基于物理模型与LSTM混合方法的光伏和储能系统构网型控制策略

《Electronics》：A Grid-Forming Control Strategy Based on a Hybrid Approach Combining a Physical Model and LSTM for Photovoltaic and Energy Storage Systems

　　

传统构网型变换器（GFC）控制在快速功率暂态过程中维持直流母线稳定性面临根本性挑战，主要源于源侧储能装置的动态响应能力有限。为解决此问题，研究人员提出一种混合控制策略，将长短期记忆（LSTM）网络与联合GFC和储能变换器（SC）控制方案相结合。LSTM从历史直流母线数据中检测短期电压趋势以生成前馈补偿信号，同时联合SC-GFC控制将GFC的惯性功率需求动态纳入SC的功率参考值。硬件在环实验表明，在相同阶跃暂态条件下，与传统独立控制相比，所提方法可将功率超调量降低约79.2%。LSTM增强的联合控制维持了稳定的功率流并显著抑制低频振荡，验证了数据驱动趋势预测在实现实际受限环境下优越惯性支持的必要性。该工作为增强GFC性能提供了一种无通信的实用解决方案。

**论文解读**

**研究背景与问题**

随着可再生能源快速发展，分布式电源逐渐成为电力系统的重要组成部分，构网型变换器（GFC）作为维持电网稳定性的关键设备，在微电网和分布式发电系统中广泛应用。然而，传统GFC控制策略依赖固定参数，在源侧储能性能退化、动态负载变化等实际工况下可能出现控制失配，导致动态性能下降甚至系统失稳。现有研究主要聚焦于GFC内部算法改进，如阻尼区域近似、自适应控制环、模态评估等，但均假设直流侧电源为理想电压源或无限容量电池，这一假设在实际系统中难以满足。源侧储能装置受容量限制、性能退化或控制响应缓慢影响，无法及时补充能量，使GFC的惯性支持能力显著削弱，可能导致直流母线电压崩溃和系统不稳定。此外，基于人工智能的数据驱动方法（如长短期记忆网络（LSTM））为控制优化提供了新视角，但现有方法往往依赖外部通信网络，引入延迟和可靠性问题。因此，核心挑战从设计鲁棒GFC转向管理直流母线自身的动态功率平衡。传统储能变换器（SC）控制采用被动响应模式，仅在直流母线电压偏离参考值后才开始动作，这不可避免地引入延迟，无法跟上GFC的快速惯性需求。为此，研究人员提出一种结合主动预测与协同控制的混合驱动策略，旨在实现无通信、增强惯性支持的实用方案。该论文发表在《Electronics》。

**研究内容与结论**

研究人员提出了一种混合控制策略，将LSTM网络与联合SC-GFC控制架构相结合。LSTM从历史直流母线电压数据中提取短期电压趋势，生成前馈补偿信号；联合SC-GFC控制将GFC的惯性功率需求作为SC外环功率控制的输入，实现两者动态协调。硬件在环实验表明，在相同阶跃暂态条件下，与传统独立控制相比，该方法可将功率超调量降低约79.2%，并有效抑制低频振荡，验证了数据驱动趋势预测在增强实际受限环境下惯性支持的必要性。该工作提供了一种无通信的实用解决方案。

**主要关键技术方法（不超过250字）**

该研究采用以下关键技术方法：1）基于LSTM的直流母线电压趋势预测，输入为历史U_dc时间序列，输出前馈补偿信号，训练数据来自河北科技大学直流微电网实验室的锂离子电池充放电实验数据；2）联合SC-GFC控制架构，通过传递函数Ψ(s)量化GFC惯性功率需求，并将其纳入SC功率外环参考；3）加权融合反馈（实测电压）与前馈（LSTM趋势）信号，权重w₁和w₂可调，实现控制平衡。实验验证基于NI PXIe-1071硬件在环平台，主电路仿真步长2 μs，控制频率10 kHz。

