电气工程学报, 2022, 17(3): 219-226 doi: 10.11985/2022.03.026

新能源发电与电能存储

含大规模新能源接入的交直流输电系统数字孪生平台架构设计*

周敬森,1, 魏金萧,2, 谢刚文1, 冉立2, 张友强1, 胡嘉渝2

1.国网重庆市电力公司电力科学研究院 重庆 401120

2.重庆大学输配电装备及系统安全与新技术国家重点实验室 重庆 400044

Architecture Design of Digital Twin Platform for AC & DC Transmission System with Large Scale New Energy

ZHOU Jingsen,1, WEI Jinxiao,2, XIE Gangwen1, RAN Li2, ZHANG Youqiang1, HU Jiayu2

1. State Grid Chongqing Electric Power Company Research Institute, Chongqing 401120

2. State Key Laboratory of Power Transmission Equipment & System Security and New Technology, Chongqing University, Chongqing 400044

通讯作者: 魏金萧,男,1994年生,博士研究生。主要研究方向为综合能源互联网、柔性直流输电、大容量电力电子设备可靠性。E-mail:weijinxiao@cqu.edu.com

收稿日期: 2021-02-1   修回日期: 2022-04-13  

基金资助: *重庆市自然科学基金博士后科学基金.  cstc2019jcyj-bshX0082
国家自然科学基金.  5171101176
国家重点研发计划.  2018YFB0905800

Received: 2021-02-1   Revised: 2022-04-13  

作者简介 About authors

周敬森,男,1989年生,博士,工程师。主要研究方向为电力系统分析、柔性直流输电、数字孪生。E-mail: zhoujingsen@whu.edu.cn

摘要

随着电力电子器件的发展及技术的进步,越来越多的大功率电力电子设备被应用于电力系统柔性直流输电中,以提升电网稳定性和新能源接纳能力,渝鄂柔性直流背靠背联网工程是这一技术的典型应用。但是,由于直流环节和新能源发电过程含有大量的电力电子开关器件和功率模块,为含大规模新能源接入的交直流混合仿真系统分析带来了较大困难。基于数字孪生的概念,将MMC子模块等效为电源与其导通电阻的串联。针对渝东北地区交直流混合电网的具体参数和网络结构,考虑近期该区域新能源规划,在分析、预测负荷、新能源出力的基础上,初步建立了一整套含大规模新能源接入的交直流输电系统数字孪生平台,并将平台运行结果与实际运行状态相比较,证明了所提分析架构的实用性和有效性。

关键词: 交直流输电 ; 数字孪生 ; MMC-HVDC ; 风电场 ; 架构设计

Abstract

With the development of power electronic devices and the progress of technology, more and more high-power power electronic devices are used in power system flexible DC transmission, in order to improve the stability of power grid and the ability to accept new energy. Chongqing Hubei flexible DC back-to-back interconnection project is a typical application of this technology. However, due to the DC link and the new energy generation process contain a large number of power electronic switching devices and power modules, it brings great difficulties to the analysis of AC-DC hybrid simulation system with large-scale new energy access. Based on the concept of digital twin, MMC sub module switch device is equivalent to its turn on and turn off resistance. According to the specific parameters and network structure of AC & DC hybrid power grid in Northeast Chongqing, considering the recent wind power planning in the region, based on the analysis and prediction of load and wind power output, a set of digital twin platform of AC & DC transmission system with large-scale wind power access is established and the platform running results are compared with the actual results, which proves the effectiveness of the analysis architecture proposed in this paper.

Keywords: AC & DC system ; digital twin ; MMC-HVDC ; wind farm ; architecture design

PDF (460KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

周敬森, 魏金萧, 谢刚文, 冉立, 张友强, 胡嘉渝. 含大规模新能源接入的交直流输电系统数字孪生平台架构设计*. 电气工程学报[J], 2022, 17(3): 219-226 doi:10.11985/2022.03.026

ZHOU Jingsen, WEI Jinxiao, XIE Gangwen, RAN Li, ZHANG Youqiang, HU Jiayu. Architecture Design of Digital Twin Platform for AC & DC Transmission System with Large Scale New Energy. Chinese Journal of Electrical Engineering[J], 2022, 17(3): 219-226 doi:10.11985/2022.03.026

