欢迎来到本博客❤️❤️博主优势博客内容尽量做到思维缜密逻辑清晰为了方便读者。完整资源、论文复现、期刊合作、论文辅导及科研仿真定制事宜点击本文完整资源下载⛳️座右铭行百里者半于九十。⛳️赠与读者做科研涉及到一个深在的思想系统需要科研者逻辑缜密踏实认真但是不能只是努力很多时候借力比努力更重要然后还要有仰望星空的创新点和启发点。建议读者按目录次序逐一浏览免得骤然跌入幽暗的迷宫找不到来时的路它不足为你揭示全部问题的答案但若能解答你胸中升起的一朵朵疑云也未尝不会酿成晚霞斑斓的别一番景致万一它给你带来了一场精神世界的苦雨那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。或许雨过云收神驰的天地更清朗.......第一部分——内容介绍摘要随着新能源发电、高压直流输电和电力电子装备的大规模接入现代电力系统正呈现出显著的“电力电子化”特征。电压源换流器具有控制灵活、响应迅速、可连接异步电网等优点但其高带宽闭环控制会与电网阻抗、线路分布参数以及其他换流器控制环发生高频交互进而引发谐波谐振、次同步振荡和高频振荡等问题。传统白盒建模虽然物理意义明确但需要掌握变换器内部全部参数且状态维数高、仿真耗时长难以适用于厂商保密或大规模互联场景。本文以两端 HVDC 系统为研究对象首先在 PSCAD 中建立基于平均模型的 VSC 与 HVDC 传输线模型并设计 dq 坐标系下的有功/无功功率双环控制。随后构造 AC 与 DC 频率扫描模块通过注入小信号正弦电压扰动测量稳态电流响应利用快速傅里叶变换提取端口导纳。进一步地在 MATLAB 中建立白盒状态空间模型作为黑盒模型的对照并采用广义奈奎斯特判据与特征值分解分析系统稳定性与振荡模式。结果表明黑盒建模能够在未知换流器内部结构的情况下有效刻画其高频端口动态为复杂电力电子系统的稳定性评估提供了一种高效、可扩展的分析路径。关键词高频建模电力电子变换器黑盒建模频率扫描dq 坐标系导纳矩阵广义奈奎斯特判据参与因子HVDC1. 引言1.1 研究背景电力电子变换器已成为现代能源系统的核心装备广泛应用于可再生能源并网、高压直流输电、电动汽车、高速列车和工业自动化等领域。随着碳化硅和氮化镓等宽禁带器件的成熟变换器开关频率不断提高系统带宽随之扩展其动态行为不再局限于工频附近而是延伸到数百赫兹甚至数千赫兹的高频段。在高频段变换器端口特性不再仅由主电路决定还受到以下因素影响开关器件的寄生电容与寄生电感、死区效应与开关延迟、采样保持与数字控制延迟、锁相环动态、电流环与电压环带宽、滤波器谐振以及多换流器之间的阻抗耦合。这些因素使得高频建模变得复杂。若采用传统白盒方法需要对每个元件建立详细模型并形成高阶状态空间方程。对于两端 HVDC 系统单个换流站可能包含十余个状态当系统扩展到多端 HVDC 或含多个新能源场站时状态维数迅速增加计算负担显著上升。1.2 黑盒建模的意义黑盒建模不依赖系统内部结构只根据端口输入-输出关系建立等效模型。对于高频电力电子系统最自然的黑盒描述是导纳矩阵其中每个元素表示某一 dq 轴电压扰动引起的 dq 轴电流响应。通过频率扫描可以在不同频率下测量这些导纳从而获得系统的小信号频域特性。黑盒建模的优势包括无需内部参数适用于厂商保密或黑箱设备计算效率高只需端口测量不需高阶状态空间便于互联分析可通过节点-边子系统分解研究大规模系统适合高频段频率扫描天然覆盖宽频带。1.3 本文工作本文围绕两端 HVDC 系统完成以下工作在 PSCAD 中建立两端 HVDC 平均模型设计 dq 坐标系下的电流模式双环控制构造 AC/DC 扫描模块注入小信号扰动用 Python 自动化频率扫描提取导纳用 MATLAB 建立白盒状态空间模型用广义奈奎斯特判据和特征值分解分析稳定性与振荡模式。2. 两端 HVDC 系统建模2.1 系统结构两端 HVDC 系统由两个 VSC 通过直流传输线连接。送端 VSC 作为整流器将交流电转换为直流电受端 VSC 作为逆变器将直流电再转换为交流电。其结构包括送端交流电网、受端交流电网、两个 VSC、HVDC 传输线、交流滤波器以及电网等效阻抗。为简化分析本文设两端频率均为五十赫兹但 HVDC 本身可连接不同频率的异步电网这正是其重要优势之一。2.2 开关模型VSC 采用六开关桥每相桥臂由上下两个 IGBT 与反并联二极管组成。开关模型分为两类精确模拟开关时刻的模型可分析开关损耗与电磁干扰但需要极小仿真步长平均模型在一个开关周期内取平均忽略开关纹波适合控制设计与稳定性分析。由于本文关注高频小信号动态和频率扫描采用平均模型。