**研究结果**

**5.1 训练过程**：基于实验室采集的锂离子电池充放电数据，训练LSTM模型。结果显示，均方根误差（RMSE）和损失函数收敛并趋近于零，验证模型具有高精度和良好泛化能力。与二阶自回归模型（AR(2)）和卡尔曼滤波器相比，LSTM在测试集上RMSE降低约1.24%（对比AR(2)）和约28%（对比卡尔曼滤波器），表明非线性时间序列建模能力显著提升。

**5.2 实验设计**：采用NI PXIe-1071平台搭建硬件在环模型，包含光伏变换器（PVC）、GFC和SC模型，以及三阶动态等效电路模型。实验验证联合SC-GFC控制效果，并调整权重w₁和w₂观察直流母线电压变化。LSTM前向推理时间约0.021 s，满足实时性要求。

**5.3 联合控制验证**：在SC充放电模式下，对P_ref施加5 kW→10 kW阶跃变化。与独立控制对比，联合SC-GFC控制下有功功率和频率快速收敛，SC完美响应GFC惯性功率；独立控制则出现显著低频振荡。通过理论传递函数Ψ(s) 的阶跃响应与实测惯性功率对比，稳态误差小于5%，验证了传递函数的准确性。调整Q_ref从0 kVar到5 kVar时，独立控制进入深度不稳定区域，而联合控制保持稳定运行。充电模式下同样得出相同结论，证明联合控制是实现光伏-储能系统稳定构网运行的必要条件。

**5.4 LSTM与控制系统混合驱动验证**：通过调整权重w₁和w₂，观察直流母线电压分布。基线（w₁=1, w₂=0，即纯反馈）下U_dc分布中心高于600 V且分散；启用LSTM前馈（w₁=w₂=0.5）后，电压分布集中于600 V以下，稳态偏差减小。直接对比证实LSTM前馈路径是改善稳态性能的关键因素。

**5.5 运行功率与鲁棒性说明**：实验在典型功率水平（5 kW→10 kW和10 kW→5 kW）下进行，覆盖向上和向下阶跃变化。联合控制策略结构独立于绝对功率水平，GFC惯性功率需求与频率偏差呈线性比例，因此动态协调机制在广泛运行条件下有效。LSTM前馈从直流母线电压提取趋势，反映所有扰动（包括光伏波动和负载变化）的累积效应，无需显式状态信息（SOC），具有固有鲁棒性。

**讨论与结论**

**讨论部分**：论文未设独立讨论章节，但结论部分总结了关键发现。研究指出，联合SC-GFC控制对于阻尼功率振荡至关重要，独立固定功率SC控制呈现持续低频振荡，而联合控制实现快速收敛和稳定功率跟踪。LSTM前馈路径在纯反馈基础上提供可测量的稳态改善，通过权重调整实现动态响应与稳态精度的权衡。混合物理-数据驱动框架提供了一种无通信的实用解决方案，避免了依赖通信的数据驱动方法带来的延迟和可靠性问题。同时，论文指出了在变工况下自适应权重调节以及极端SOC或辐照波动下的实验验证作为未来工作。

**结论部分翻译**：通过理论分析和硬件在环实验，获得以下关键发现：联合SC-GFC控制对于阻尼功率振荡至关重要。在相同P_ref阶跃暂态下，独立固定功率SC控制呈现持续低频振荡，而所提联合控制实现快速收敛和稳定功率跟踪。这证实了将GFC惯性功率需求反馈到SC参考值是光伏-储能系统实现稳定构网运行的必要条件。LSTM前馈路径在纯反馈基础上提供可测量的稳态改善。通过比较权重设置w₁=1, w₂=0（无LSTM）和w₁=w₂=0.5（有LSTM），当LSTM前馈激活时，直流母线电压分布更集中且更接近参考值。这表明趋势感知预测有效减少了稳态偏差，且不依赖外部通信。混合物理-数据驱动框架提供了一种无通信的实用解决方案。通过可调加权方案，该框架实现了动态响应与稳态精度之间的权衡，同时避免了依赖通信的数据驱动方法带来的延迟和可靠性问题。关于变工况下自适应权重调节以及极端SOC或辐照波动下的实验验证，被确认为未来工作。