特高壓直流輸電系統動態電壓控制策略研究

陳 浩，陳正炳

（中國南方電網有限責任公司超高壓輸電公司昆明局，云南 昆明 650000）

0 引 言

特高壓直流輸電（Ultra High Voltage Direct Current Transmission，UHVDC）系統具有獨特的技術特性，在電力系統中發揮著重要作用。該系統不僅能長距離傳輸大量電能，而且在連接異構電網、提高傳輸效率方面表現卓越。傳統的電壓控制方法，如比例-積分-微分（Proportion-Integral-Differential，PID）控制策略和模糊邏輯控制策略，雖然在某些場景下有效，但是在面對復雜和快速變化的電網環境時，性能會受到限制。近年來，隨著人工智能技術的發展，基于人工智能的控制策略在電力系統中廣泛應用。本研究將結合傳統控制方法和人工智能技術，探索一種新型的動態電壓控制策略，以提升UHVDC 系統的性能和可靠性。

1 特高壓直流輸電系統概述

1.1 特高壓直流輸電系統組成

UHVDC系統是一種大規模電能長距離傳輸技術，可以更有效地傳輸大量電力，從而減少能量損失。該系統由換流站、輸電線路、地面設備以及控制系統等部分組成。其中，換流站位于輸電系統兩端，負責將交流電轉換為直流電（在發送端），也可將直流電轉換為交流電（在接收端）；輸電線路負責連接兩個換流站的高壓電纜或架空線路，用于直流電遠距離傳輸；地面設備包括電纜、絕緣子、塔架等，確保輸電線路物理穩定性與電氣安全性；控制系統則是UHVDC 系統的核心，負責監控與調節電力流動，確保電力傳輸穩定性[1]。

1.2 特高壓直流輸電系統運行特性

UHVDC 系統在長距離、大規模電力傳輸方面表現出色。直流輸電過程中的電抗損失較少，因此UHVDC 系統能在極長的距離上傳輸電力，同時保持極小的能量損失。直流輸電系統能避免交流系統中的同步問題，提供更加穩定、可控的電力供應。在靈活性方面，UHVDC 系統能快速響應負荷變化，滿足不同類型電網需求，且能與可再生能源結合[2]。其還具有較好的電壓控制能力，能夠有效管理跨區域電力流動，優化電網運行。

2 特高壓直流輸電系統動態電壓控制方法設計

2.1 動態電壓控制原理

在UHVDC 系統中應用動態電壓控制原理可以優化系統穩定性與效率，以應對復雜多變的電網運行條件。控制策略基于精準電壓與負荷監測，結合先進算法，實時調節電壓水平以應對電網負荷波動與外部干擾，核心原理涉及實時電壓監測、數據分析、控制決策制定與執行4 個環節[3]。在電壓監測方面，通過在關鍵節點布置高精度傳感器，實時捕獲電壓數據，包括電壓級別、波動頻率、幅度等。數據通過高速通信網絡傳輸至中央控制系統，為后續數據處理分析提供基礎。在數據分析環節，控制系統利用高級算法深度分析收集到的數據[4]。采用的算法包括機器學習、模式識別、預測建模。在控制決策制定環節，系統基于數據分析結果預設電壓穩定標準，并制定相應調節策略。例如，調整換流站運行參數時，可以控制觸發角度和開關狀態，或啟動輔助設備，如電壓穩定器與調相機。在執行環節，控制命令被傳輸至相應硬件組件，實施電壓調節，確保在不同電網運行條件下都能快速有效地穩定電壓。

2.2 現有電壓控制技術分析

2.2.1 PID 控制

在電壓控制領域，由于PID 控制器結構簡單、穩定性好、調節性能優越，廣泛應用于UHVDC 系統電壓調節[5]。PID 控制器的基本原理是根據系統偏差（即期望值與實際值之間的差異）來控制信號，信號用于調節系統以減少偏差。PID 控制器的控制信號u(t)可以表示為偏差e(t)函數，即

式中：Kp、Ki和Kd分別為比例、積分和微分項的增益系數。其t表示當前時間，τ表示在積分過程中的某個具體的時間點，在0 到t之間變化。中，比例項Kpe(t)提供與當前偏差成比例的反饋，以減少偏差，并快速響應系統變化；積分項負責消除穩態誤差，提高系統的精確度；微分項用于預測系統的未來行為，通過減少偏差變化率來抑制系統過度響應與振蕩。

在UHVDC 電系統中，PID 控制用于調節換流站操作參數，如變換器觸發角度，確保電壓在設定穩定范圍內。通過精確調整PID 控制器參數，可加快系統響應速度，以滿足不同電網條件與負荷需求。PID 控制器的性能在面對系統動態性較強或參數變化較大情況下會受到限制，因此在復雜或快速變化電網環境中，需要采取更高級的控制策略實現更優的控制性能。

2.2.2 模糊邏輯控制

在UHVDC 系統的電壓控制中，由于模糊邏輯控制對不確定性與模糊性具有高容忍度和良好適應性，得到廣泛應用。不同于傳統的PID 控制，模糊邏輯控制能更好地處理系統非線性與不確定性，特別是在電網條件快速變化時。模糊邏輯控制器的設計包括3 個主要部分，即模糊化、模糊推理、去模糊化。其中，模糊化是將準確輸入值轉換為模糊值的過程。例如，將電壓偏差量轉換為模糊集合（如低、中、高）；模糊推理是基于一組預先定義的模糊規則來處理模糊輸入的過程。規則表達為“如果……那么……”語句，如“如果電壓偏差過高，那么增加控制輸出”。推理過程涉及模糊邏輯操作（如AND、OR、NOT）與隸屬函數。隸屬函數用于定義1 個量如何屬于1 個模糊集合，通常采用三角形、梯形或高斯分布形式表示，用公式可以表示為

