《Electronics》：Highly Renewable Energy Integration in Smart Grids: A Review of Stability Challenges, Enabling Technologies, and AI-Based Solutions
编辑推荐：
摘要：可再生能源（RESs），特别是风能和太阳能发电的日益部署，在减少碳排放和支持可持续能源转型方面发挥着关键作用。然而，大规模RESs并入智能电网引发了与频率稳定性、电压调节、转子角稳定性、电能质量、惯量降低、谐波畸变、反向功率流、次同步相互作用（SSIs）
摘要：可再生能源（RESs），特别是风能和太阳能发电的日益部署，在减少碳排放和支持可持续能源转型方面发挥着关键作用。然而，大规模RESs并入智能电网引发了与频率稳定性、电压调节、转子角稳定性、电能质量、惯量降低、谐波畸变、反向功率流、次同步相互作用（SSIs）以及保护协调相关的重大技术挑战。尽管已有众多综述研究了可再生能源并网，但大多数侧重于高层次框架、文献计量分析、优化技术或人工智能（AI）的孤立应用，缺乏将AI驱动解决方案与高比例可再生能源电力系统的物理动态、控制机制和保护需求相衔接的综合合成。为填补这一空白，本综述对高RES智能电网的风力发电机拓扑结构、太阳能逆变器架构、构网型和跟网型控制策略、虚拟惯量和虚拟同步发电机（VSG）技术、自适应负荷频率控制、储能集成、保护协调以及实时稳定性增强技术进行了全面的技术评估。此外，本综述系统地审视了AI在频率调节、电压控制、谐波抑制、预测性运行、参数优化和系统韧性中的作用。与以往综述不同，本研究通过将AI驱动的决策制定与实际电网控制机制、逆变器动态、广域监测、微电网运行、高压直流（HVDC）互联、电动汽车/车网互动（V2G）集成以及多资源能量管理相结合，整合了物理层视角。本综述确定了关键的研究重点，包括开发实时AI辅助频率控制、适用于低惯量系统的自适应保护方案、协调式构网型逆变器控制、韧性自主电网运行以及可扩展的多能源管理框架。研究结果为研究人员、公用事业公司、政策制定者和行业利益相关者提供了可操作的指导，旨在增强未来具有极高比例可再生能源渗透率的智能电网的稳定性、可靠性和运行灵活性。
本文主体内容总结如下：
3. 风力发电机与太阳能光伏逆变器的集成拓扑
3.1 风力发电系统发电机与拓扑
现代智能电网对电能质量和可控性提出了严格要求，因此风力发电系统已转向变速发电机设计。双馈感应发电机（DFIG）主要用于配备多级齿轮箱和电力电子变换器的变速风力发电机。近年来，永磁同步发电机（PMSG）因其可避免齿轮箱故障并降低维护需求而日益流行。为应对混合可再生能源系统的时空间歇性，先进的集成拓扑正逐渐转向基于公共直流母线架构的多端口变换器配置。该配置通过将太阳能光伏阵列和风力发电机的中间直流/直流和交流/直流变换级整合到统一的框架中，优化了电力电子占地面积，显著降低了开关损耗，减少了对冗余滤波组件的需求，并改善了整体谐波性能。这些高度耦合架构的运行效能依赖于稳健的数字控制系统。尽管在风力发电机技术和系统拓扑方面取得了显著进展，但在效率、可靠性和可扩展性方面仍存在若干待解决的挑战性问题。从机械和结构角度来看，使用齿轮箱的系统极易出现疲劳、振动乃至齿轮箱故障。在并网方面，鼠笼式感应发电机（SCIG）对无功功率高度敏感，而DFIG在电网扰动期间的故障穿越能力存在明显限制。为缓解传统DFIG的机械脆弱性，近期研究和工业应用越来越多地关注无刷双馈感应发电机（BDFIG）。BDFIG通过采用无刷转子架构并利用两个独立的定子绕组，完全消除了机械滑环的需求，大幅降低了日常维护要求和运营成本。
3.2 太阳能发电系统逆变器：技术与趋势
太阳能不可控，因此必须最大化太阳能的捕获，通常通过最大功率点跟踪（MPPT）策略实现。光伏系统可根据功率变换级数、功率去耦电容的放置位置、变压器的有无以及电网接口配置进行分类。电力电子逆变器在光伏系统中起着关键作用，它将光伏电池产生的直流电转换为电网兼容的交流电。在并网光伏系统中，逆变器执行两项基本功能：遵循MPPT算法最大化能量捕获，以及向电网输出清洁电流并满足电网规范。逆变器拓扑和控制策略在很大程度上决定了太阳能系统的性能、效率和电网兼容性。逆变器拓扑定义了交直流变换过程中的结构组织和转换步骤，而控制策略则决定了逆变器在跟踪MPP、电压和频率调节以及电网合规方面的成功与否。
4. 可再生能源集成度提高的影响
4.1 电网频率不稳定与惯量降低
