六状态控制导向等效模型。状态空间模型、工作点、变量...**CRediT作者贡献声明****Mengqing Song:** 写作 – 审阅与编辑，写作 – 原稿，可视化，验证，数据管理，概念化。**Yonghui Nie:** 写作 – 审阅与编辑。**Chenglian Ma:** 资源，项目管理。**Li Sun:** 资金获取，正式分析。**Chunming Liu:** 数据管理。**Yuxuan Li:** 数据管理。**Jiaxian Zhang:** 数据管理。Mengqing Song|Yonghui Nie|Chenglian Ma|Li Sun|Chunming Liu|Yuxuan Li|Jiaxian Zhang