[论文解读] Leveraging Data-Driven Models for Accurate Analysis of Grid-Tied Smart Inverters Dynamics

Sunil Subedi, Nischal Guruwacharya+7 more|arXiv (Cornell University)|Oct 3, 2023

Microgrid Control and OptimizationEngineering被引用 3

一句话总结

本文提出一种数据驱动的系统辨识方法，用于在换流器主导型电力系统（CDPS）中，基于商用现成（COTS）逆变器的实验数据和详细仿真模型，构建准确的、降阶的传递函数模型，以实现并网智能逆变器的建模。该方法无需了解内部控制结构，即可实现对电压-无功支撑和无功功率动态的高保真度建模，适用于稳定性分析、控制设计和电网规划。

ABSTRACT

The integration of power electronic converters (PECs) and distributed energy resources (DERs) in modern power systems has introduced dynamism and complexity. Accurate simulation becomes essential to comprehend the influence of converter domination on the power grid. This study addresses the fast-switching and stochastic behaviors exhibited by inverter-based resources in converter-dominated power systems, highlighting the necessity for precise analytical models. In the realm of modeling real-world systems, multiple methodologies exist. Notably, black-box and data-driven system identification techniques are employed to construct PEC models using experimental data, without relying on a priori knowledge of the internal system physics. This approach entails a systematic process of model class selection, parameter estimation, and model validation. While a range of linear and nonlinear model structures and estimation algorithms are at our disposal, it remains imperative to harness creativity and a profound understanding of the physical system to craft data-driven models that align seamlessly with their intended applications. These applications may encompass simulation, prediction, control, or fault detection. This report offers valuable insights into the collection of datasets from commercial off-the-shelf inverters, along with the presentation of intricate simulation models.

研究动机与目标

• 应对在换流器主导型电力系统（CDPS）中准确建模基于逆变器的资源（IBRs）日益增长的挑战，传统同步机模型已不再适用。
• 克服专有、黑箱式逆变器控制设计带来的局限，这些设计阻碍了可靠系统仿真与稳定性评估。
• 开发数据驱动模型，捕捉智能逆变器（特别是电压-无功支撑）的动态行为，而无需了解其内部控制结构或拓扑信息。
• 为电力系统规划、运行、稳定性分析和故障检测提供高保真度、计算高效的模型。
• 提供开源数据集和经验证的模型，基于真实和仿真COTS逆变器，以支持可复现的研究与工程应用。

提出的方法

• 收集来自COTS逆变器和详细模型在各种电网支撑功能（GSF）设置下的实验和仿真数据集，包括电压-无功支撑功能。
• 使用探测信号——特别是线性频率扫频（1–5 Hz）和幅度调制（0.8884–1.0884 p.u.）的chirp信号——激励系统，捕获输入-输出动态特性。
• 应用系统辨识（SysId）技术，从公共耦合点采集的电压和无功电流（Iq）数据中估计降阶传递函数。
• 通过与高保真度仿真数据对比，验证所识别模型的准确性，确保在不同运行条件下均能准确捕捉动态响应。
• 聚焦于逆变器模型的无功功率侧（RPS），隔离电压-无功功能，排除有功功率和其他控制环路。
• 使用MATLAB进行数据处理和模型拟合，从时间序列数据中提取传递函数，采样周期为100 µs，以实现高时间分辨率。

Figure 1: The graphic demonstrates the fundamental concept of SysId. The SysId approach uses input and output data to identify an unknown dynamic process. Performance is assessed using statistical measures.

实验结果

研究问题

• RQ1 数据驱动的系统辨识在多大程度上能准确捕捉具有电压-无功支撑功能的并网智能逆变器的动态行为？
• RQ2 在不掌握内部控制结构知识的前提下，数据驱动模型在多大程度上能复现详细仿真模型的行为？
• RQ3 不同电网支撑功能（GSF）设置对逆变器动态响应有何影响？这些影响如何在数据驱动模型中被准确捕捉？
• RQ4 基于真实和仿真数据推导出的降阶传递函数模型，能否在CDPS中可靠地用于电力系统稳定性与控制分析？
• RQ5 探测信号参数（频率扫频速率、幅度）的变化对所识别模型的质量和准确性有何影响？

主要发现

• 数据驱动模型能够准确复现详细仿真模型的动态响应，特别是在电压变化下无功电流（Iq）响应的捕捉方面表现优异，尤其在电压-无功支撑功能下。
• 所识别的传递函数在表征多个逆变器和负载的综合行为方面表现出高保真度，已在单相和三相低压配电网络（LVDN）配置中得到验证。
• 采用5秒扫频时间、频率增加速率为1%的chirp探测信号，成功激励了系统在相关频带（1–5 Hz）内的动态行为，实现了有效的系统辨识。
• 数据集可通过 https://data.mendeley.com/datasets/82k8x5tpkn/2 获取，包含以100 µs采样率获得的时间序列数据，MAT文件中明确标注了输入（标幺值电压）和输出（单位为A的Iq电流），适用于单相、三相及DER_A与CMLD配置。
• 基于CMLD（负载与设备综合模型）配置所推导的模型，能准确反映多个分布式能源资源（DERs）、PECs和负载的综合电压-无功响应特性。
• 该方法可在不访问内部控制逻辑的前提下，实现对逆变器动态行为的可靠建模，适用于CDPS中的电网规划、稳定性评估与控制设计。

Figure 2: Experimental setup to determine the dynamic reduced-ordered model of single-phase Fronius Symo inverter operated in Volt-VAr mode. The inverter is probed through a Puissance Plus Power Amplifier unit controlled through an Opal-RTDS.