LDES)...............24 混合直流（LCC-VSC Hybrid HVDC）............................................27 大电网全电磁暂态仿真（Large Power Grid Full Electromagnetic Transients Simulation）................................... 2020(40):66-77. 5 构网型控制技术（Grid Forming（GFM）Control Technology） 撰稿：杜毅、姜静雅 构网型控制技术，使电力电子装备的并网变流器稳态与暂态工况 下均呈现电压源外特性，并具备电网电压与频率支撑、自同步运行、 孤立组网能力的一类控制技术，可应用于储能、柔性直流、风电和光 伏等装备。 自 20 世纪 80 年代以来，微电网领域的学者已经提出了“grid 扰动冲击的比值，表征系统在网内最大有功冲击下的最大频率偏差。 频率调节强度是指系统故障扰动后的暂态过程发生频率变化时， 同步机、负荷及电力电子设备等各类元件控制作用下维持系统频率稳 定的能力。频率调节强度取决于系统中各装置的频率调节能力以及扰 动大小，主要影响暂态频率最大偏差与稳态频率偏差。其中，暂态频 11 率最大偏差主要由发电机一次调频、负荷频率响应及系统惯量决定， 而稳态频率偏差受

秒。为稳定电压，系统需频繁调整变压器分接头或投切备用变压器，这加剧了暂态过程的不稳定性。 运行模式复杂：矿山微电网需频繁切换并网 / 孤岛运行模式，且长距离电缆易受雷击等影响，故障率较高。 故障时需快速切换变压器，而变压器投切产生的励磁涌流可达额定电流的 6-12 倍。 显著降低投资成本：无需为应对变压器冲击而额外扩容储能系统，节省初始设备投入。 提升系统稳定可靠性：有效抑制励磁涌流和暂态电压波动，保障关键负荷连续运行，减少生产中断风险。 能源浪费，同时频繁断电也显著 影响了微电网的可用性。为提升系统稳定性，实现柴油发电机与储能系统同时作为电压源运行并互为备份，以 及光伏、储能、柴发三种电源的协同运行和毫秒级响应调度，已成为微电网暂态稳定研究的关键课题，但目前 仍面临以下主要挑战： 华为智能微网解决方案创新性地采用构网型储能技术，有效解决了多机并联环流问题，并结合先进 的光储微网自适应控制算法，使系统能 柴油机等多能源协同能源 协同能力，并测试极端场景下的系统冗余及黑启动能力。华为 全球电网仿真中心拥有 10+ 仿真工具平台、2000+ 仿真节点， 目前具备高精度机电仿真、电磁暂态仿真及半实物仿真能力 （HIL），可全面验证稳态 / 暂态的各类复杂工况，确保矿区 微电网安全高效运行。 华为构网储能平台应用与测试中心是全球规模最大的电网 层级测试实验园区，占地约 2 万平方米，总投资超过 3 亿元人

ÓÕý¹…æ•!Åù†@ØÙö2é gM•!ÅùgM†@ØÙyÉ•B=šµ¶ZV[0V_æ ^{\öíºtµ¶s¢æ[0•ðÁµæ#$•í*ÜM¢µ'´ ÷í´×ÁµÞAãµ'‰Xé 5.2.2 暂态稳定态势评估与决策 ¬ òÒçÜæ]V[0V_WXu\öàa1Tÿuµ¶š 中国人工智能系列白皮书——智慧电网 56 UÜ%8%æj5òÒu¶€…Ô•žóíD…µ¶ÜV[0V_Ú -&D…gMÜV[0Ýcú¸•ñãÜV[0±•Ží4£D…• cÒ¸¹h±ægMéêí-„úµ¶Q9^_íu•cæÒ¸¹h ±vt5Âô<±ÈSï¡Y/ö2í¡µ¶oz1æ`”¤f”é $ 图 5-7 暂态稳定态势评估与决策技术 u+““¥M¥Ê+ïŒHÓ”æ]VVLüý©¿í~þü’Ê Ëðj5âcÚðVLÞA×ó•¤í0t6 Ã’µè(“:;` _%ægM[0VL\]é 5.2.2 虚拟建模及参数辨识 ÿu2ÉæQ9\]ã[0¡Yopí-T•–µ¶1T[0o pã1û>«í‹šÿc8&{µ¶+•í¼½šµ¶gMƒ„¡Y ƒâæÚâ•ãþÞ•T.é $ $ 图 5-8 暂态稳定主导机组辨识$ 中国人工智能系列白皮书——智慧电网 57 ·µ]V\]%æñÉŽüãXYƒéŠò1Tàá$% 3 • Šì4 +,ç‡ùYZÚÛñòí49ìo<±p,XðòÒæšµ¶

