故障下新能源場站間主動電壓支撐協(xié)調(diào)控制策略

收稿日期：2022-11-18

基金項目：國網(wǎng)山西省電力公司科技項目（520530200011）；國家自然科學(xué)基金（52081330096）；上海綠色能源并網(wǎng)工程技術(shù)研究中心

（13DZ2251900）

通信作者：季 亮（1985—），男，博士、副教授，主要從事電力系統(tǒng)控制方面的研究。jiliang@shiep.edu.cn

DOI：10.19912/j.0254-0096.tynxb.2022-1400 文章編號：0254-0096（2023）12-0560-08

摘 要：針對逆變型新能源場站在電網(wǎng)發(fā)生不對稱故障時可能出現(xiàn)的電壓暫降、電流越限等運(yùn)行風(fēng)險，提出一種適用于電壓跌落場景的站間協(xié)調(diào)控制策略，該策略可有效實現(xiàn)故障下多個新能源場站對并網(wǎng)點電壓的主動支撐。首先，基于逆變器控制系統(tǒng)的輸出特性，分析不對稱故障下的電壓支撐原理；其次，為了解決輸出電流在各新能源場站間的配置問題，引入白鯨優(yōu)化算法對場站的功率進(jìn)行優(yōu)化，并在此基礎(chǔ)上推導(dǎo)出相應(yīng)的參考電流；最后，對電壓跌落場景進(jìn)行區(qū)分，在各自場景下通過逆變器注入不同的參考電流以實現(xiàn)并網(wǎng)點電壓支撐、電流限幅、改善不平衡度等多個控制目標(biāo)。在Matlab/Simulink仿真平臺上搭建含逆變型新能源場站的并網(wǎng)運(yùn)行系統(tǒng)，通過仿真模擬驗證所提控制策略的有效性。

關(guān)鍵詞：新能源；電壓支撐；不平衡度；協(xié)調(diào)控制策略；功率優(yōu)化；場景區(qū)分

中圖分類號：TM615""""""""""""""" """""""""""""文獻(xiàn)標(biāo)志碼：A

0 引 言

在碳達(dá)峰、碳中和的大環(huán)境下，新能源在電網(wǎng)中的發(fā)展上升到了一個新的高度［1］。逆變器作為新能源與電網(wǎng)之間的重要轉(zhuǎn)換裝置，在電壓跌落下具備低電壓穿越能力，但出現(xiàn)不對稱故障時，逆變器本身存在的輸出過電流、電壓支撐能力不足等新能源并網(wǎng)的相關(guān)問題，可能會誘發(fā)新能源場站脫網(wǎng)、重要設(shè)備切機(jī)等事故［2］。因此，如何提升新能源的電壓支撐能力，對于保證電力系統(tǒng)的安全穩(wěn)定運(yùn)行至關(guān)重要。

為克服故障時逆變器因低電壓穿越能力不足而導(dǎo)致的電網(wǎng)運(yùn)行韌性問題，國內(nèi)外學(xué)者展開了大量研究，并基于逆變器的故障特性提出一系列控制策略。文獻(xiàn)［3］提出正、負(fù)序坐標(biāo)系下的矢量控制策略，但未考慮電流限幅的影響。文獻(xiàn)［4］在考慮電流限幅的情況下對功率進(jìn)行了靈活控制，通過設(shè)定有功、無功的固定參考值可在一定程度上實現(xiàn)電壓支撐，但逆變器容量不足時，可能達(dá)不到既定的控制目標(biāo)。文獻(xiàn)［5］采用配置靜止無功發(fā)生器（static var generator，SVG）的方式在電壓暫降時為并網(wǎng)點提供無功補(bǔ)償，但如何協(xié)調(diào)無功補(bǔ)償裝置與電力系統(tǒng)的有效性還有待優(yōu)化。鑒于當(dāng)前新能源的滲透率正逐漸提升，逆變器并聯(lián)系統(tǒng)對電壓擾動的魯棒性已逐漸成為研究熱點，目前還鮮少有控制策略是針對故障狀態(tài)或多逆變器系統(tǒng)本身的輸出特性所提出的。文獻(xiàn)［6］對新能源多場站的臨界短路比展開了定性研究，在仿真中引入了調(diào)相機(jī)的配置，得出多個場站的接入對電壓強(qiáng)度的影響，但并未提出調(diào)相機(jī)與新能源場站間的協(xié)調(diào)策略。文獻(xiàn)［7-8］采取一種靈活的控制策略，通過調(diào)節(jié)轉(zhuǎn)移因子，確保新能源場站能同時滿足電壓支撐和電流限幅。文獻(xiàn)［9］對多逆變器系統(tǒng)采用主從控制的協(xié)調(diào)策略，利用從逆變器的剩余容量對電壓不平衡度進(jìn)行治理，但未考慮電壓不平衡跌落程度的影響，具有一定的局限性。

