ニューラルネットワークベースの最適化制御によるグリッド形成MMCの電圧変動抑制能力向上
Neural Network-Based Optimized Control for Enhancing Voltage Support of Grid-Forming MMCs Under Voltage Sags
本論文では、再生可能エネルギーとパワーエレクトロニクスデバイスの統合が進む中で、グリッド形成モジュラーマルチレベルコンバータ(GFM-MMC)のグリッドサポート能力を、特に深刻な電圧低下時に向上させるための多次元協調手法を提案する。内部エネルギー変動の物理的制約を明確にし、安全動作境界を設定した上で、二次高調波循環電流と零相電圧注入を統合した協調最適化戦略を開発した。オフライン最適化には粒子群最適化(PSO)アルゴリズムを使用し、追加のハードウェアコストなしに安全なP-Q動作領域を拡大する。ニューラルネットワークを用いることで、ミリ秒レベルの直接マッピング制御アーキテクチャを実現し、従来のヒューリスティックアルゴリズムの長いオンライン計算時間を解決する。このアーキテクチャは、オフライン最適化データをネットワークの重みに埋め込むことで、訓練されたネットワークが高速な順方向計算を行い、最適化されたコマンドを生成する。ハードウェアインザループ(HIL)実験により、提案手法の有効性が検証され、コンデンサ電圧のピーク抑制と過変調の防止が確認された。これにより、深刻な障害時のMMCサポート能力が直接的に向上する。
- グリッド形成MMCの電圧変動抑制能力を向上させる多次元協調手法が提案され、HIL実験により有効性が検証された。
- ニューラルネットワークによるミリ秒レベルの直接マッピング制御アーキテクチャを実現し、追加ハードウェアコストなしで安全なP-Q動作領域を拡大した。
再生可能エネルギー統合に伴う電力系統の安定化はエネルギー分野の重要課題であり、グリッド形成コンバータの電圧変動抑制能力向上は系統連系の信頼性向上に直結する。特に、ハードウェア追加コストなしでニューラルネットワークによる高速制御を実現する点は、系統用パワーエレクトロニクス機器の性能向上とコスト競争力の両立を示しており、電力インフラ関連企業への応用可能性が注目される。