VSG 拟机电振荡：当虚拟惯量不再是“免费的午餐”

TL;DR

随着新能源渗透率提升，虚拟同步发电机 (VSG) 成为维持系统惯量的核心技术。然而，本文揭示了一个关键陷阱：模拟出的惯量并非越多越好。作者通过构建严谨的小信号模型证明，VSG 会诱发一种名为“拟机电振荡 (QEO)”的控制失稳现象，如果不加干预，过高的虚拟惯量和不当的下垂参数将直接导致系统崩溃。

背景定位：从机电到控制的范式转移

在传统电力系统中，稳定性由旋转电机的物理惯性支撑。而在由电力电子主导的“双高”系统中，这种稳定性变成了“程序定义的”。本文探讨的 QEO 振荡虽然表现上与传统 EO 相似，但其本质是 GFM (Grid-forming) 变换器控制回路与电网动态交互的结果。这是一篇典型的电力电子稳定性分析案例，将控制理论与电力系统动力学深度融合。

痛点深挖：缓慢的响应与快速的干扰

现有研究往往将 VSG 视为黑盒，或是忽略了功率外环与电流内环之间的尺度耦合。在深峰运行模式或弱电网环境下，系统阻尼极其微弱。作者观察到，VSG 的速度调节链路与物理惯性单元之间的“功率响应不匹配”会导致功率超调，这种在 0.1-2.5 Hz 左右的振荡，正是导致近期多起新能源并网事故的关键诱因。

核心方法：小信号建模与分叉分析

作者建立了一个 14 阶的状态空间模型： $\Delta \dot{x}=A\Delta x+B\Delta u$ 该模型涵盖了从功率控制（转子运动方程）、双环控制器到 LC 低通滤波器的全动力学过程。

图 1：VSG 内部控制架构，展示了功率-频率、无功-电压及双环控制的耦合关系。

为了破解失稳的“黑箱”，作者引入了 Hopf 分叉分析。通过观察 Jacobian 矩阵的特征值分布，发现随着参数变化，特征根会跨越虚轴，这标志着系统从稳定的定常状态进入了周期性的限幅震荡。

实验与结果：灵敏度指标的警示

实验结果指出了三个关键的稳定性负相关规律：

1. 虚拟惯量 (J) 的代价：增大 $J$ 虽然能抑制频率变动率，但会使特征根向右移动，显著削减阻尼（图 8）。
2. 下垂系数的博弈：减小 $K_{\omega }$ 或增大 $K_v$ 都会恶化 QEO 模式的稳定性。
3. 灵敏度激增：在分叉临界点附近，系统对参数微调的反应呈非线性指数级增长。

图 2：不同参数下的特征根轨迹，清晰展示了低频振荡模态（λ8, λ9）向不稳定区偏移的过程。

此外，时域仿真验证了模型预测的准确性：当 $J$ 从 5 增加到 30 时，有功功率的超调明显加剧，且衰减过程变得极其缓慢（图 16）。

图 3：不同惯性系数下的输出功率响应，直观反映了惯量与阻尼间的权衡。

深度洞察：未来的稳定性评估体系

本文不仅是参数分析，它实际上提出了 GFM 变换器接入电网的“安全边界”。作者在结论中极具前瞻性地指出：

• 非线性挑战：传统的单平衡点评估已失效，未来需要基于人工智能或大数据进行动态稳定域表征。
• 多机协同：文章主要关注单机并网，但多个 GFM 变换器之间的“互激”或成对消减将是下一个研究前沿（Multi-machine Coupling）。
• 硬件制约：储能容量与 VSG 参数的自适应匹配，将是解决 QEO 振荡的工程化必经之路。

总结：这篇工作证明了在新型电力系统中，参数整定不再是单纯的 PID 调节，而是一场关于能量交互、控制时标与阻尼分配的精密博弈。