[논문 리뷰] Data-Enabled Predictive Control for Grid-Connected Power Converters

Linbin Huang, Jeremy Coulson외 2명|arXiv (Cornell University)|2019. 03. 18.

Microgrid Control and Optimization참고 문헌 23인용 수 5

한 줄 요약

이 논문은 시스템 모델이 필요 없는 입력/출력 데이터에만 의존하는 새로운 데이터 기반 예측 제어 알고리즘인 데이터 기반 예측 제어(DeePC)를 사용하여 격자 연계형 파wr 컨버터에 대한 데이터 기반 예측 제어 방법을 제안한다. DeePC의 고차원 시스템에서의 확장성 문제를 해결하기 위해, 순차적 예측 오차 방법(PEM)을 통해 식별된 N단계 ARMA 모델을 사용하는 유한 시간 영역 출력 기반 모델 예측 제어(MPC) 방법을 도입하여, VSC-HVDC로 연결된 이중 지역 전력 시스템에서 저주파수 간섭 진동을 효과적으로 억제한다.

ABSTRACT

We apply a novel data-enabled predictive control (DeePC) algorithm in grid-connected power converters to perform safe and optimal control. Rather than a model, the DeePC algorithm solely needs input/output data measured from the unknown system to predict future trajectories. We show that the DeePC can eliminate undesired oscillations in a grid-connected power converter and stabilize an unstable system. However, the DeePC algorithm may suffer from poor scalability when applied in high-order systems. To this end, we present a finite-horizon output-based model predictive control (MPC) for grid-connected power converters, which uses an N-step auto-regressive-moving-average (ARMA) model for system representation. The ARMA model is identified via an N-step prediction error method (PEM) in a recursive way. We investigate the connection between the DeePC and the concatenated PEM-MPC method, and then analytically and numerically compare their closed-loop performance. Moreover, the PEM-MPC is applied in a voltage source converter based HVDC station which is connected to a two-area power system so as to eliminate low-frequency oscillations. All of our results are illustrated with high-fidelity, nonlinear, and noisy simulations.

연구 동기 및 목표

• 불안정한 격자 조건에서 전력 컨버터의 불안정성과 진동을 해결하고자 하며, 기존의 모델 기반 제어 방법이 시스템 동역학이 불확실하거나 알려지지 않은 경우에 실패하는 데 기인한다.
• 특히 시스템 파rameter가 알려지지 않거나 시간에 따라 변하는 경우, 고차원 시스템에서의 모델 기반 제어의 한계를 극복하고자 한다.
• 오직 측정된 입력/출력 데이터만을 사용하여 최적화되고 안전한 전력 컨버터 조절을 가능하게 하는 확장 가능한 데이터 기반 제어 프레임워크를 개발하고자 한다.
• 최적성과 계산 확장성 간의 상충 관계를 평가하기 위해 DeePC의 성능을 제안된 PEM-MPC 방법과 비교하고자 한다.
• 다수의 동기 발전기로 구성된 실제 고차원 전력 시스템에서 PEM-MPC 방법이 저주파수 간섭 진동을 얼마나 효과적으로 억제하는지 실증하고자 한다.

제안 방법

• 입력/출력 궤적에서 구성된 데이터 헨켈 행렬을 사용하여 시스템 동역학을 비모수적 방식으로 표현함으로써, 모델이 없는 예측 제어를 가능하게 하는 DeePC 알고리즘을 적용한다.
• 모수적 시스템 모델이 필요 없이 입력 및 출력 제약 조건을 포함하는 수축 시간 영역 최적 조절 문제를 DeePC 프레임워크를 기반으로 수립한다.
• 알 수 없는 시스템을 N단계 ARMA 모델로 모델링하는 유한 시간 영역 출력 기반 MPC 방법을 제안하며, 이 모델은 순차적 최소 제곱 예측 오차 방법(PEM)을 통해 식별된다.
• 고차원 시스템에서의 확장성을 향상시키기 위해 PEM을 순차적으로 구현하여 온라인 시스템 식별 및 실시간 제어기 적응을 가능하게 한다.
• 시스템 식별과 제어를 순차적으로 통합한 연결된 PEM-MPC 프레임워크를 구축하여 대규모 전력 시스템에서 실시간 구현을 가능하게 한다.
• 입력 및 출력으로서 VSC-HVDC 지점의 측정 신호—특히 d축 및 q축 전류 참조값, 직류 전압, 전력선 유입 활동 전력—을 사용하여 제어 및 식별를 수행한다.

실험 결과

연구 질문

• RQ1 DeePC는 시스템 모델에 의존하지 않고 불안정한 격자 연계형 전력 컨버터를 안정화하고 원치 않는 진동을 억제할 수 있는가?
• RQ2 최적 조절 비용과 내성 면에서 DeePC는 모델 기반 PEM-MPC 방법과 비교해 어떻게 성능가능한가?
• RQ3 다수의 동기 발전기를 포함한 고차원 전력 시스템에서 PEM-MPC 방법이 저주파수 간섭 진동을 어느 정도 억제할 수 있는가?
• RQ4 예측 시간 영역(N)과 초기 데이터 길이(Tini)의 선택이 PEM-MPC의 실시간 운영에서 성능과 안정성에 어떤 영향을 미치는가?
• RQ5 PEM-MPC 방법은 고차원이고 부분적으로 알려지지 않은 전력 시스템에서 순차적으로 구현되고 효과적으로 확장될 수 있는가?

주요 결과

• DeePC는 시스템 모델 없이도 오직 입력/출력 데이터만을 사용하여 불안정한 시스템을 안정화시키고 전력 컨버터의 진동을 제거하는 데 성공한다.
• Lemma 3.2에서 공식적으로 증명된 바와 같이, 비모수적 데이터 중심 표현 덕분에 DeePC는 PEM-MPC보다 최적 조절 비용 측면에서 유의미하게 뛰어나다.
• VSC-HVDC 지점의 시뮬레이션 결과에 따르면, PEM-MPC 방법은 네 대의 동기 발전기를 포함한 이중 지역 전력 시스템에서 저주파수 간섭 진동을 효과적으로 감쇠시킨다.
• Tini = 50 및 N = 80일 때, PEM-MPC는 거의 최소의 시간 도메인 비용을 달성하여 식별된 ARMA 모델이 시스템 동역학을 잘 표현하고 있음을 시사한다.
• Tini = 5 및 N = 10으로 감소시켜도 PEM-MPC는 여전히 진동을 억제하지만, 모델 불일치로 인해 약간의 잔여 진동이 발생한다.
• Tini가 5에서 50으로 증가함에 따라 시간 도메인 비용이 크게 감소하지만, Tini를 더 증가시켜도 성능 향상이 미미하여 Tini = 50에서 충분한 모델 표현이 이루어졌음을 시사한다.