基于此，本文充分考慮不同控制目標(biāo)的約束，提出一種基于逆變器并聯(lián)運(yùn)行系統(tǒng)的協(xié)調(diào)控制策略。該策略在詳細(xì)剖析電壓支撐原理的基礎(chǔ)上，引入白鯨優(yōu)化算法（beluga whale optimization，BWO）對場站的功率進(jìn)行優(yōu)化以解決場站各自參考電流的配置問題；然后對電壓跌落場景進(jìn)行區(qū)分，將計算出的參考電流注入到各逆變器，從而實現(xiàn)并網(wǎng)點電壓的最大化支撐；最后根據(jù)仿真模擬驗證所提控制策略的有效性。

1 逆變器并聯(lián)控制系統(tǒng)及電壓分析

1.1 逆變器并聯(lián)運(yùn)行系統(tǒng)

逆變型新能源場站簡單結(jié)構(gòu)如圖1所示，系統(tǒng)主要由新能源發(fā)電裝置、逆變器、線路阻抗、負(fù)荷以及大電網(wǎng)構(gòu)成。為簡化控制和分析，新能源直流側(cè)采取直流電壓源作為替代，省略直流環(huán)節(jié)，這種簡化模型已被廣泛應(yīng)用于逆變器控制研究領(lǐng)域［10］。新能源場站經(jīng)LC濾波采取并聯(lián)形式接入并網(wǎng)點，最后與電網(wǎng)相接。在仿真模擬的環(huán)境下該控制系統(tǒng)基于并網(wǎng)點（point of common coupling，PCC）母線上測得的實時電壓，將所設(shè)定的控制對象與相應(yīng)的控制算法相結(jié)合，進(jìn)而計算得到各自[dq]坐標(biāo)系場景下的正負(fù)序參考電流，從而實現(xiàn)本文的控制目標(biāo)。

1.2 不對稱電壓跌落下輸出電壓分析

本文以逆變器作為研究對象，針對逆變器并聯(lián)系統(tǒng)的無功協(xié)調(diào)控制策略進(jìn)行分析。在不對稱電壓跌落時，根據(jù)圖1所示的拓?fù)浣Y(jié)構(gòu)并結(jié)合對稱分量法，逆變器出口側(cè)的電壓數(shù)學(xué)表達(dá)式為：

[v+=v+g+Lgdi+dt+Rgi+v-=v-g+Lgdi-dt+Rgi-]""" （1）

式中：[v+、][v-]——PCC母線正、負(fù)序電壓；[v+g、][v-g]——電網(wǎng)側(cè)母線正、負(fù)序電壓；[Lg]和[Rg]——線路等效電感和等效電阻。

忽略線路等效電阻[Rg]的影響，電壓幅值在正負(fù)序旋轉(zhuǎn)坐標(biāo)系下可表示為：

[V+=（V+g）2-（ωLgI+d）+ωLgI+qV-=（V-g）2-（ωLgI-d）-ωLgI-q]"""" （2）

根據(jù)電網(wǎng)運(yùn)行的相關(guān)標(biāo)準(zhǔn)，在發(fā)生不對稱故障的情況下，為確保系統(tǒng)的穩(wěn)定運(yùn)行，需要新能源場站將PCC母線相電壓維持在0.85～1.10倍額定電壓以內(nèi)，即：

[Vmin≤Va，Vb，Vc≤Vmax]" （3）

式中：[Vmax]取1.1倍額定電壓；[Vmin]取0.85倍額定電壓。

[Vmax]和[Vmin]可通過式（4）得到：

[Vmax=（V+）2+（V-）2+2V+V-αVmin=（V+）2+（V-）2+2V+V-β] （4）

[α=maxcosφ，cosφ-2π3， cosφ+2π3β=mincosφ，cosφ-2π3， cosφ+2π3]""""" （5）

式中：[φ]——正負(fù)序電壓間的相角關(guān)系。

由式（4）可知，通過調(diào)整正負(fù)序電壓可使并網(wǎng)點相電壓維持在一個合理范圍內(nèi)。推導(dǎo)式（4）可得，正負(fù)序參考電壓表達(dá)式為：

[V+=-B+B2-2AAV-=A2V+]" （6）

[A=V2max-V2min（α-β）B=A?α-V2max]"""""" （7）

2 基于電壓跌落場景的新能源場站協(xié)調(diào)控制策略

電壓幅值的大小在電壓支撐控制時主要考慮[dq]分量下的[q]軸分量，故本文中忽略參考電流中的[d]軸分量。根據(jù)式（2），正、負(fù)序無功參考電流[I+q_ref]和[I-q_ref]為：

