基于阻尼风险指数的永磁同步发电机风电场次同步振荡辨识方法

《Energy Reports》：Damping risk index for identifying sub-synchronous oscillations in PMSG-based wind farm

　　

专业术语翻译（论文摘要部分） 提出了一种新颖的方法，用于检测基于永磁同步发电机（PMSG）的风电场中的次同步振荡（Sub-synchronous Oscillation, SSO）。所提出的指数可量化系统初始暂态阶段内的振动风险。该方法已通过韩国某实际海上风电场的验证。将频率扫描（Frequency Scanning）与阻尼风险指数（Damping Risk Index）相结合，以增强SSO的检测能力。

论文解读文章

一、研究背景与问题提出

全球电力需求持续增长，加速了传统化石燃料的消耗与碳排放，推动各国加快可再生能源部署。风力发电作为大规模脱碳的核心选项之一，其出力波动性和预测不确定性给电网供需平衡带来严峻挑战。在风电机组类型中，永磁同步发电机（PMSG）风电机组凭借全功率变流器实现与电网的完全解耦，在效率、维护和控制性能方面均优于其他类型，应用日益广泛。

然而，次同步振荡（SSO）现象仍然是威胁风电并网安全的关键问题。SSO指低于工频的振荡，主要分为三类：次同步控制相互作用（SSCI）、次同步扭振相互作用（SSTI）和次同步谐振（SSR）。尽管文献普遍认为PMSG风电机组对SSO具有较高免疫性，但当其接入弱交流电网或与串联补偿线路相互作用时，仍可能诱发振荡。已有检测方法主要分为频率分析和状态空间分析（SSA）两大类，但这些方法存在明显局限：特征值分析只能反映系统最终收敛状态，无法评估暂态过程中的潜在风险；频率扫描虽能考虑外部激励的频响特性，却难以覆盖所有可能场景，也无法定位具体危险情形。更重要的是，现有文献大多聚焦于SSO发生后的分析与抑制，对于仿真中最终稳定但暂态初期可能因特定外部激励而出现振荡风险的系统，缺乏有效的预判手段。

二、研究内容与核心贡献

针对上述空白，研究人员提出了一套基于阻尼风险指数的SSO潜在风险辨识方法，用于评估最终稳定系统在初始暂态阶段可能存在的振荡风险。该方法与频率扫描并行运行，能够提供频率扫描单独运行无法给出的补充信息，包括振动可能发生的时间、引起振动的信号频率以及振动风险评分。该方法的本质是基于信号的（signal-based）数据驱动框架，而非黑箱学习，它通过提取电压、电流响应中具有物理意义的频域特征，评估次同步频段内频谱能量的集中程度，从而量化SSO风险。该方法不依赖PMSG专属的状态空间模型，可推广至其他变流器接口风电系统，包括双馈感应发电机（DFIG）风电场，前提是具备相应的时域电压、电流响应数据。研究团队将该方法应用于韩国西南地区规划中的STATCOM集成PMSG风电场，并先用简单测试系统进行方法说明与验证。

三、关键技术方法概述

研究人员主要采用以下关键技术方法：其一，频率扫描阻抗建模，在频域内分别推导风电场侧和电网侧的等效阻抗模型，以互联点（OSS#2）为分界；其二，小信号扰动注入法，通过注入幅值足够小、连续且正弦的扰动电流，提取系统的线性分量并获得准确的阻抗特性；其三，短时暂态区间内的频谱能量集中度分析，区别于传统稳态条件下的FFT阻尼风险分析，该方法在强非线性暂态区间内难以提取明确的振荡频率，转而利用该区间内频谱能量集中的频段作为指示振荡风险升高的指数。

四、研究结果

系统建模与目标风电场概况：研究构建的风电场模型由单机容量10 MVA的风电机组组成，分为四组，其中两组各含53台机组，另两组各含52台机组，总容量2.1 GW。该风电场为韩国西南地区正在开发的海上风电项目。风电场侧延伸至OSS#2，通过5 km海缆连接，再经32 km海底输电线路和87 km架空输电线路（OHTL）接入电网。海底电缆与架空线的连接点为公共耦合点（PCC），架空线接入电网处为互联点（POI）。电网侧并联接入STATCOM和负荷。由于串联电容补偿可能与风电机组产生谐振风险，该系统中未采用串联补偿。

SSO检测方法框架：研究采用基于频率扫描的阻抗模型检测SSO。目标风电场接入短路比（SCR）不低于10的强系统，且设计阶段未考虑串联电容，因此系统因SSO而崩溃的可能性极低。研究重点在于定义系统暂态期间因外部激励可能产生的SSO潜在风险。特征值分析仅反映系统最终收敛状态，不适用于暂态风险检测，故采用频率扫描方法，直接利用连续的电压、电流和输出数据进行频域分析。扰动电流需满足三个条件：足够小以避免损伤系统但可测量、连续注入以保持数据一致性、正弦波形以便于频率分析。

阻尼风险指数的提出：研究人员提出了用于判定最终稳定系统在初始暂态期间SSO潜在风险的指数体系。该指数提供振动潜在发生时间、引起振动的信号频率以及振动风险评分。由于强非线性暂态区域难以提取明确具体的振荡频率，该方法利用短暂态区间内频谱能量集中的特性作为指示振荡风险升高的频段指标。这一视角及基于指数的分析方法据作者所知为首次提出。该方法并非黑箱学习，而是基于信号的风险评估框架，反映了历史SSO事件中反复观测到的物理特征，包括弱电网条件、变流器与电网阻抗相互作用、串联补偿相关谐振以及次同步频段阻尼不足等。

五、讨论与结论

讨论部分总结：传统SSO检测方法存在根本性局限。特征值分析只能提供系统最终稳定性的信息，无法评估暂态过程中的潜在风险，且难以考虑系统参数之外的外部作用力。频率扫描基于实际仿真数据，能考虑外部激励的频响特性，但难以构造频域和时域的所有可能场景，也无法定位具体危险情况。即使仿真中正常收敛的系统，也可能因特定外部激励在初始暂态期间经历SSO。研究人员提出的阻尼风险指数方法弥补了这一空白，为最终稳定系统在暂态初期的潜在振荡风险提供了预防性评估工具。该方法作为信号基数据驱动框架，不依赖PMSG专属状态空间模型，可扩展至包括DFIG风电场在内的变流器接口风电系统。但需注意，不同风电机组技术的变流器拓扑和动态特性存在差异，所提指数的解读应辅以系统专属的频域验证。

研究结论翻译：本文提出的指数能够提供SSO的潜在发生时间、引起SSO的信号频率以及SSO的整体风险评分，从而实现对振动特性的评估，相比现有方法独立运行提供了更丰富的信息。所提出的方法是一种基于信号的（signal-based）数据驱动框架，不需要PMSG专属的状态空间模型，因此可推广至包括DFIG风电场在内的变流器接口风电系统，前提是具备相应的时域电压和电流响应数据。然而，由于不同风电机组技术具有不同的变流器拓扑和动态特性，所提指数的解读应辅以系统专属的频域验证。暂态振荡是变流器基能源系统中的普遍现象，源于控制动态与网络阻抗之间的相互作用。由于所提方法依赖信号分析而非系统专属建模，只要具备时域数据，即可应用于广泛的系统类型。