一、研究背景
全球能源危机加剧，风电成为能源转型核心，但双馈风电场与串补线路交互易诱发次同步振荡（SSO），威胁系统安全。风电场SSO事故表现为大量风机脱网及设备损坏，其特征为换流器参与等效谐振引发负阻尼振荡，受风机参数、电网条件、风速等多重因素影响，频率时变，且易因换流器快速响应导致扰动快速发散。
SSO分类包括感应发电机效应（IGE）和次同步控制相互作用（SSCI），IGE振荡速度较慢，SSCI更快。现有SSO抑制策略分为电网侧和风机侧，但存在自适应性欠缺和响应速度较慢两大挑战。经典策略如SSDC成本高、控制复杂，自适应策略ASDC参数整定复杂，均难以实现大范围SSO抑制。
SSO抑制控制策略技术挑战在于经典策略抑制能力不足、频段固定，依赖特定场景，缺乏自适应性；现有策略参数更新复杂且存在延迟，抑制时间过长，威胁设备安全。
二、研究路线与基础
技术路线包括DWF+SC系统建模与主导SSO模态分析、改进型自适应线性元件SSO抑制控制器（MA-SOSC）设计、快速自适应SSO抑制控制器提升方案（FA-SOSC）。
研究理论基础为DWF+SC系统SSO通常只涉及一个主导模态，该模态对RSC内环比例系数、风速和串补度敏感，其振荡频率主要取决于Kc且呈大范围时变特性，抑制该模态即可有效抑制系统SSO。RSC内环控制回路作为次同步频段下的薄弱环节，可作为SSO抑制策略设计与实施的切入点。
三、改进型自适应线性元件SSO抑制控制器（MA-SOSC）设计
MA-SOSC应用于RSC内环，由SSO滤除模块、主导SSO频率辨识模块与频率锁定/更新模块构成，实现多工况下SSO分量的实时辨识与有效剔除。
SSO滤除与频率辨识模块：A-SOF根据参考频率f，通过递归最小二乘法（RLS）形成逼近SSO分量的信号，进而将其剔除；频率辨识模块根据频域中主导SSO模态频率对应的幅值远高于其余频段的振荡特性进行辨识。
锁频模块与MA-SOSC设计优势：频率锁频模块通过合理的延时设计（T）有效屏蔽了频率辨识模块在SSO发生初期输出跳变带来的信号干扰，在确保频率锁定准确性基础上，实现了A-SOF参考频率f的自适应更新f=Jorwhen Jo e faafs t, stwhen Jiso E [fisa-Jso] && r, ≥T-0.2fhso。MA-SOSC通过“实时跟踪-动态调整”预设A-SOF参考频率，实现f自适应更新，突破传统固定参数限制，兼顾宽频带适应性和控制精度，提升SSO抑制的鲁棒性。
C-HIL验证平台架构与仿真参数：在C-HIL中搭建了DWF+SC系统模型，用于对比验证所提MA-SOSC的SSO抑制性能。C-HIL中，DSP用于实现GSC和附加MA-SOSC的RSC，RT-LAB用于模拟DWF+SC系统模型及串联补偿线路仿真参数设置：B, Ru, Xu2041SFFT算法中的时间窗口长度W设置为1秒，采样频率PWM为1kHZ。A-SOF遗忘因子0.9735，' doo]初始参考频率fo,=25HZ，SSO频率下限fssol=5HZ ,SSO频率上限国大能平台RT-LAB系站fssoh=45Hz，锁频DWF+SC仿真系统及C-HIL实验平台模块的频率锁定时间=50mS。
频率辨识与锁定效果验证：在Kc连续阶跃升高情况下，MA-SOSC能做到迅速、主动、准确地辨识出主导SSO频率的变化（约100ms）并及时锁定并更新A-SOF参考频率（约50ms)，有效易剔除SSO分量。
多工况下控制器性能对比：随着V降低、Kc升高，TC无法缓解SSO，抑制频段固定的SSDC逐渐失去SSO抑制能力，而MA-SOSC得益于抑制频率的自适应动态调整均以较少的超调量快速收敛，性能显著优于经典控制。
故障情况下控制器性能对比：在发生三相接地故障后，系统出现SSO，TC无法缓解振荡，而MA-SOSC相较于SSDC表现出更优的SSO抑制效果，且锁频模块仍能即时更新A-SOF参考频率，展现出了多场景下的适用性。
四、快速自适应SSO抑制控制器提升方案（FA-SOSC）
FA-SOSC沿用MA-SOSC控制架构与SSO抑制理论，结合SFFT辨识数据误差特征与长短期记忆神经网络算法（LSTM)，提出了改进锁频模块，以实现SSO抑制即时性的有效提升。
改进锁频模块：SFFT辨识数据误差用于LSTM预测的SFFT辨识误差数据特征区域特征：(e-e), )et, k出现fs尖峰式阶梯状特征，SSO初期，SFFTfso SFFT因时间窗内辨识数据不完整而导致辨识结果出现阶跃变化的现象，可通过LSTM建立其与SSO模型离线频率的映射关系，训练是提升抑制及时性频率预测。LSTM架构与训练评估：LSTM模型通过1747组特征数据集训练，足以捕捉SFFT数据误差特征，实现无需复杂系统建模且较为准确的主导SSO频率预测。
改进锁频模块运行机制：改进锁频模块集成了频率预测、锁定与更新功能，构建了特征感知-准确预测-自适应更新协同机制，实现了瞬态、稳态参数自修正，理论可在SSO发生10OmS后预测出主导SSO频率。
频率预测效果验证：在Kc连续阶跃升高情况下，改进SSO锁频模块使频率更新时间平均缩短50%，通过动态时序特征提取与时间常数T的协同优化，有效抑制系统响应发散，使SSO幅值降低约30%。
多工况下控制器性能对比：ASDC因传统滤波器性能不足，振荡超调显著。而FA-SOSC在响应速度与抑制性能方面均展现出显著优势，减轻了极端工况下的大幅振荡现象，有效拓宽了设备稳定运行范围，优势显著。
五、总结和展望
创新点1：改进型自适应线性元件SSO抑制控制器设计（MA-SOSC）通过模块化组合的方式构建MA-SOSC控制器，解决经典方法抑制频段外SSO失效问题，实现SSO自适应抑制。MA-SOSC实现主导SSO频率变化的迅速捕提，并以较快的收敛速度和较少的超调量有效抑制SSO，所使用的感知-锁定-抑制”闭环控制架构，可为电力系统宽频振荡治理提供参考范式。
创新点2：快速自适应SSO抑制控制器提升方案（FA-SOSC）所提SFFT-LSTM融合模型，结合传统算法（SFFT）与神经网络（LSTM），实现主导SSO频率预测与锁定的双机制协同，确保A-SOF参考频率在初期辨识阶段（瞬态）与稳定阶段（稳态）的精准动态调整。SFFT-LSTM模型通过训练建立误差特征-主导频率映射关系实现频率预测，平均缩短参考频率更新时间50%。FA-SOSC突破即时性提升技术瓶颈，为实时控制问题提供可复用的技术路径，兼具算法轻量化与工程鲁棒性。
展望：工程应用深化方向：当前SSO抑制方案基于DWF+SC系统平均值模型设计，未来需兼顾经济性与工程可行性，研究多风电场控制器的协同配置策略，提升系统整体抗扰能力。模型适用性扩展：SFFT-LSTM已验证对单频主导SSO的有效预测，但针对大扰动引发的多频叠加振荡仍需挖掘新特征数据，拓展模型对复杂振荡场景的泛化能力。风电动态稳定提升宽频振荡治理突破协同控制范式创新。