[I+q_ref=V+-V+gωLgI-q_ref=V-g-V-ωLg]""""" （8）

通過調(diào)整逆變器控制系統(tǒng)計算出的正負(fù)序無功參考電流，可實現(xiàn)最大化電壓支撐?？紤]到電流越限的風(fēng)險，需將逆變器輸出的三相電流幅值控制在合理范圍內(nèi)，三相電流幅值為：

[Iabc=（I+）2+（I-）2+2I+I-φabc]"""" （9）

式中：[φabc]——正負(fù)序三相電流間的相角關(guān)系。

通常來說，逆變器的最大允許輸出電流（記作[Ilim]）不得超過其額定電流的1.2～1.5倍，故可得：

[maxIa，Ib，Ic≤Ilim]"""""" （10）

式（10）是下文區(qū)分電壓跌落場景的依據(jù)。

2.1 電壓跌落場景

根據(jù)電壓暫降標(biāo)準(zhǔn)，當(dāng)電網(wǎng)電壓跌落至0.85 pu以下時［11-12］系統(tǒng)開始運(yùn)行，計算得到正負(fù)序無功參考電流，并與最大允許輸出電流值[Ilim]相比較。若參考電流幅值在最大輸出電流值[Ilim]以內(nèi)（即滿足式（10）），則將此場景定義為電壓跌落較小，反之則將其場景定義為電壓跌落較大。因此，根據(jù)電網(wǎng)發(fā)生故障的實際情況可分為電壓跌落嚴(yán)重和電壓跌落不嚴(yán)重兩種運(yùn)行場景。電壓跌落場景的原則如圖2所示。

為實現(xiàn)本文所提控制目標(biāo)，在場景1（電壓跌落嚴(yán)重）模式下，新能源場站將無功電壓支撐作為主要控制目標(biāo)，逆變器僅注入正序無功電流即可實現(xiàn)；在場景2（電壓跌落不嚴(yán)重）模式下，利用逆變器注入的正序無功電流使得序電壓得到支撐的同時，電流未能越限且逆變器還有一定的容量剩余，故逆變器還可輸出負(fù)序無功電流來降低電壓不平衡度，進(jìn)而提高并網(wǎng)點的電壓水平。

2.2 基于BWO算法的新能源場站功率優(yōu)化

為確保逆變器在電壓支撐控制期間的運(yùn)行安全，如何將上文控制器計算出的正負(fù)序無功參考電流合理分配到各新能源場站是一個亟需解決的問題，若各場站參考電流設(shè)置不當(dāng)，系統(tǒng)將面臨失穩(wěn)風(fēng)險?？紤]到新能源場站輸出電流與其輸出功率密切相關(guān)，本文采用白鯨優(yōu)化算法對各場站的功率進(jìn)行優(yōu)化配置［13］，可進(jìn)一步得到新能源場站間的電流關(guān)系。

2.2.1 目標(biāo)函數(shù)

新能源接入電網(wǎng)后，在遭遇干擾的情況下將對新能源場站的電壓穩(wěn)定性產(chǎn)生影響，本文將提高電壓穩(wěn)定性作為目標(biāo)函數(shù)考慮的因素之一［14］。同時，考慮到各新能源場站運(yùn)行的經(jīng)濟(jì)性，構(gòu)建如式（11）所示的目標(biāo)函數(shù)，該目標(biāo)函數(shù)綜合考慮了電壓穩(wěn)定性以及逆變器的運(yùn)行成本。

[minF=i=1M4PiXLi-QiRLi2+PiRLi-QiXLiU2iU4i+"""""""""""""""""""""""""""""""""""""""""" λii=1NaiPi2+biPi+ci]" （11）

式中：[M]——支路數(shù)量；[Pi]——第[i]個逆變器輸出的有功功率；[Qi]——第[i]個逆變器輸出的無功功率；[RLi]——第[i]條支路的等效電阻；[XLi]——第[i]條支路的等效電抗；[Ui]——第[i]個逆變器的等效輸出電壓；[λi]——分配系數(shù)；[N]——逆變器數(shù)量；[ai]、[bi]、[ci]——第[i]個逆變器成本系數(shù)。

