[論文レビュー] Decentralized Data-Enabled Predictive Control for Power System Oscillation Damping

Linbin Huang, Jeremy Coulson+2 more|arXiv (Cornell University)|Nov 27, 2019

Power System Optimization and Stability参考文献 47被引用数 13

ひとこと要約

本稿は、VSC-HVDC駅からの測定された入出力データのみを用いて、詳細なシステムモデルを必要としない分散型データ駆動予測制御（DeePC）フレームワークを、電力系統における広域振動制御に提案する。Min-Max DeePCアルゴリズムにより、ノイズ、遅延、不確実性が存在する状況でも、ロバストで分散型かつリアルタイムな制御が可能となり、性能が向上する。四エリア系の高精度なシミュレーションにより検証され、k=16における解法時間は0.44秒である。

ABSTRACT

We employ a novel data-enabled predictive control (DeePC) algorithm in voltage source converter (VSC) based high-voltage DC (HVDC) stations to perform safe and optimal wide-area control for power system oscillation damping. Conventional optimal wide-area control is model-based. However, in practice detailed and accurate parametric power system models are rarely available. In contrast, the DeePC algorithm uses only input/output data measured from the unknown system to predict the future trajectories and calculate the optimal control policy. We showcase that the DeePC algorithm can effectively attenuate inter-area oscillations even in the presence of measurement noise, communication delays, nonlinear loads and uncertain load fluctuations. We investigate the performance under different matrix structures as data-driven predictors. Furthermore, we derive a novel Min-Max DeePC algorithm to be applied independently in multiple VSC-HVDC stations to mitigate inter-area oscillations, which enables decentralized and robust optimal wide-area control. Further, we discuss how to relieve the computational burden of the Min-Max DeePC by reducing the dimension of prediction uncertainty and how to leverage disturbance feedback to reduce the conservativeness of robustification. We illustrate our results with high-fidelity, nonlinear, and noisy simulations of a four-area test system.

研究の動機と目的

• パrametricなシステムモデルが利用できない場合に生じるモデルベースの広域制御の限界を是正する。具体的には、パrameterの不確実性、未知の装置制御則、動的変化するグリッド構造が原因で、正確なシステムモデルが得られないことが問題である。
• VSC-HVDC駅からの入出力測定値のみを活用するデータ駆動型制御手法を開発し、パラメトリックなシステムモデルに依存せずに、システムの挙動を予測し、最適な制御入力を計算する。
• 将来の不確実な摂動を考慮したMin-Max DeePCアルゴリズムを導入することで、不確実性に強く、分散型かつリアルタイムな広域減衰制御を実現する。
• 予測時間窓における次元削減技術と摂動フィードバックを導入することで、ロバスト制御における計算負荷と過剰な保守性を低減する。

提案手法

• DeePCアルゴリズムは、測定された入出力軌道から構築されたデータハンケル行列を用い、システムの挙動をデータ中心的・非パrametricな方法で表現することで、システム同定を必要とせずに将来の軌道を予測可能となる。
• Min-Max DeePC定式化では、最悪ケースの摂動不確実性を最適化に組み込み、将来の摂動に対してロバストであると同時に、複数のVSC-HVDC駅における分散型実装を可能にする。
• ノイズフィルタリングは、データハンケル行列に対する特異値分解（SVD）を用いて実施され、測定ノイズの下でも予測精度を向上させる。
• 摂動フィードバック（DF）ポリシーを導入することで、ロバスト最適化にフィードバック効果を組み込み、保守性を低減し、性能劣化を伴わずにより長い予測時間窓を実現可能にする。
• ロバスト最適化問題はYALMIPツールボックスを用いて解かれており、制御時間窓k=16で、標準ハードウェア上での解法時間は約0.44秒であり、リアルタイム実装が可能である。
• 本フレームワークは、VSC-HVDC駅と非線形負荷を備えた、高精度で非線形的かつノイズの混入した四エリア電力系統テストケースを用いて検証された。

Figure 1: One-line diagram of a four-area test system with integration of an HVDC link.

実験結果

リサーチクエスチョン

• RQ1 パラメトリックなシステムモデルを必要としないデータ駆動型制御手法は、電力系統におけるエリア間振動を効果的に減衰させることができるか？
• RQ2 通信遅延、測定ノイズ、負荷変動の下で、Min-Max DeePCの性能は標準DeePCと比べてどの程度優れているか？
• RQ3 未知の将来の摂動が存在する状況において、摂動フィードバックはロバスト制御の保守性をどの程度低減できるか？
• RQ4 Min-Max DeePCをリアルタイムで実装する計算上の可能性は何か？また、次元削減はそのスケーラビリティにどのように影響するか？
• RQ5 DeePCの分散型実装は、中央集権的制御器が存在しない状況でも、システム全体の減衰性能を維持できるか？

主な発見

• Min-Max DeePCアルゴリズムは、長時間窓（k=16）において、標準DeePCよりも顕著に高い減衰比を達成する。DF Min-Max DeePCはk=24においても高い性能を維持するが、標準Min-Max DeePCは振動を完全に抑制できない。
• 摂動フィードバックポリシーにより保守性が低減され、より長い予測時間窓が可能となり、性能劣化なしにロバスト性が向上することが実証された。k=22を超える時間窓においても、高い減衰比が継続的に維持された。
• Intel Core i5 7200U CPU（8GB RAM）上でのロバスト最適化問題の解法時間は約0.44秒であり、k≥22においてリアルタイム実装が可能であることが確認された。
• データハンケル行列に対するSVDを用いたノイズフィルタリングにより、測定ノイズの下でも予測精度と減衰性能が顕著に向上した。
• 分散型Min-Max DeePCフレームワークは、四エリアすべてにおいてエリア間振動を効果的に抑制し、中央集権的連携なしにスケーラビリティと信頼性を示した。
• 非線形負荷、負荷の変動、通信遅延の下でも、フレームワークはロバストな性能を維持した。これは、実世界の電力系統への実用的適用可能性を裏付けている。

Figure 2: Centralized wide-area control based on DeePC.