平均模型下交流侧动态由滤波电感电流、输出电流、换流器控制电压、并网点电压和电网电压之间的关系描述。直流侧则由等效电容、直流电压、直流功率和直流线路电流之间的关系描述。对于两端 HVDC直流侧动态可简化为两个方程分别对应整流侧和逆变侧。2.3 直流侧动态直流侧电容动态描述了直流电压与直流功率、直流线路电流之间的关系。该方程在两端 HVDC 中可写为两个独立方程分别描述整流侧和逆变侧的直流电压变化。直流电压的稳定对于功率传输至关重要因此闭环控制中通常包含直流电压外环。3. dq 坐标系与闭环控制3.1 坐标变换三相对称量在 abc 坐标系下为时变量。通过 Clarke 变换得到两相静止坐标系再通过 Park 变换得到 dq0 旋转坐标系。在 dq 坐标系下基波正弦量变为直流量便于 PI 控制器实现无静差跟踪。通常令 d 轴与电网电压矢量对齐则有功分量对应 d 轴无功分量对应 q 轴。dq 坐标系的引入不仅简化了控制器设计还使得三相系统的功率控制可以解耦为两个独立的直流量控制问题。这种解耦特性是电流模式控制能够实现快速功率跟踪的基础。3.2 电流模式控制与电压模式控制电压模式控制通过调节 VSC 交流侧电压相对并网点电压的相位和幅值来控制功率。其优点是功率近似解耦但缺点是没有直接控制线路电流无法限制过流。电流模式控制通过调节 VSC 线路电流相对并网点电压的相位和幅值来控制功率。其内环为电流环外环为功率环。由于电流环带宽高系统动态响应快且具备过流保护能力因此本文采用电流模式控制。3.3 双环控制结构外环输入为有功功率参考和无功功率参考反馈为实际功率控制器为 PI输出为内环电流参考。内环输入为电流参考与实际电流控制器为 PI输出为换流器控制电压再经 PWM 生成开关信号。外环响应较慢因为功率变化相对平缓内环响应较快因为电流需要快速跟踪参考值。这种双环结构兼顾了功率跟踪精度和电流动态性能。3.4 锁相环锁相环用于同步 VSC 输出电压与电网电压其结构包括鉴相器、环路滤波器和压控振荡器。鉴相器检测相位差环路滤波器滤除高频噪声压控振荡器生成同步相位角。锁相环动态会影响 dq 坐标系下的小信号导纳尤其在高频段。若锁相环带宽过高可能引入额外相位滞后影响系统稳定性若带宽过低则同步速度慢动态响应差。4. 白盒建模与状态空间模型白盒建模从电路方程出发建立状态空间模型。状态向量包含滤波器输出电流和电压、电感电流、控制器积分误差、锁相环相位和直流电压。输入向量包含有功功率参考和直流电压参考。白盒模型的优点是物理意义明确、精度高缺点是状态维数高、计算量大、需要内部参数。对于单个换流站状态数约为十余个其中包含控制器状态、交流系统动态状态和滤波器动态状态。当系统规模扩大时状态维数迅速增加因此需要更高效的黑盒建模方法。白盒模型在本文中主要作为对照用于验证黑盒模型的准确性并帮助理解系统稳定性问题的根源。通过白盒模型可以分析各状态变量对振荡模式的参与程度从而定位关键元件。5. 黑盒建模与频率扫描5.1 黑盒思想黑盒建模将变换器视为端口网络只关心端口电压扰动与电流响应之间的关系。对交流侧在 dq 坐标系下导纳矩阵包含四个元素分别描述 d 轴和 q 轴电压扰动引起的 d 轴和 q 轴电流响应。对直流侧导纳为标量或二阶矩阵。黑盒建模的核心假设是系统在稳态工作点附近的小信号线性化。因此注入的扰动幅值必须足够小以保证系统仍处于线性区域。同时扰动频率需要覆盖感兴趣的频段以捕获所有可能的谐振模式。5.2 频率扫描流程频率扫描步骤如下首先在 PSCAD 中搭建两端 HVDC 系统然后在交流侧和直流侧分别放置扫描模块接着用 Python 自动调用 PSCAD对每个频率注入小信号正弦电压扰动等待系统进入稳态用快速傅里叶变换提取该频率下的电流响应幅值和相位计算导纳扫描频率范围通常为几赫兹到一千赫兹共数百个频点最后将导纳幅值和相位绘制成 Bode 图。5.3 扫描结果分析直流地侧导纳呈现明显谐振峰说明在某一频率附近存在弱阻尼谐振。交流地侧导纳在 dq 耦合下呈现四个通道不同特性其中 d 轴和 q 轴主导耦合项反映交叠影响。换流器侧导纳因稳态快照时刻不完美而出现一定偏差但整体趋势与地侧一致。频率扫描的精度受多种因素影响扰动幅值过大会引入非线性过小则信噪比不足稳态等待时间过短会导致响应未完全稳定过长则增加仿真时间频率分辨率过低会遗漏窄带谐振过高则增加计算量。因此需要在精度和效率之间权衡。6. 稳定性分析广义奈奎斯特与特征值分解6.1 节点-边子系统分解将现代电力系统划分为节点子系统和边子系统。节点子系统包含电网、新能源、换流器等内部未知用黑盒导纳表示边子系统包含输电线路、变压器等参数已知用导纳表示。构造两个传递函数分别用于广义奈奎斯特判据和特征值分解。