1 引言

为加强渝鄂断面的电网输送能力,提高电网安全稳定运行水平,国家电网公司建设了渝鄂背靠背±420 kV直流工程。该工程目前已投产运行,换流站容量为2×1 250 MW。川渝断面双向输电能力大幅提升,同时,将解决川渝和湖北、湖南、河南、江西之间500 kV跨区长链式电网存在的稳定问题,优化电网安全稳定控制策略,提高电网运行的灵活性和可靠性。然而,高电压等级、大容量的换流单元含有较多的电力电子开关器件,为其仿真分析和电网稳定带来了新的挑战[1-3]

本次分析的渝鄂直流北通道,电压等级为±420 kV,分为两个单元。其中,单元一单桥臂功率模块数为367个,含冗余数量为397个;单元二单桥臂功率模块数为500个,含冗余数量为540个。同时,直流输电通常会伴随较多的新能源,以风电为例,其内部含有的变频设备、整流逆变设备以及STATCOM等均需要大量的电力电子开关器件,大大的降低了仿真和分析效率[4-5]。本文基于数字孪生技术,将风电场出力、关键500 kV变电站下网负荷以及背靠背MMC-HVDC系统以数字模型的形式述,并建立了一整套的电网事件预演分析数字孪生平台[6-8],具有较好的实用性。

2 数字孪生

数字孪生(Digital twin,DT)最早由美国学者Michael Grieves提出[9],集中应用于航空航天领域,分别于2010年、2011年被美国国家航空航天局(NASA)和美国空军研究实验室(AFRL)采用。该技术通过挖掘、分析大量实时、历史数据,映射实体的实时动作、行为和状态。由该技术建立的飞行器虚拟模型,通过传感器技术实现了虚拟和现实的同步,有利于及时了解目标的运行情况、健康状态、载荷能力等数据,极大地增强了决断有效性[10]

在电力系统模型日渐复杂、数据呈现井喷趋势的今天,为了充分利用已有的电网资源,通过最低限度的电网增强来满足不断变化的发电和用电需求[11],电网“数字孪生”便成为强大的分析和辅助设计平台,电力系统数字孪生原理如图1所示。目前我国电网公司正在积极引入。与现行仿真或数据统计分析相比,数字孪生技术可以提供更全面、透明、多层次的观测、推演视角[12]

图1

图1   电力系统数字孪生原理


针对传统电力系统分析方式的缺点,电网“数字孪生”平台可以通过仿真在过去实际数据的支撑下,重现运行状况,观察没有测量到的信号,找出导致故障的原因。更重要的是,该平台可以分析改变运行控制策略或适当加固电网所带来的效果,例如减少弃风或弃光、保证电能质量、降低损耗、减少停电损失、调控短路水平等策略对电网的影响。该技术利用当前计算机数据存取和模型计算的强大功能,用蒙特卡洛的方式把实际电网映射到虚拟的数字世界中,由于采用了实际电网的历史数据,非常便于验证模型的精确性。另外,利用“数字孪生”平台还能够方便地改变电网运行数据,预测数据变化对未来电网运行可能产生的影响。

3 MMC-HVDC结构及孪生方法

3.1 MMC-HVDC系统

模块化多电平(Modular multilevel module,MMC)的桥臂是通过多个开关器件和电容构成的,但其构成方式不是简单的串联,而是采用子模块级联的方式进行。另外,MMC的工作原理与两电平、三电平的换流器不同,MMC不采用脉冲宽度调制的方式,而是采用阶梯波的方式来逼近交流正弦波。

渝鄂直流背靠背工程采用MMC作为桥臂联结方式,每个桥臂由一个桥臂电抗器和级联的半桥子模块构成[13],其单侧换流站系统主接线如图2所示。

图2

图2   换流站系统结构


根据MMC原理推导,直流侧额定电压计算公式为

${{U}_{dc}}=1.35\times \sqrt{2}\times {{U}_{ACrms}}$

式中,${{U}_{dc}}$为直流侧电压;${{U}_{ACrms}}$为交流侧电压有效值(整流变压器阀侧电压)。

3.2 MMC控制系统

控制系统对于柔性直流输电系统具有重要的作用,是维持其稳定运行的核心。目前的控制方式主要是电压源换流控制,采用以快速电流反馈为特征的直接电流控制策略为主,该种控制策略主要应用于电机控制领域,也被称为矢量控制。该控制方法与间接电流控制相比,更易获得高质量的电流响应。直流电流控制能够在三种不同的坐标系下进行相应的控制,包括dq坐标系、PI控制器以及比例谐振控制,其中,最主要和核心的是前两者,即dq同步旋转坐标系转换和与之对应的PI控制算法。同步旋转坐标系的原理是将原本的交流三相电的三坐标轴转换为dq坐标系下,形成两轴直流量。如此一来,换流器的模型得到了极大的简化,实现了解耦,具有较好的控制效果,同时也简化了控制算法的过程。目前,这种控制方式已被视为高压直流输电的主流控制方式。

