Data-Driven Distributed Stability Certification for Power Systems via Input-State Trajectories
本文提出一種不依賴物理模型的數據驅動框架，透過量測設備軌跡推算被動性指標，確保分散式電網全域穩定。
- 利用 ODP 指標將區域設備動態與電網耦合效應解耦，實現分散式系統穩定性驗證。
- 透過測量連續的輸入與狀態軌跡，運用線性矩陣不等式（LMI）求出最優化被動性指標。
- 實測顯示數據驅動計算結果與理論值僅相差 1.42%，並能在微電網中精確預測物理不穩定邊界。
隨著再生能源技術不斷演進，現代電力系統正歷經一場結構性的巨變。大量的分散式能源接入電網，將傳統高度集中的發電模式，轉變為分散且充滿異質性的複雜網路。這種維度暴增且具備非線性動態特徵的系統，讓傳統依賴全域數學模型的穩定性分析幾乎面臨癱瘓。為了解決設備內部機制宛如「黑盒子」的難題，一項最新研究提出完全依賴量測軌跡的數據驅動框架，在單一逆變器測試中達成誤差僅 1.42% 的精準度，成功為系統級穩定性提供全新驗證途徑。
現代電網運算面臨分散式設備的黑盒子難題
過往的穩定性分析典範，通常將整個電網視為單一實體，仰賴構建涵蓋全網的高維度微分代數方程式。工程師必須依賴耗時的時域數值模擬、特徵值計算，甚至嘗試建構全域能量函數來評估系統狀態。然而，面對現代極度複雜的微電網與互聯系統，這些集中式的運算方法帶來了無法承受的計算負擔。
除了運算量龐大，潛在的通訊延遲與日漸嚴格的數據隱私法規，也讓集中式數據收集變得窒礙難行。更具挑戰的是，許多現代併網逆變器基於商業機密，內部控制邏輯完全不對外公開。這些設備加上複雜的主動式負載，引入了大量未建模的動態行為，使得傳統基於精確理論建模的分析方法在實際應用中徹底失效。
輸出微分被動性解耦區域設備與整體電網
為了突破集中式運算的瓶頸，分散式穩定性分析成為近年來最具潛力的解決方案。研究團隊採用了輸出微分被動性（Output Differential Passivity, ODP）的概念，這是一種用來量化非線性系統動態阻尼能力的物理屬性。透過這個理論，電網穩定性問題可以被拆解為兩個獨立的指標：代表全網巨觀耦合強度的門檻值（σ_net），以及個別設備能提供的內部阻尼餘裕（σ_i）。
這套標準在物理意義上建立了一道極為嚴謹的防火牆。根據分散式穩定性準則，只要確保每個區域設備提供的 ODP 指標 σ_i，大於整體網路要求的門檻值 σ_net，整個互聯電網的區域穩定性就能得到保證。這種將設備動態與網路耦合徹底解耦的做法，意味著營運商只需確保單一設備達標，就能推斷全網安全，大幅降低了系統設計與評估的複雜度。
繞過物理方程式：依賴輸入與狀態軌跡求解
既然不需要全域模型，下一個難題是如何在不知道內部方程式的狀況下，取得個別設備的 ODP 指標。研究人員以 Willems 的基本引理為數學基礎，該引理證明在持續激勵的條件下，系統的動態行為可以完全由一段歷史輸入與狀態軌跡建構的漢克矩陣（Hankel matrix）來刻畫。
基於這項行為系統理論，研究團隊放棄推導連續時間的物理狀態空間矩陣，而是直接收集離散時間下的輸入向量（如實功率與虛功率）與輸出狀態向量（如電壓與相位角）。透過建立嚴格的資料秩條件，將原始軌跡數據轉換為線性矩陣不等式（LMI，Linear Matrix Inequality），並進階表達成一個凸優化的半正定規劃（SDP，Semi-Definite Programming）算式。求解這個問題，就能在無需任何內部物理參數的情況下，萃取出設備最佳的 ODP 指標。
離線單一逆變器測試：數據驅動誤差僅 1.42%
為了驗證這套數據驅動框架的有效性，研究團隊首先針對單一傳統下垂控制（CD）逆變器進行離線量測模擬。根據已知的內部控制方程式與下垂增益參數，該 CD 逆變器的理論最大 ODP 指標界線計算結果為 3.33。這個數值成為驗證演算法準確度的絕對基準。
在加入 1% 高斯雜訊的環境下，系統以每 0.4 秒的採樣頻率，記錄了包含多頻正弦波輸入的測試軌跡。為了消除雜訊影響並確保資料矩陣符合滿秩條件，採集的數據被截斷為一個 1.6 秒的計算視窗。經過最佳化求解後，由純數據萃取出的指標為 3.38。與理論邊界相比，數據驅動方法的微幅高估僅約 1.42%，證明了在面對雜訊與資料截斷的情況下，演算法依然具備極高的工程實用價值。
3節點微電網案例：數據精準定位不穩定邊界
確認單一設備的準確度後，研究團隊將場景擴大至包含同步發電機與多種逆變器的 3 節點微電網系統，並刻意配置了重負載情境來測試系統極限。在實驗中，研究人員逐步調降設備的理論控制參數，使其逼近網路耦合所需的臨界門檻，同時以 1 毫秒的高頻率採樣設備在小微擾下的暫態數據。
實測結果顯示，設備端算出的數據驅動指標與理論值高度吻合。當所有設備的最低指標皆大於網路要求時，系統全域特徵值皆落在安全的穩定區塊。隨著指標持續下降，數據驅動條件會比實際物理系統崩潰前更早發出警告，形成一段狹窄但安全的保守預警區。不過，在處理極度病態的資料矩陣時，該演算法仍有約 6% 的機率出現異常計算結果，這將是未來針對大規模網路最佳化數值穩定性的重點方向。
繞過物理建模，從數據軌跡計算被動性指標，將是保障分散式異質電網穩定的核心解方。