2.2.2 約束條件

1）功率平衡約束

[i=1NPi=PLoadii=1NQi=QLoadi] （12）

式中：[PLoadi]——新能源場站的有功負(fù)荷量；[QLoadi]——新能源場站的無功負(fù)荷量。

2）新能源電源出力約束

[Pmini≤Pi≤PmaxiQmini≤Qi≤Qmaxi]""" （13）

式中：[Pmaxi]、[Pmini]——新能源場站輸出的有功功率上、下限；[Qmaxi]、[Qmini]——新能源場站輸出的無功功率上、下限。

2.2.3 白鯨優(yōu)化算法（BWO）

白鯨優(yōu)化算法（BWO）是一種新型啟發(fā)式優(yōu)化算法，其主要模擬鯨魚群體行動、捕食和鯨落3個行為，通過各階段的協(xié)作配合，使目標(biāo)問題得到最優(yōu)解，相較于其他優(yōu)化算法，具有較強(qiáng)的開發(fā)能力以及收斂速度快等特點。在BWO中，白鯨作為搜索代理，每只白鯨個體都是一個候選解，在整個算法優(yōu)化過程中根據(jù)其3個階段的迭代更新，結(jié)合本文中目標(biāo)函數(shù)（式（11）），即每只白鯨功率的候選值，根據(jù)約束條件（式（13））可設(shè)定搜索空間每一維的上下界限，從而以初始化白鯨個體的位置[X]為：

[X=R×（U-L）+L]"" （14）

式中：[U]和[L]——搜索空間的上界和下界；[R]——[N]行[d]列數(shù)值在（0，1）之間的隨機(jī)矩陣，其中[N]代表鯨魚的種群規(guī)模，即待優(yōu)化參量的數(shù)量，[d]代表問題變量的維數(shù)，即待優(yōu)化逆變器功率的數(shù)量。

對于所有白鯨個體，相應(yīng)的適應(yīng)度值即為式（11）的值[F，]BWO默認(rèn)是求解最小值，對應(yīng)式（11）的最小值。

1）探索階段

BWO的探索階段是在白鯨群泳行為基礎(chǔ)上建立的，此時白鯨的位置更新為：

[XT+1i，j=XTi，pj+（XTr，p1-XTi，pj）（1+r1）sin（2πr2），"""" j為偶數(shù)XT+1i，j=XTi，pj+（XTr，p1-XTi，pj）（1+r1）cos（2πr2），" """j為奇數(shù)]""""" （15）

式中：[XT+1i，j]——第[i]條白鯨在第[j]維上更新后的位置，通過式（15）來更新尋找更佳的功率值使得[F]最??；[pj]——從[d]維中選擇的隨機(jī)整數(shù)；[XTi，pj]——第[i]條白鯨在[pj]維度上的位置；[XTi，pj]和[XTr，p1]——第[i]條和第[r]條白鯨的當(dāng)前位置；[r1]和[r2]——（0，1）的隨機(jī)數(shù)；[sin（2πr2）]和[cos（2πr2）]——鏡像白鯨的鰭朝向水面，決定算法開發(fā)的方向。

2）開發(fā)階段

白鯨可根據(jù)附近鯨群位置實現(xiàn)合作覓食和移動，通過共享彼此的位置信息來捕食。在BWO的開發(fā)階段引入萊維飛行策略，以增強(qiáng)收斂性，此時數(shù)學(xué)模型表示為：

[XT+1i=r3XTbest-r4XTi+C1·LF·（XTr-XTi）]" （16）

[LF=0.05×u×σv1β] （17）

[σ=T（1+β）·sin（πβ/2）T（1+β）/2·β·2（β-1）/21β] （18）

式中：[XT+1i]——第[i]條白鯨的新位置；[XTbest]——白鯨種群的最佳位置；[XTi]和[XTr]——第[i]條白鯨和隨機(jī)白鯨的當(dāng)前位置；[r3]和[r4]——（0，1）之間的隨機(jī)數(shù)；[C1]——衡量萊維飛行強(qiáng)度的隨機(jī)跳躍強(qiáng)度，[C1=2r4（1-T/Tmax）]；[LF]——萊維飛行函數(shù)；[u]和[v]——正態(tài)分布隨機(jī)數(shù)；[β]——默認(rèn)常數(shù)，[β=1.5]。

白鯨的當(dāng)前位置即對應(yīng)式（11）的功率候選取值，白鯨種群的最佳位置即為[F]最小情況下對應(yīng)功率取值，功率值的更新和評價通過式（18）和式（11）進(jìn)行迭代。

3）鯨落階段

為了模擬鯨魚墜落的行為，選擇主觀假定的鯨落概率以模擬群體中的小變化。為了確保種群大小即功率組數(shù)的數(shù)量恒定，使用白鯨的位置和鯨魚落體的步長來建立更新的位置，數(shù)學(xué)模型表示為：

[XT+1i=r5XTi-r6XTr+r7Xstep]""" （19）

[Xstep=（bu-bl）exp（-C2T/Tmax）]"" （20）

[Wf=0.1-0.05T/Tmax]"" （22）

式中：[r5]～[r7]——（0，1）之間的隨機(jī)數(shù)；[Xstep]——鯨魚墜落的步長；[C2]——與鯨落概率和種群規(guī)模相關(guān)的階躍因子，[C2=Wfn;][Wf]——鯨落概率，作為線性函數(shù)計算。