自动发电控制（AGC）包含两个主要功能：负荷频率控制（LFC）和自动电压调节器（AVR）。LFC的主要作用是调节频率偏差并监控负荷需求，确保稳态误差为零。AVR的功能是根据负荷变化调整发电机的励磁电压，以提供一致、稳定和可靠的电源。LFC分为一次、二次和三次三个控制阶段。一次控制维持发电与需求之间的平衡，由调速器管理。当一次控制无法解决频率波动时，二次控制通过调节特定机组输出来确保区域间功率流动。三次控制由操作员手动启动。可再生能源通过电力电子逆变器并网，不象同步发电机那样为电网贡献惯量。因此，电子逆变器的增加降低了电网惯量，可能导致各种运行困难，尤其是恶化频率稳定性。研究表明，降低电网惯量会加速频率动态，导致更大的频率偏差和暂态功率交互。为解决低惯量挑战，研究中提出了需求侧响应、储能系统、合成惯量和同步调相机等方案。基于机器学习（ML）和深度学习（DL）的数据驱动方法也被用于解决高RES渗透下的故障检测问题，例如利用粒子群优化（PSO）进行超参数调优的单类支持向量机（SVM）和主成分分析（PCA）分类器，以及集成多种异构DL架构的混合框架等。
4.2 电网电压不稳定
电压稳定性是指电力系统在正常和扰动条件下保持各节点电压在一致且可接受水平的能力。随着大规模可再生能源的集成，电网中的电压稳定性问题日益显著。可再生能源的随机特性及其在智能电网中的集成会产生电压波动挑战。深度强化学习（DRL）已被应用于协调多个光伏智能逆变器，以确保电压水平保持在允许范围内。传统的机器学习方法如支持向量机（SVM）、决策树（DT）、随机森林（RF）和XGBoost能够实现快速准确的暂态电压稳定性评估。深度学习模型如卷积神经网络（CNN）、深度置信网络和长短期记忆（LSTM）网络具有自动特征提取的优势，已被用于评估电压不稳定问题。
4.3 谐波畸变
谐波畸变被定义为在重构理论上纯净的正弦波时谐波与基频的比例。可再生能源系统通过电力电子设备并网，这些非线性器件会将谐波引入电力系统。传统的无源谐波滤波器（PHF）因成本低、结构简单而被广泛使用，但其固定调谐特性使其无法适应系统谐波谱的变化，且在低惯量系统中存在共振风险。有源谐波滤波器（AHF）克服了PHF的局限性，能在各种运行场景下实时调整以保持电能质量，但其性能受限于控制带宽和同步依赖性，且成本和复杂性更高。柔性交流输电系统（FACTS）设备如静止无功补偿器（SVC）、静止同步补偿器（STATCOM）、晶闸管控制串联电容器（TCSC）和统一潮流控制器（UPFC）能提供快速、连续可变的功率控制，但它们不能从根本上解决低惯量不稳定的原因，其传统比例积分/比例积分微分（PI/PID）控制方案对快速变化的电网条件适应性有限。
4.4 转子角不稳定
转子角稳定性是指互联同步发电机在正常运行条件下保持同步，以及在遭受扰动后维持同步的能力。用逆变器为基础的可再生能源（IBRES）替代传统同步发电机会导致转子角不稳定，因为系统惯量降低，从而影响区域间的状态衰减和暂态稳定裕度。其影响取决于变换器数量、所用控制器类型、网络强度和配置等因素。
4.5 次同步相互作用
次同步相互作用（SSI）是指电网中特定电气或机电设备、可再生能源发电机和电力电子设备在低于系统额定频率的频率下相互作用的现像。这可能导致旋转机械的机械应力，甚至造成损坏或不稳定。典型的SSI包括次同步谐振（SSR），它表现为扭振相互作用、感应发电机效应和转矩放大三种形式。次同步控制相互作用（SSCI）是指电力电子设备与带有串联补偿线路的电网之间的相互作用。次同步扭振相互作用（SSTI）发生在电气系统运行产生超过轴系固有机械阻尼的机械阻尼效应时。
4.6 反向功率流
反向功率流（RPF）是指由于光伏系统集成度提高，功率从变压器低压侧流向高压侧的现象。低水平的光伏渗透能为配电网带来优势，但高水平渗透会增加功率损耗和保护设备问题，并可能导致变压器过载、过电压和寿命缩短。研究提出利用电动汽车（EV）通过智能充电和车网互动（V2G）技术来缓解RPF，同时需要公平的电价结构来补偿EV车主因电池退化带来的损失。
4.7 过电压
过电压指电压值在短时间内超过预定值。除了内部开关因素和外部雷电因素外，可再生能源在公共连接点的集成也是现代电力系统中过电压的一个原因。研究表明，光伏系统渗透率达到20%或以上会导致输电线路母线出现过电压。分布式光伏比集中式光伏更能维持电压稳定。提出的解决方案包括利用动态戴维南等效管理微电网过电压，以及使用分布式STATCOM进行无功功率控制和电压调节。
4.8 保护问题
保护系统是管理和调节电力系统的基本组成部分。传统配电系统假设单向潮流，主要采用具有判别能力的过电流继电器。然而，高RES渗透引入了双向潮流和动态电流，导致保护方案需要全面修订。具体问题包括过电流保护中的误跳闸和继电器覆盖范围减小。同步发电机提供的短路电流比例随光伏渗透率上升而下降，导致电网强度减弱，损害暂态和电压稳定性。距离保护在输电线路中受到影响，因为逆变器控制的可再生能源技术引入了非线性的功率输出波动。在配电层面，高微电网渗透也带来了保护挑战。解决方案包括基于人工智能（AI）的算法、通信支持的继电保护方案以及采用微型电源管理单元进行广域保护。然而，AI驱动的保护方法大多仍处于研究或试点阶段，实际应用受限于数据可用性、模型可解释性、网络安全和现有保护标准合规性等问题。