将MMC的控制系统深入分析,其主要可分为内环控制和外环控制,其中内环控制主要为电流控制,外环控制主要针对功率进行控制[14-15],具体控制系统内外环控制示意如图34所示。

图3

图3   MMC-HVDC控制系统示意


图4

图4   MMC控制原理


MMC的控制策略在本质上属于VSC的一种,但是MMC内部复杂的结构和数目众多的电力电子器件,需要同时执行成百上千个开关器件的触发控制,因此 MMC控制层面上具有控制量较大、过程复杂的特点,与VSC控制系统相比需要实现更多的功能[16]

3.3 半桥子模块孪生模型

基于数字孪生概念将MMC系统半桥子模块进行转化,提升其模型映射速度,主要做法是将MMC子模块的经典结构中开关器件T1、T2等效为一个可变电阻,该电阻可根据控制系统调整阻值大小为器件的导通电阻或关断电阻,如图5所示,从而实现子模块导通与关断的控制。

图5

图5   MMC半桥子模块孪生模型


4 新能源出力及关键站点负荷预测

渝东北地区具有较大的新能源开发潜力,尤其是对于风电的开发。但是,由于新能源出力的随机性和波动性,其并网会对传统交流系统的稳定运行产生一定的影响,同时,随着渝东北地区新能源的开发,火电出力在未来可预见性地会减少发电时长,更多地承担调频调峰的作用。因此,对大规模新能源渗透的交直流混合电力系统的分析具有重要意义。

本文主要研究重点在于探究新能源的波动规律,建立符合实际运行状况的数字孪生模型。

4.1 风功率波动分析

通常来说,风电的年出力波动呈周期性变化,而日负荷波动呈现出较大的随机性。因此,针对渝东北地区的风电出力特点,收集该地区某110 MW风电场全年365天的0:00时刻风电出力数据。需要说明的是,由于该时刻负荷需求较小,风电出力可能存在未完全释放的情况,实际月均出力需要根据月发电量进行测算,图6仅用于体现0:00时刻的风电出力波动趋势。而110 MW风电场在0:00时刻的月平均出力如图7所示。

图6

图6   渝东北地区风电场全年出力曲线


图7

图7   渝东北地区风电场出力曲线及拟合结果


图6可知,渝东北地区风电出力呈现4—6月、9—11月较大,冬季12月—次年2月较小的特点,据此可对该区域其他风电出力进行中长期预测。

根据渝东北地区风电出力波动情况,本文采取多个函数拟合的形式对其出力特性进行建模,包括两个高斯函数和一个一元线性函数。

(1) 基本函数线。由于风电出力的月平均出力波动是以年为周期进行分布的,可分离出一个随月份线性增大的一次函数,如图7中Baseline所示。

${{y}_{initial}}=0.68x+11$

(2) 高斯分布1(Gaussian1)。高斯函数的基本形式如下所示

$y=\frac{A}{\omega \times \sqrt{\frac{\text{ }\!\!\pi\!\!\text{ }}{\text{2}}}}\times \exp \left( -2{{\left( \frac{x-{{x}_{c}}}{\omega } \right)}^{2}} \right)$

拟合结果如式(4)和表1所示。

$y=17.3\cdot \exp \left( -2{{\left( \frac{x-4.62}{4.51} \right)}^{2}} \right)$

表1   高斯1函数拟合结果

参数数值
xc4.615 88
A89.725 83
ω4.154 42

新窗口打开| 下载CSV


(3) 高斯分布2(Gaussian2)。拟合结果如式(5)和表2所示。

$y=20.6\cdot \exp \left( -2{{\left( \frac{x-9.71}{1.57} \right)}^{2}} \right)$

表2   高斯2函数拟合结果

参数数值
xc9.712 13
A40.496 56
ω1.565 52

新窗口打开| 下载CSV


拟合后的风电出力拟合示意如图7所示。

渝东北地区风电功率波动呈现出以年为单位的周期性变化,但是其日出力变化呈现出较大的随机性。

具体月均出力以年为单位的波动规律可用如下所示的数学模型描述

$y=\left\{ \begin{matrix} 17.3\cdot \exp \left( -2{{\left( \frac{x-4.62}{4.51} \right)}^{2}} \right)+0.68x+11,x\in (1,8)\ \ \\ 20.6\cdot \exp \left( -2{{\left( \frac{x-9.71}{1.57} \right)}^{2}} \right)+0.68x+11,x\in (9,12) \\ \end{matrix} \right.$