鯨落概率從初始迭代的0.1降低到最后一次迭代的0.05，表明在優(yōu)化過程中，當(dāng)白鯨更接近食物源時，白鯨的危險性降低。通過整個過程的迭代尋優(yōu)，尋找到一組最佳的功率候選解，使得式（11）的結(jié)果最小化，從而達(dá)到本文的優(yōu)化求解目標(biāo)。

2.3 參考電流計算

本文所提站間協(xié)調(diào)優(yōu)化控制策略是考慮到電流限幅的約束下，將PCC母線的電壓支撐作為主要控制目標(biāo)，改善電壓不平衡度作為次要控制目標(biāo)。

2.3.1 場景1（電壓跌落嚴(yán)重）

該場景下電網(wǎng)電壓跌落較大，考慮到逆變器容量的限制，需要逆變器注入一定的正序有功電流，以此來提升新能源場站的低電壓穿越能力。為實現(xiàn)電壓支撐，需控制各新能源場站共同輸出正序無功電流，即：

[I+refq1+I+refq2=I+refq]"""" （22）

式中：下標(biāo)1和2——并聯(lián)的新能源場站。

由于此模式下逆變器只注入正序無功電流，故各自新能源場站的輸出電流為：

[I1=I+refq1，"" I2=I+refq2]" （23）

新能源場站的輸出電流與其容量的關(guān)系為：

[I1I2=S1S2]"" （24）

當(dāng)電網(wǎng)遭受不對稱故障后將對電力系統(tǒng)的電壓穩(wěn)定運(yùn)行帶來一定影響，故在考慮新能源場站經(jīng)濟(jì)運(yùn)行的情況下結(jié)合電壓穩(wěn)定性對其功率進(jìn)行優(yōu)化分配，進(jìn)而得到各場站的功率關(guān)系，如2.2節(jié)所示。本文主要考慮q軸分量對電壓幅值的影響，在電壓支撐時忽略d軸分量，故可進(jìn)一步得到：

[I1I2=Q1Q2]" （25）

聯(lián)合式（22）～式（25），令[Q1Q2=T]，可求解得到各新能源場站的無功參考電流分別為：

[I+refq1=I+refq-I+refq2]""""" （26）

[I+refq2=I+refq1+T]"""" （27）

2.3.2 場景2（電壓跌落不嚴(yán)重）

該場景下電網(wǎng)電壓跌落較小，在逆變器注入正序無功電流以實現(xiàn)電壓支撐后，仍有容量剩余，繼續(xù)注入負(fù)序無功電流對不平衡度進(jìn)行改善。根據(jù)上文計算得到的正、負(fù)序無功參考電流，將各參考電流分配給各新能源場站，即：

[I+refq1+I+refq2=I+refqI-refq1+I-refq2=I-refq] （28）

該場景下，逆變器同時注入正負(fù)序無功電流。為實現(xiàn)電壓最大化支撐，各自新能源場站所輸出相電流為：

[I1=（I+q1）2+（I-q1）2+2I+q1I-q1x1I2=（I+q2）2+（I-q2）2+2I+q2I-q2x2]""""" （29）

[xi=cos（δi）， cosδi-23π， cosδi+23π]"""" （30）

結(jié)合上文考慮成本及電壓穩(wěn)定性的功率優(yōu)化策略，各新能源場站輸出電流與輸出無功功率直接相關(guān)，即：

[I1I2=Q1Q2]" （31）

考慮到電壓不平衡度的存在，電壓電流中除正負(fù)序分量，還會輸出一定的振蕩分量。為了實現(xiàn)更好的控制效果，還需對新能源場站的有功功率振蕩進(jìn)行削減，有功振蕩分量的幅值為：

[P=（V-I+d+V+I-d）2+（V-I+q-V+I-q）2] （32）

在處理新能源場站無功電流時，考慮電流輸出對新能源場站的有功振蕩降至最低，即當(dāng)[V-I+q-V+I-q=0]時，式（32）中[P]最小，此時正負(fù)序無功電流與正負(fù)序電壓間的關(guān)系為：

[I-q1I+q1=I-q2I+q2=V-V+]" （33）

結(jié)合式（28）～式（33），令[V-V+=M]，[Q1Q2=N]，可求解得到各新能源場站的無功參考電流分別為：

[I+refq1=I+refq-I+refq2]""""" （34）

[I+refq2=I-refqM]" （35）

[I-refq1=I-refq-I-refq2] （36）

[I-refq2=I-refqN（A+2Bx1）（A+2Bx2）A+2Bx1-BN-2BNx2+"""""""""" I+refqB+（I-refq）3+2I-refqx1x2A+2Bx1-BN-2BNx2]"""""" （37）