◆◆ ◆◆ 精准负荷控制 虚拟电厂 ◆◆ ◆◆ 新型电力 系统建设 智慧调度 多时间尺度调度与 安全运行管理 现货及辅助服务市 场交易支撑 ◆◆ ◆◆ 数字孪生电网 全电磁暂态仿真 ◆◆ ◆◆ 清 洁 低 碳 、 安 全 充 裕 、 经 济 高 效 、 供 需 协 同 、 灵 活 智 能 感 知 、 联 接 、 35kV及以上电压等级电网通信主网 智算中心带宽需求 AI大规模应用新增的智算中心通信要求。总部智算-省级智算、通算中心互联带宽Nx100G,时延 小于30毫秒。 数字仿真带宽需求：数字孪生电网电磁暂态在线仿真通信需求比现有电网调度通信需求大 幅提升，对时延要求更高。 4×100G带宽 数据同步 OTN传输网： 跨省N-2路由 ，总部级4×100G带宽接入， 各省2×100G带宽接入； 带宽大于100M 网络智能调度、敏捷响应 新型电力系统背景下电力通信网面临的挑战丨新型电力系统业务发展对通信网的需求变化 带宽5G～1000G 时延30ms 带宽2M~1G 时延100ms 数字孪生电网电磁暂态 在线仿真通信 现有电网调度通信 数字孪生五个层次 智 势 行 态 身 电网 自治 智能 预测 在线 仿真 虚实 交互 精准 映射 网络化 数字化 智能化 网络化 数字化

战[24-25]。 变电站、换流站状态感知数字化建设架构如图 2、图 3 所示，由非接触式智能感知终端(集成红外 热像、特高频局放、可见光图像、声音等)、接触式 智能传感器(高频局放、超声局放、暂态地电压、接 地电流、振动等)、光声光谱油中溶解气体监测装置 和辅助系统(温湿度、烟感、水位、气体、水浸、风 机/空调控制等)构成，实现全天候、全时段、全方 位巡视等[26-28]。如对主变压器(换流变)、高抗、站 异物、外部锈蚀、渗漏油、套管破损等进行智能监 测；对换流阀的温度等进行智能监测；对气体绝缘 组合电器(gas insulated switchgear, GIS)本体及套管 TEV—暂态地电压 图 2 变电站状态感知数字化建设架构 Fig.2 Digital construction framework of state perception for substation 强对换流变套管的全方位状态感知[29-31]。 如图 4(a)所示的非接触式多物理量智能感知终 端和图 4(b)所示的接触式多物理量智能感知终端， 在变电站(换流站)等场景能够有效监测设备状态。 接触式传感器含暂态地电压(transient earth voltage, TEV)、超声波、温度等功能。非接触式智能感知终 端含可见光图像、红外热像、局部放电、声音、温 湿度等功能，能够多角度全时段实时监测，有效汇