节点-边分解的思想是将复杂系统拆分为已知部分和未知部分从而降低分析难度。已知部分可以用详细模型描述未知部分则用黑盒导纳描述。两者结合后可以分析整个系统的稳定性。6.2 振荡模式识别对传递函数做特征值分解每个特征值对应一个振荡模式。若某个频率下特征值幅值出现尖峰说明该频率存在弱阻尼振荡模式。通过分析特征值随频率的变化可以识别系统的谐振频率和阻尼特性。振荡模式识别对于定位系统薄弱环节至关重要。若某一频率下特征值幅值远高于其他频率说明该频率附近存在接近临界稳定的模式需要重点关注。6.3 参与因子参与因子定义为特征值对导纳元素的偏导数也可写为左右特征向量的乘积。参与因子越大说明第某个状态变量对某个振荡模式影响越大。若某元件参与因子高说明该元件是振荡主要参与者若多个元件参与因子都高则说明是全局振荡。参与因子分析可以帮助工程师定位振荡源从而采取针对性措施如调整控制器参数、增加阻尼滤波器或改变电网结构。7. 仿真结果与讨论7.1 有功/无功功率控制仿真结果显示有功功率实际值能够跟踪参考值无功功率实际值也能跟踪参考值响应具有一阶系统特征符合 PI 控制初始暂态后误差趋于零。这表明双环控制结构能够有效实现功率跟踪。7.2 白盒模型 Nyquist 与振荡模式白盒模型 Nyquist 图中特征值轨迹围绕临界点的情况决定稳定性。振荡模式图中某些频率出现尖峰对应弱阻尼模式。通过白盒模型可以验证黑盒模型的准确性并深入理解系统稳定性问题的根源。7.3 黑盒 Bode 图直流地侧导纳呈现明显谐振峰交流地侧导纳在 dq 耦合下呈现四个通道不同特性。换流器侧导纳因稳态快照问题有偏差但整体趋势与地侧一致。黑盒 Bode 图能够有效反映系统高频动态为稳定性分析提供依据。7.4 讨论黑盒建模的优势在于不需要内部参数适合高频段便于互联系统分析可与广义奈奎斯特判据和参与因子结合。其局限性在于需要精确的频率扫描稳态快照时刻影响精度非线性强时小信号假设可能失效需要后处理拟合传递函数。因此黑盒建模并非万能而是在特定场景下的一种高效替代方案。对于内部参数已知的系统白盒建模仍然是最准确的方法对于内部参数未知或系统规模庞大的场景黑盒建模则更具优势。8. 结论与未来工作8.1 结论本文以两端 HVDC 系统为例完成了从白盒建模到黑盒建模的完整分析流程。主要结论如下dq 坐标系下的电流模式双环控制能够实现有功/无功功率的快速跟踪频率扫描可以提取交流/直流侧导纳形成黑盒模型黑盒模型能够反映系统高频谐振特性广义奈奎斯特判据和特征值分解可用于稳定性评估与振荡模式识别黑盒建模在未知内部参数场景下具有显著优势。8.2 未来工作未来可从以下方向扩展将黑盒建模扩展到多端 HVDC 和新能源场站结合广义奈奎斯特判据和参与因子实现自动稳定性评估研究非线性更强时的小信号建模开发更高效的频率扫描与传递函数拟合算法将黑盒模型用于滤波器优化和控制器设计。此外还可以探索黑盒建模在电气能源枢纽、微电网和电动汽车充电网络中的应用并结合人工智能方法提高建模效率和精度。9. 总结本文围绕“电力电子变换器高频黑盒建模”这一主题以两端 HVDC 系统为载体系统梳理了从 PSCAD 时域仿真、dq 闭环控制、频率扫描、导纳提取到 MATLAB 白盒状态空间建模、广义奈奎斯特判据和特征值分解的完整技术路线。黑盒建模的核心价值在于在不依赖变换器内部参数的前提下通过端口频率响应刻画其高频动态为大规模电力电子系统的稳定性分析、滤波器优化和控制器设计提供了一种高效、可扩展的工程方法。随着电力系统电力电子化程度不断提高黑盒建模将发挥越来越重要的作用。它不仅是学术研究的有力工具也是工程实践中解决实际问题的有效手段。未来黑盒建模有望与人工智能、数字孪生和实时仿真等技术深度融合为新型电力系统的安全稳定运行提供更强有力的支撑。第二部分——运行结果部分代码% Nyquist plotfigure(Name,Nyquist)plot(real(lambdas(2,:)),imag(lambdas(2,:)),m,LineWidth,2);hold onplot(real(lambdas(1,:)),imag(lambdas(1,:)),b,LineWidth,2)plot(-1,0,kx,MarkerSize,10,LineWidth,1);grid onplot(cos(-pi:1e-3:pi),sin(-pi:1e-3:pi),k--,Linewidth,1)plot(real(lambdas(2,:)),-imag(lambdas(2,:)),m,LineWidth,2);hold