[A=（I+refq）2+（I-refq）2B=I+refqI-refq]"""""" （38）

3 算例分析

為驗證本文所提協(xié)調(diào)控制策略在不同電壓跌落場景下的合理性，本節(jié)利用Matlab/Simulink建立圖1所示的新能源場站并網(wǎng)仿真模擬系統(tǒng)。其中，設(shè)置逆變器最大輸出電流[Ilim]=1.5 pu，相電壓運(yùn)行的最大、最小幅值[Vmax]=1.1 pu，[Vmin]=0.85 pu，額定線電壓為400 V，線路電感[Lg=4 ]mH，設(shè)定仿真運(yùn)行在0.1～0.3 s時電網(wǎng)發(fā)生不對稱故障，其余時間電網(wǎng)正常運(yùn)行。電網(wǎng)側(cè)設(shè)置不同的正、負(fù)序電壓幅值和電壓初相角以對電壓進(jìn)行評估，同時控制系統(tǒng)計算出初始正、負(fù)序無功參考電流來判定電壓跌落場景劃分的結(jié)果。正常運(yùn)行時新能源場站采用恒功率控制策略（即PQ控制），故障發(fā)生時切換為本文采用的協(xié)調(diào)控制策略，實現(xiàn)不同場景下的控制目標(biāo)。新能源場站具體仿真參數(shù)以及相關(guān)算例設(shè)置如表1～表3所示。

3.1 基于BWO算法的新能源場站功率優(yōu)化分配算例分析

針對2.2節(jié)模型，在Matlab環(huán)境下進(jìn)行仿真。第1條支路的等效電阻、電抗分別取0.2、0.05 pu；第2條支路的等效電阻、電抗分別取0.3、0.06 pu；分配系數(shù)取0.3；逆變器數(shù)量為2。分別采用BWO、天牛須（beetle antenna search，BAS）和粒子群算法（particle swarm optimization，PSO）對算例進(jìn)行仿真。BWO參數(shù)設(shè)置：鯨落概率?。?.05，0.1），平衡因子閾值[Bf=0.5]，鯨群規(guī)模為20，迭代次數(shù)為200；BAS參數(shù)設(shè)置：步長因子[c1=0.998，][c2=10，]迭代次數(shù)為200；PSO參數(shù)設(shè)置：粒子數(shù)目為10，權(quán)重因子[c1]、[c2]取1.495，慣性權(quán)重[w]取1，迭代次數(shù)為200。

由圖3可得，BWO算法具有最佳的收斂精度。相較于PSO和BAS算法，選用BWO算法優(yōu)化時，成本分別下降5.52%和6.58%，同時BWO算法收斂速度明顯優(yōu)于粒子群算法。通過仿真驗證BWO算法在該模型求解上的可行性，同時進(jìn)一步證明了BWO算法在節(jié)約成本及收斂速度的優(yōu)越性。

將上述3種算法分別運(yùn)行10次，統(tǒng)計適應(yīng)度值，經(jīng)過計算得到的適應(yīng)度值的平均值和標(biāo)準(zhǔn)值如表4所示。由表4可得，重復(fù)10次模型求解，PSO、BAS和BWO的平均適應(yīng)度分別為0.7623、0.7710和0.7202。從算法穩(wěn)定性角度看，BWO結(jié)果的標(biāo)準(zhǔn)差僅為0.008，低于其他兩種算法，表明BWO能更加穩(wěn)定地獲取目標(biāo)精度。由BWO算法結(jié)果可得，[Q1=0.93] pu；[Q2=0.32] pu；進(jìn)一步可得到參考電流關(guān)系。

3.2 不同電壓跌落場景的仿真結(jié)果

3.2.1 算例1（電壓跌落嚴(yán)重）

仿真結(jié)果如圖4所示。[t=0.1]s時，電網(wǎng)發(fā)生嚴(yán)重的電壓跌落（[V+_b]=0.52 pu，[V-_b]=0.12 pu），[t=0.3 s]時電壓恢復(fù)正常，波形圖截取[t=0～0.4]s的時段。由圖4a和圖4b可知，采用傳統(tǒng)的逆變器控制策略在電網(wǎng)發(fā)生嚴(yán)重的電壓跌落時電壓支撐能力不足，[V+]僅為0.52 pu。0.1 s切換為本文控制策略后PCC母線正序電壓提升了0.39 pu，達(dá)到0.91 pu。由于此場景下逆變器僅注入正序無功電流，故正序無功電壓得到提升，負(fù)序無功電壓[V-]保持0.12 pu不變，PCC母線三相電壓維持在0.85～1.10倍額定電壓以內(nèi)，與理論分析一致，符合電網(wǎng)運(yùn)行標(biāo)準(zhǔn)。由圖4c和圖4d可知，新能源場站輸出的三相電流分別為1.50 pu和1.16 pu，滿足在最大允許輸出電流值[Ilim]以內(nèi)，符合電流限幅的約束。