4.2 光伏出力波动分析

关于光伏电站的出力波动分析,样本数据主要采用渝东北地区某光伏电站进行。采集时间为2019年9月20日,出力曲线如图8所示,采样步长为5 min。

图8

图8   光伏电站典型日出力曲线


根据该光伏电站典型日出力分析可以看出,渝东北地区光伏电站出力波动以天为周期进行变化,中午出力较大,夜晚出力较小,几乎为零,其中夜晚出现了负功率,分析其主要原因为夜晚光伏电站的厂用电需要从主网获取。

根据光伏电站出力曲线趋势,可采用正态分布来描述光伏出力的日特性,拟合如图9所示。

图9

图9   光伏电站典型日出力拟合曲线


根据光伏电站日出力特性拟合结果,可用式(7)描述光伏电站的日出力特性。

${{P}_{x}}={{P}_{tic}}\times 0.86\times \exp \left( -0.5\times {{\left( \frac{x-153}{35.6} \right)}^{2}} \right)$

式中,${{P}_{x}}$x采样时刻光伏发电功率;${{P}_{tic}}$为光伏电站的总装机容量。

4.3 关键站点负荷分析和预测

渝东北地区关键500 kV变电站主要有两个,其下网负荷日波动如图10所示,采样步长为5 min。

图10

图10   关键站点负荷典型日波动


根据两个关键站点的负荷趋势分析,该区域的负荷变化具有相似的规律。负荷高峰均出现在晚7:00左右,夜晚和凌晨较低,且A、B变电站变化规律具有较强的一致性。

根据此负荷变化规律,建立变电站A和变电站B的负荷随时间变化曲线,输入至孪生模型中的变电站模块。

5 电网数字孪生系统运行流程

本文基于以上对直流背靠背、负荷预测以及风电出力预测的分析,建立了如图11所示的电网数字孪生系统,其主要包括三个阶段,分别如下所示。

图11

图11   电网数字孪生系统总体架构


(1) 原始数据收集及预处理阶段。① 电网原始数据收集,需要收集的资料包括天气数据、风电出力、线路潮流、节假日/工作日、各节点电气量以及网络拓扑等;② 电网数据预处理,包括数据清洗及归一化;③ 利用高斯函数建立风能多阶段波动模型及对应预测模型;④ 应用正态分布模拟光伏出力波动特性;

(2) 交直流混合电网孪生模型建立阶段。① 直流部分:建立等效子模块的MMC-HVDC的高效数学孪生模型;② 交流部分:建立变电站、线路杆塔虚拟模型

(3) 功能实现阶段。① 电网状态的实时监测;② 关键位置数据采集;③ 电网建设辅助决策;④ 电网事件预演及数据反馈、模型修正阶段。

6 交直流混合电网数字孪生平台验证

6.1 网络基本参数

本次孪生模型所用的主要交流参数、背靠背换流阀参数如表34所示,其中湖北侧换流站交流母线出口采用戴维南等效处理,重庆侧交流系统搭建两个500 kV变电站覆盖区域。

表3   主要交流参数

参数数值
重庆侧换流站湖北侧换流站
正常运行电压/kV525525
正常持续运行电压范围/kV500~550500~550
额定频率/Hz5050
最大三相短路电流/kA1541.5

新窗口打开| 下载CSV


表4   背靠背换流阀单元参数

参数数值
重庆侧换流站湖北侧换流站
单桥臂功率模块数367367
电容值/μF8 0008 000
启动电阻/Ω6 0006 000
桥臂电抗器/mH140140

新窗口打开| 下载CSV


6.2 孪生模型测试结果

根据以上参数及渝东北地区网架结构,建立渝东北地区交直流混合仿真模型,将丰水期大负荷方式下的电气参数输入模型。其中,设置背靠背直流输送容量为2×500 MW,换流单元正负极各输送250 MW电力;直流电压设置为±420 kV,具体结果如图1213所示。