式中：V為模糊變量；μA(V)為隸屬函數，A為模糊集合；a、b、c分別為三角函數的左端點、頂點、右端點。

去模糊化則是將模糊推理結果轉換為精確的控制輸出過程。常用的去模糊化方法包括質心法（求模糊集合的質心位置）和最大隸屬度原則（選擇隸屬度最高的輸出）。

在UHVDC 系統中，模糊邏輯控制器可根據電壓波動、系統負荷變化等因素動態調整控制策略，從而提升電壓穩定性、系統可靠性。

2.3 新型動態電壓控制方法設計

2.3.1 基于深度學習電壓預測模型設計

在設計基于深度學習電壓預測模型時，具體步驟如下：第一，進行數據收集與預處理，包括歷史電壓數據、負載數據、天氣條件等，并對數據進行清洗、標準化或歸一化處理。第二，特征選擇，利用主成分分析（Principal Component Analysis，PCA）法確定影響電壓的關鍵因素。第三，選擇合適的深度學習模型，采用循環神經網絡（Recurrent Neural Network，RNN）處理時間序列數據。第四，確定層數、神經元數量、激活函數類型等內容。例如，長短期記憶網絡（Long Short Term Memory networks，LSTM）模型包含LSTM 層、后接全連接層、輸出層。其中輸出層用于預測電壓值，計算公式為

式中：ht-1為前一時間步的隱藏狀態；xt為當前時間步的輸入；W、U、b分別為模型參數；f(·)為激活函數。在訓練模型時，需要利用歷史數據，通過前向傳播來計算預測結果。同時，使用均方誤差（Mean Square Error，MSE）計算預測值、實際值之間的差異，并據此進行反向傳播與參數優化。一旦完成模型訓練，就將其集成到UHVDC 系統，實時接收數據并提供電壓預測，從而輔助系統制定電壓控制決策。

2.3.2 控制算法實現與優化

控制算法的實現與優化目標是結合基于深度學習電壓預測模型與傳統控制技術，提高UHVDC 系統電壓控制的效率與準確性。具體的操作主要包括以下4 個步驟。

第一，定義1 個綜合的控制目標函數，考慮電壓穩定性和系統效率，可以用公式表示為

式中：Jv表示電壓偏離目標值的程度；Je表示系統能效；α、β表示權衡電壓偏離目標值的程度和系統能效的系數。

第二，結合基于深度學習模型預測與PID 控制器設計混合控制算法。其中，深度學習模型負責預測短期內的電壓波動，PID 控制器則調整控制策略以維持電壓穩定。PID 控制器調整電壓偏差e(t)和預測值，計算公式為式（1）。

第三，設計優化控制算法。本研究使用模擬退火、遺傳算法等方法來調整PID 參數與深度學習模型超參數，以最小化目標函數J(·)調整權重α、β，以及PID 控制器的Kp、Ki、Kd參數。通過迭代過程，逐步優化參數，以提高控制性能。

第四，算法法實現。將深度學習模型與PID 控制器集成1 個統一控制框架中，確保兩者協同工作。在系統運行時，深度學習模型持續提供電壓預測，PID 控制器則根據預測結果和實際電壓讀數進行實時調節。

3 新型動態電壓控制方法測試

3.1 測試過程

為驗證文章所提控制方法的功能和有效性，進行對比實驗，測試工具主要使用MATLAB/Simulink。MATLAB/Simulink 具有強大的電力系統模擬功能，能準確模擬UHVDC 系統的運行環境，允許實現和測試自定義的控制算法。

測試場景主要包括4 種。第一種，正常運行條件下的性能測試。在標準負載與電源條件下，測試新型控制方法與傳統PID 控制方法在電壓穩定性與能效方面的表現。第二種，負載波動場景。模擬負載快速增加或減少的情況，測試兩種控制方法的突變響應速度與電壓調節能力。第三種，電源不穩定場景。模擬電源側波動（如可再生能源輸出不穩定），觀察兩種控制策略在維持電壓穩定性方面的效果。第四種，極端條件測試。模擬極端天氣或系統故障等情況，評估兩種控制方法在應對極端情況時的穩健性。

在進行測試時，要記錄并分析各種性能指標，如電壓偏差范圍、響應時間、系統效率以及能源消耗等。MATLAB/Simulink 具備詳細數據記錄分析功能，能夠幫助準確地評估兩種控制方法性能。通過這些測試，能全面了解新型控制方法在實際電網條件下性能，并與傳統方法進行對比。

3.2 測試結果

利用新型控制方法和PID控制方法分別進行測試，測試結果如表1 所示。

表1 測試結果

由測試結果可知，新型動態電壓控制方法在各項性能指標上均優于傳統的PID 控制方法，電壓穩定性為0.30%，響應速度為40 ms，能效為20 kW·h，均低于PID 控制方法。極端條件下，新型控制方穩健性只下降15 個百分點。由此可知，新型控制方法在保持電壓穩定性、快速響應系統變化、提高能效以及增強系統在極端條件下的穩定性等方面具有顯著優勢。

4 結 論

文章結合深度學習預測模型與傳統控制算法，設計一種新型動態電壓控制方法。該方法在電壓穩定性、響應速度、能效以及穩健性方面均表現出顯著優勢。新型控制方法的實施，反映電力系統領域對智能化、自動化技術日益增長的需求。通過應用先進算法技術，電力系統穩定性與工作效率可得到顯著提升，為未來電網的智能化管理與可持續發展奠定堅實基礎。