3.2.2 算例2（電壓跌落不嚴(yán)重）

仿真結(jié)果如圖5所示。t=0.1 s時，電網(wǎng)側(cè)發(fā)生不嚴(yán)重的電壓跌落（[V+_b]=0.76 pu，[V-_b]=0.23 pu），t=0.3 s時電壓恢復(fù)正常，波形圖同樣截取t=0～0.4 s的時段。由圖5a和圖5b可知，控制策略由原來的恒功率控制策略切換為本文的控制策略后，正序電壓從0.74 pu提升至0.90 pu。由于該場景下逆變器有一定容量剩余，在提升正序電壓[V+]的同時通過注入負(fù)序無功電流對不平衡度進(jìn)行改善，負(fù)序電壓[V-]由0.24 pu降至0.16 pu，PCC母線的三相電壓維持在0.85～1.10 pu之間，從而實現(xiàn)了電壓支撐的控制目標(biāo)。由圖5c和圖5d可知，各新能源場站輸出的三相電流同樣在最大允許輸出電流值[Ilim]以內(nèi)，確保逆變器的安全運(yùn)行，符合電流限幅的約束。

為驗證削減有功振蕩的效果，[t=0.1～0.2 s]和[t=0.2～0.3 s]控制系統(tǒng)分別采用PQ控制策略和本文控制策略，從圖6可看出有功振蕩幅值由原來的0.16 pu降至0.08 pu，與理論分析結(jié)果一致。

4 結(jié) 論

針對新能源場站在電網(wǎng)發(fā)生不對稱故障時會出現(xiàn)電壓跌落不平衡、電流越限等問題，本文提出一種不對稱故障下新能源場站間主動電壓支撐協(xié)調(diào)控制策略，可有效提升并網(wǎng)點的電壓水平，具體結(jié)論如下：

1）所提出的無功協(xié)調(diào)控制策略以提升并網(wǎng)點電壓為目標(biāo)，以逆變器電流限幅和相電壓幅值不越限為約束條件，使其能最大限度地利用逆變器容量支撐并網(wǎng)點的正序電壓，同時降低負(fù)序電壓，以改善電壓的不平衡度。

2）利用電壓跌落場景區(qū)分的方法，引入BWO算法實現(xiàn)對新能源場站功率的優(yōu)化配置，通過對不同電壓跌落場景的算例進(jìn)行研究，仿真結(jié)果驗證在不同場景下都能使并網(wǎng)點電壓提升至0.85 pu，達(dá)到低電壓穿越的要求。

［參考文獻(xiàn)］

［1］"""" 隋欣， 魏毅， 羅小林， 等. 面向“雙碳”目標(biāo)的脆弱區(qū)域生態(tài)光伏模式研究［J］. 太陽能學(xué)報， 2022， 43（7）： 56-63.

SUI X， WEI Y， LUO X L， et al. Emergence of a new pattern"" of"" ecological"" solar"" photovoltaics（ECO-PV）in ecologically fragile areas driven by carbon peak and neutrality targets in China［J］. Acta energiae solaris sinica， 2022， 43（7）： 56-63.

［2］"""" 王祺， 秦文萍， 張宇， 等. 不平衡工況下新能源并網(wǎng)變換器韌性分析及優(yōu)化控制［J］. 電網(wǎng)技術(shù)， 2020， 44（11）： 4337-4346.

WANG Q， QIN W P， ZHANG Y， et al. Toughness analysis and optimal control of renewable energy grid-connected converters under unbalanced voltage condition［J］. Power system technology， 2020， 44（11）： 4337-4346.

［3］"""" 王京保， 李輝， 張娟. 電網(wǎng)電壓不平衡時光伏并網(wǎng)逆變器低電壓穿越技術(shù)［J］. 電力系統(tǒng)及其自動化學(xué)報， 2016， 28（11）： 111-116.

WANG J B， LI H， ZHANG J. Research on low-voltage ride-through of grid-connected photovoltaic inverter under unbalanced grid voltage conditions［J］. Proceedings of the CSU-EPSA， 2016， 28（11）： 111-116.

［4］"""" 郭小強(qiáng)， 劉文釗， 王寶誠， 等. 光伏并網(wǎng)逆變器不平衡故障穿越限流控制策略［J］. 中國電機(jī)工程學(xué)報， 2015， 35（20）： 5155-5162.

GUO X Q， LIU W Z， WANG B C， et al. Fault ride through control of PV grid-connected inverter with current-limited capability under unbalanced grid voltage conditions［J］. Proceedings of the CSEE， 2015， 35（20）： 5155-5162.

［5］"""" CASTILLA M， MIRET J， CAMACHO A， et al. Coordinated reactive power control for static synchronous compensators" under" unbalanced" voltage" sags［C］//2012 IEEE International Symposium on Industrial Electronics. Hangzhou， China， 2012： 987-992.