图12

图12   孪生模型直流稳态电压


图13

图13   孪生模型单根直流线路输送潮流


根据孪生模型直流稳态电压和直流线路输送潮流结果,可看出本文所建立孪生模型能够将电压稳定在额定电压±420 kV,直流线路输送功率维持在预先设置的250 MW,与理论分析和实际运行相符。

另外,为了验证电网故障瞬间孪生模型的有效性,当交流侧并网风电机组(装机共计150 MW)送出交流220 kV线路发生三相瞬时故障时,换流阀内直流线路电压和功率波动如图1415所示。

图14

图14   交流侧故障对直流侧电压影响


图15

图15   交流侧故障对直流侧功率影响


由孪生模型计算结果可知,在故障瞬间,直流线路电压波动较小,且在故障结束后可迅速恢复至额定电压±420 kV。直流输送功率由于交流侧提供有功瞬间减弱,出现了约为50 MW的功率波动,但在控制系统的调节下,同样可恢复至稳定水平,并保持预先设定的250 MW。

7 结论

由于直流环节和新能源发电过程含有大量的电力电子开关器件和功率模块,为含大规模新能源接入的交直流混合仿真系统分析带来了较大困难。本文针对上述问题进行相关研究并得出以下结论。

(1) 基于数字孪生建模概念,本文将MMC子模块等效为电源与其导通电阻串联的模型形式,在保证仿真精度的前提下有效提升了模型的映射速度。

(2) 本文针对渝东北地区交直流混合电网的具体参数和网络结构,考虑近期该区域新能源规划,在分析、预测负荷、新能源出力的基础上,尽可能详细地搭建了一整套渝东北地区交直流混合数字孪生模型。本文通过采用数字模型和物理模型结合的方式,提升了交直流混合系统的仿真效率,在正常运行和故障条件下验证了所建孪生模型能够较准确地模拟交直流混联电网的实际运行状态,证明了所提分析架构的实用性和有效性。

参考文献

尹聪琦, 谢小荣, 刘辉, .

柔性直流输电系统振荡现象分析与控制方法综述

[J]. 电网技术, 2018, 42(4):1117-1123.

[本文引用: 1]

YIN Congqi, XIE Xiaorong, LIU Hui, et al.

Analysis and control methods of flexible HVDC system oscillation

[J]. Power System Technology, 2018, 42(4):1117-1123.

[本文引用: 1]

林卫星, 文劲宇, 刘伟增.

架空柔性直流输电系统全桥模块比例设计与无闭锁控制

[J]. 南方电网技术, 2018, 95(2):8-16.

[本文引用: 1]

LIN Weixing, WEN Jinyu, LIU Weizeng.

Full bridge module proportional design and lock-free control of overhead flexible HVDC system

[J]. Southern Power System Technology, 2018, 95(2):8-16.

[本文引用: 1]

付强, 杜文娟, 王海风, .

多端柔性直流输电中换流站的同步切换控制策略

[J]. 电网技术, 2018, 42(4):1241-1250.

[本文引用: 1]

FU Qiang, DU Wenjuan, WANG Haifeng, et al.

Synchronous switching control strategy of converter station in multi-terminal flexible DC power transmission

[J]. Power System Technology, 2018, 42(4):1241-1250.

[本文引用: 1]

熊岩, 黎小林, 黄润鸿, .

南澳三端柔性直流输电工程加装直流断路器的实时仿真

[J]. 南方电网技术, 2018, 12(2):34-40.

[本文引用: 1]

XIONG Yan, LI Xiaolin, HUANG Runhong, et al.

Real-time simulation of installing DC circuit breaker in three-terminal flexible HVDC transmission project in South Australia

[J]. Southern Power System Technology, 2018, 12(2):34-40.

[本文引用: 1]

ZHU Jiebei, BU Siqi, MOHAMMAD S, et al.

Challenges in future grid-interactive power converters:Control strategies optimal operation and corrective actions

[J]. Renewable Power Generation IET, 2020, 14(5):671-672.

DOI:10.1049/iet-rpg.2020.0298      URL     [本文引用: 1]

沈沉, 贾孟硕, 陈颖, .

能源互联网数字孪生及其应用

[J]. 全球能源互联网, 2020, 3(1):1-13.

[本文引用: 1]

SHEN Chen, JIA Mengshuo, CHEN Ying, et al.