主控系统 齿轮箱 变桨系统 690V/35kV 机侧变流器 网侧变流器 新型 风机 控制 系统 变流器负责自 主调压控制 风机虚拟同步机在变流器控制上引入同步发 电机转子运动与机电暂态方程，通过控制转 子动能的存储和释放来提供有功支撑，抑制 频率的突变 光伏虚拟同步机将同步发电机数学模型移植 到DC/DC控制算法中，通过电池储能单元有 功功率的存储或释放，抑制系统频率突变和 阻尼功率振荡 新能源电站在失去外部电网供电的情况下，储能可作为电压源向其他发电单元送电，最终实现新能 源电站自启动。 黑启动 20 储能在规模化新能源并网中的应用 ➢ 电站式虚拟同步机通过模拟常规同步发电机的机电暂态特性，能够快速、主动参与电网的有功调频 、无功调压，并提供虚拟惯量，提升系统抗扰动能力； ➢ 电站式虚拟同步机同时兼具传统储能系统调峰填谷功能，为有效改善新能源机组并网友好型和稳定 性提供了坚强支撑。

16 潮流文件双向交互、方式筛选、N-1短路稳定批量扫描。支持与BPA、PSASP、 PSS/E、电磁仿真等软件接口（数据相互转换），在全时序平衡分析的基础上开展交流潮流、短 路、机电暂态和电磁暂态仿真，支持批量扫描。支持基于自定义条件的潜在关键时刻潮流筛选。 数据兼容 结果校验 潮流文件收敛率达到98%以上 61项指标的典型运行方式提取 批量BPA的安全稳定扫描 新型电力系统融合推演引擎TEAP介绍

（二）市场价格异常风险，指部分时段或局部地区市场价格持 续偏高或偏低，波动范围或持续时间明显超过正常变化范围的风 险。 （三）电力系统安全运行风险，指电力系统在运行中承受扰动 时，无法承受住扰动引起的暂态过程并过渡到一个可接受的运行工 况，或者在新的运行工况下，各种约束条件不能得到满足的风险。 （四）电力市场技术支持系统风险，指支撑电力市场的各类技 术支持系统出现异常或不可用状态，影响市场正常运行的风险。 5．安全校核（Power System Security Analysis）：对检修计划、 发电计划、市场出清结果和电网运行方式等内容，从电力系统运行 安全角度分析的过程。分析方法包括静态安全分析、暂态稳定分析、 动态稳定分析、电压稳定分析等。 6．辅助服务市场（Ancillary Service Market）：为维护电力系 统的安全稳定运行、保证电能质量，由发电企业、电网企业、电力 用

核心位置。在电网侧，智能调度将演进至主配 微网协同模式，通过量子计算和全电压全域数 字孪生技术实现毫秒级跨区域供需实时调度， 人工智能结合高精度气象数据，可实现新能源 功率与负荷从短期到长期的精准预测；全网参 与潮流和暂态计算的节点数将从数百个激增到 数百万，从而实现供需的柔性调控。在负荷侧， 全球数据中心用电量将从 2024 年的 4200 亿 度飙升至 1.5 万亿度，电动汽车保有量也将从 6400 万辆大幅增加到 全风险多元、数字化转型滞后”等多重挑战， 从架构上落实数字孪生技术和 AI4S 深入电网调 度、工程排程等核心业务成为必然，解决电网 快速应对发电侧功率预测和用电侧负荷预测、 电网的潮流计算和暂态计算等能力。 数字化技术和 AI 将成为新型电力系统的 “生存要件”。AI4S 将深度进入电力系统的各 个生产场景发挥作用： 在电网调度方面，负荷预测、新能源功率 预测将支撑 15 分钟级超短期到月度的中长期发 撑，电化学储能的装机规模预计将突破 80 亿千 瓦时。届时，光伏、风电与储能协同发力产生 的电力，将贡献全球 50% 以上的电力供应，正 式确立其作为全球主力电源的核心地位。 74 的安全运行，主节点的潮流和暂态计算将支撑 电网的状态仿真，配网侧大规模分布式光伏管 控、大规模新能源汽车有序充电、微网资源双 向互动等方面也需要配网实现仿真和潮流计算， 支撑配网台区平衡稳定。2024 年全球风光水厂 站气象预测和功率预测的普及率约