MPC 赋能：突破构网型变流器电流饱和引起的暂态稳定性瓶颈

TL;DR

随着新型电力系统对构网型 (GFM) 技术的需求日益增长，变流器脆弱的过流能力成为了制约系统稳定性的“阿喀琉斯之踵”。本文提出了一种基于 模型预测控制 (MPC) 的轨迹校正策略，当 GFM 因故障后电流饱和而面临失步风险时，MPC 通过最优化的相角校正和功率参考调整，强制将系统拉回稳定区，显著提升了临界切除时间 (CCT)，并有效解决了模式切换带来的振荡难题。

痛点深挖：电流饱和——GFM 稳定性的“杀手”

传统的同步发电机 (SG) 具有极强的短时过载能力，而基于功率电子的 GFM 变流器则不同。为了保护开关管不被烧毁，必须引入电流参考值饱和 (Current Reference Saturation, CRS)。

然而，一旦进入饱和模式，变流器对外注入的有功功率 $P_{sat}$ 将大幅下降，且高度依赖于电网强度。在等面积定则 (Equal Area Criterion) 的视角下，这意味着减速面积 (Deceleration Area) 的急剧萎缩。如果故障持续时间稍长，APC 角（有功功率控制角）就会冲出不稳定极限，导致系统失步。

核心直觉：如何“掰回”运行轨迹？

作者观察到，尽管饱和模式限制了电流幅值，但我们仍然拥有调整电流相位和有功功率参考值的自由度。

1. 架构解析

提出的控制框架在传统的双闭环（电压/电流环）之上增加了一个 MPC 层。 图 1：集成 MPC 策略的 GFM 控制结构（紫色部分为新增控制模块）

2. 数学推导与控制逻辑

MPC 的目标函数旨在最小化 APC 角与稳态平衡点 (SEP) 之间的偏差： $\min \sum (heta-het{a}_{SEP}{)}^2$ 约束条件不仅包括了离散化的摇摆方程 (Swing Equation)，更核心的是引入了一个二元变量 $n(k)$ 来表征系统在“电流饱和”与“正常模式”之间的状态切换。这种建模方式能够让 MPC 预知未来的饱和状态，从而提前做出响应。

关键技术：模式振荡的抑制

故障恢复期间，变流器往往会在饱和与不饱和之间反复横跳（Mode Oscillations），这会产生高频电流干扰。作者提出了一种强制饱和 (Forced Saturation) 判据：只要 APC 角未回到安全阈值以下，就强制维持饱和模式。这虽然牺牲了一点点暂态性能，但极大增强了控制器的鲁棒性。

实验与结果分析

强/弱电网下的卓越表现

在仿真实验中，作者对比了原始控制、频率限制策略 (Strategy B) 和 功率补偿策略 (Strategy C)。 图 2：强电网条件下不同策略的 APC 状态轨迹对比

• 原始策略：在故障切除前就已失步（进入红色危险区）。
• Strategy B/C：虽然延缓了失步，但由于故障后的减速面积不足，最终依然无法收敛。
• 本文 MPC 方案：通过 $\Delta heta$ 的瞬时校正，迅速减小了 APC 角，确保系统稳稳地停留在绿色安全区。

敏感性与鲁棒性

针对不同的故障电压残余和负载水平，MPC 方案展示了极高的 CCT 稳定性（约 770ms）。即使电网阻抗估计存在 10% 的误差，该控制器依然能保持稳定的收敛性能。

深度洞察与总结

本文的价值在于从控制自由度的角度重新审视了 GFM 的稳定性问题。

• 传统思维倾向于“堵”：限制频率、增加阻抗。
• 本文思维在于“导”：利用 MPC 的预测能力，在饱和约束的边界内寻找最优的注入相位。

局限性：混合整数非线性规划 (MINLP) 的计算开销虽然在文中通过减小搜索空间得到了优化，但在大规模多机系统中，实时求解多维 MPC 的通信延迟和算力需求仍是工程落地的主要障碍。

展望：未来可以将该方法与数据驱动的神经网络控制器结合，利用离线训练的策略网络替代在线最优化求解，从而进一步提升其实时性。