onplot(real(lambdas(1,:)),-imag(lambdas(1,:)),b,LineWidth,2)sgtitle(strcat(Nyquist Plot: VSC grid equivalent with $|Z_g| $ ,num2str(sqrt(r_g^2(l_g-1/c_g)^2),%.2f), pu))xlabel($\Re\{\lambda\}$]);ylabel($\Im\{\lambda\}$)legend($\lambda_\mathrm{1}$,$\lambda_\mathrm{2}$,$(-1,0j)$,interpreter,latex,NumColumns,1)axes(position,[.50 .2 .35 .3]);box onplot(real(lambdas(2,:)),imag(lambdas(2,:)),m);hold on;grid onplot(real(lambdas(2,:)),-imag(lambdas(2,:)),m)plot(real(lambdas(1,:)),imag(lambdas(1,:)),b)plot(real(lambdas(1,:)),-imag(lambdas(1,:)),b)plot(-1,0,kx)plot(cos(-pi:1e-3:pi),sin(-pi:1e-3:pi),k--,Linewidth,1)xlim([-2 2]);ylim([-2 2]);xticks(-2:1:2);yticks(-2:1:2)title(Detail around the unit circle)set(gcf,position,[50,50,800,720])%% Oscillation mode identification via EVD% Very low damped modes appear as high-magnitude eigenvalue peaksevd zeros(2,points); % Array of closed-loop eigenvalues over the frequencyfor k 1:pointsEk eig(inv(Z(:,:,k)) Y(:,:,k));if k 1% It compares the current vector of eigenvalues to the vector of% eigenvalues at the previous frequency. If the flipped current one% is closer to the prior than the unflipped, use the flipped.% Otherwise, use the unflipped. A more general approach is to use% eigenshuffle()if norm(Ek-evd(:,k-1), Inf) norm(flip(Ek)-evd(:,k-1), Inf)Ek flip(Ek);endendevd(:,k) Ek;endtoc% Plot the EVDfigure(Name,EVD)hold on; box on; grid ontitle(Oscillation mode identification,interpreter,latex);set(gca,xScale, log);set(gca,yScale, log);xlabel(Frequency [Hz]);ylabel($$|\lambda_i(\mathbf{Z}_{Closed-loop})|$$ [pu])set(gcf,Units,centimeters,position,[15,5,25,10])plot(freq,1./abs(evd(1,:)),b-,LineWidth,2);hold onplot(freq,1./abs(evd(2,:)),r-,LineWidth,2);hold onxlim([min(freq),max(freq)]);legend($|\lambda_\mathrm{1}|$,$|\lambda_\mathrm{2}|$,interpreter,latex,NumColumns,1)grid off; grid第三部分——参考文献文章中一些内容引自网络会注明出处或引用为参考文献难免有未尽之处如有不妥请随时联系删除。(文章内容仅供参考具体效果以运行结果为准)第四部分——本文完整资源下载资料获取更多粉丝福利MATLAB|Simulink|Python|数据|文档等完整资源获取本文完整资源下载