［6］"""" 孫華東， 徐式蘊(yùn)， 許濤， 等. 新能源多場站短路比定義及指標(biāo)［J］. 中國電機(jī)工程學(xué)報， 2021， 41（2）： 497-506.

SUN H D， XU S Y， XU T， et al. Definition and index of short circuit ratio for multiple renewable energy stations［J］. Proceedings of the CSEE， 2021， 41（2）： 497-506.

［7］"""" 郭文明， 牟龍華. 考慮靈活控制策略及電流限幅的逆變型分布式電源故障模型［J］. 中國電機(jī)工程學(xué)報， 2015， 35（24）： 6359-6367.

GUO" W" M，" MU" L" H." Fault" model" of" inverter-based distributed generator considering flexible control strategy and"" current"" limitation［J］."" Proceedings" of" the"" CSEE， 2015， 35（24）： 6359-6367.

［8］"""" GUO W M， MU L H， ZHANG X. Fault models of inverter-interfaced"" distributed"" generators"" within"" a"" low-voltage microgrid［J］. IEEE transactions on power delivery， 2017， 32（1）： 453-461.

［9］"""" 張冶， 蔡穎凱， 曹世龍， 等. 多逆變器并聯(lián)系統(tǒng)輸出電壓不平衡度補(bǔ)償策略［J］. 電力電子技術(shù)， 2021， 55（6）： 95-98， 103.

ZHANG Y， CAI Y K， CAO S L， et al. A strategy of voltage unbalance degree compensation strategy of multi-inverter parallel system［J］. Power electronics， 2021， 55（6）： 95-98， 103.

［10］""" CHEN H C， LEE C T， CHENG P T， et al. A low-voltage ride-through technique for grid-connected converters with reduced power transistors stress［J］. IEEE transactions on power electronics， 2016， 31（12）： 8562-8571.

［11］""" CAMACHO A， CASTILLA M， MIRET J， et al. Reactive power control for distributed generation power plants to comply" with" voltage" limits" during" grid" faults［J］. IEEE transactions on power electronics， 2014， 29（11）： 6224-6234.

［12］""" ALT?N M， G?KSU ?， TEODORESCU R， et al. Overview of recent grid codes for wind power integration［C］//2010 12th International Conference on Optimization of Electrical and Electronic Equipment， Brasov， Romania， 2010： 1152-1160.

［13］""" ZHONG C T， LI G， MENG Z. Beluga whale optimization： a""" novel""" nature-inspired""" metaheuristic""" algorithm［J］. Knowledge-based systems， 2022， 251： 109215.

［14］""" 劉新東， 郭容， 張建芬， 等. 計及風(fēng)力發(fā)電的配電網(wǎng)電壓穩(wěn)定性評估框架研究［J］. 電力系統(tǒng)保護(hù)與控制， 2013， 41（17）： 77-81.

LIU X D， GUO R， ZHANG J F， et al. Voltage stability assessment frame for distribution network with wind farms［J］. Power system protection and control， 2013， 41（17）： 77-81.

ACTIVE VOLTAGE SUPPORT COORDINATION CONTROL STRATEGY BETWEEN NEW ENERGY FIELD STATIONS UNDER FAILURE

Wang Yezhengwu1，Ji Liang1，Chang Xiao2，F(xiàn)an Rui2，Li Huipeng2，Hong Qiteng3

（1. School of Electrical Engineering， Shanghai University of Electric Power， Shanghai 200090， China；

2. Electric Power Research Institute of State Grid Shanxi Electric Power Company， Taiyuan 030001， China；

3. University of Strathclyde， Glasgow G11EX， UK）

Abstract：To address the operational risks such as voltage dips and current crossing limits that may occur in inverter-type new energy field stations when asymmetric faults occur in the grid， this paper proposes an inter-station coordination control strategy for voltage dip scenarios， which can effectively realize the active voltage support of multiple new energy sites to the Point of Common Coupling （PCC） under fault. Firstly， based on the output characteristics of the inverter control system， the voltage support principle under asymmetric fault is analyzed. Secondly， in order to solve the configuration problem of the output current among the new energy sites， Beluga Whale Optimization （BWO） algorithm is introduced to optimize the power of the sites， and the corresponding reference current is derived on this basis. Finally， the voltage dip scenarios are distinguished， and different reference currents are injected by the inverters in the respective scenarios to realize multiple control objectives such as voltage support， current limiting， and improvement of unbalance at the parallel network. The grid-connected operation system with inverter-based new energy field stations is built in Matlab/Simulink simulation platform， and the system simulation results verify the effectiveness of the proposed control strategy.

Keywords：new energy； voltage support； unbalance degree； coordinate control strategy； power optimization； scene differentiation