Digital twin of energy Internet and its application

[J]. Journal of Global Energy Interconnection, 2020, 3(1):1-13.

[本文引用: 1]

张宇航, 邱才明, 贺兴, .

一种基于LSTM 神经网络的短期用电负荷预测方法

[J]. 电力信息与通信技术, 2017, 15(9):19-25.

[本文引用: 1]

ZHANG Yuhang, QIU Caiming, HE Xing, et al.

A short-term load forecasting based on LSTM neural network

[J]. Electric Power Information and Communication Technology, 2017, 15(9):19-25.

[本文引用: 1]

徐舒玮, 邱才明, 张东霞, .

基于深度学习的输电线路故障类型辨识

[J]. 中国电机工程学报, 2019, 39(1):65-74,321.

[本文引用: 1]

XU Shuwei, QIU Caiming, ZHANG Dongxia, et al.

Transmission line fault type identification based on deep learning

[J]. Proceedings of the CSEE, 2019, 39(1):65-74,321.

[本文引用: 1]

陶飞, 刘蔚然, 刘检华, .

数字孪生及其应用探索

[J]. 计算机集成制造系统, 2018, 24(1):4-21.

[本文引用: 1]

TAO Fei, LIU Weiran, LIU Jianhua, et al.

Digital twin and its application

[J]. Computer Integrated Manufacturing Systems, 2018, 24(1):4-21.

[本文引用: 1]

张宇航, 邱才明, 杨帆, .

深度学习在电网图像数据及时空数据中的应用综述

[J]. 电网技术, 2019, 43(6):1865-1873.

[本文引用: 1]

ZHANG Yuhang, QIU Caiming, YANG Fan, et al.

Application of deep learning to power grid image data and spatiotemporal data

[J]. Power System Technology, 2019, 43(6):1865-1873.

[本文引用: 1]

郭贤珊, 刘泽洪, 李云丰, .

柔性直流输电系统高频振荡特性分析及抑制策略研究

[J]. 中国电机工程学报, 2020, 40(1):19-29,370.

[本文引用: 1]

GUO Xianshan, LIU Zehong, LI Yunfeng, et al.

High frequency oscillation characteristics analysis and suppression strategy of flexible HVDC system

[J]. Proceedings of the CSEE, 2020, 40(1):19-29,370.

[本文引用: 1]

郭琦, 曾勇刚, 李伟, .

交直流大电网混合实时仿真(SMRT)平台研发与工程应用

[J]. 南方电网技术, 2015, 9(1):33-38.

[本文引用: 1]

GUO Qi, ZENG Yonggang, LI Wei, et al.

Research and engineering application of hybrid real-time simulation (SMRT) platform for AC-DC large power grid

[J]. Southern Power System Technology, 2015, 9(1):33-38.

[本文引用: 1]

MEI J, GE R, ZHU P, et al.

An adaptive reclosing scheme for MMC-HVDC systems based on pulse injection from parallel energy absorption module

[J]. IEEE Transactions on Power Delivery, 2021, 36(3):1809-1818.

DOI:10.1109/TPWRD.2020.3015311      URL     [本文引用: 1]

王韧秋, 李振兴, 杨卫东, .

MMC不完整运行方式及其控制策略研究

[J]. 中国电机工程学报, 2020, 40(5):1631-1642.

[本文引用: 1]

WANG Renqiu, LI Zhenxing, YANG Weidong, et al.

Research on incomplete operation mode and control strategy of MMC

[J]. Proceedings of the CSEE, 2020, 40(5):1631-1642.

[本文引用: 1]

刘海媛, 杨波, 郭一楠, .

应用于大规模新能源并网的MMC-MTDC双因子自适应下垂控制策略

[J]. 中国电机工程学报, 2019, 39(3):793-802.

[本文引用: 1]

LIU Haiyuan, YANG Bo, GUO Yinan, et al.

MMC-MTDC two-factor adaptive droop control strategy for large-scale new energy grid connection

[J]. Proceedings of the CSEE, 2019, 39(3):793-802.

[本文引用: 1]

LI W, ZHU M, CHAO P, et al.

Enhanced FRT and postfault recovery control for MMC-HVDC connected offshore wind farms

[J]. IEEE Transactions on Power Systems, 2020, 35(2):1606-1617.

DOI:10.1109/TPWRS.2019.2944940      URL     [本文引用: 1]

/