主要收获
- 模型的保真度应符合研究问题、时间窗口以及您需要信赖的波形。
- 电网阻抗、滤波器设计、数字延迟以及直流母线动态通常比模型规模本身对结果的影响更大。
- 在硬件工作开始之前，干扰测试是验证逆变器控制逻辑的最直接方法。
可靠的三相逆变器仿真应从研究目标入手，而非从开关模块入手。
2023年，可再生能源新增装机容量接近560吉瓦，其中太阳能光伏约占总量的75%。如此规模使得更多三相逆变器接入馈线、电站母线和园区电网，因此模型质量如今已影响到日常工程工作，而不仅仅是小众研究。当模型精度与您需要解决的电网问题相匹配时，您将更快获得更准确的答案。
你并非在抽象层面选择简单模型还是详细模型。你需要选择的是：在共同耦合点、控制回路内部以及直流母线两端，能够保留关键行为的最小细节。这种做法能确保逆变器仿真在投入硬件或保护设置之前，始终保持实用、易于理解且更便于验证。
“只有当三相逆变器模型的详细信息与您需要解答的问题相符时，它才有用。”
一个实用的三相逆变器仿真模型符合研究目标
只有当三相逆变器模型的细节与您需要解答的问题相匹配时，该模型才有用。电网电流控制、滤波器调谐、故障响应和馈线研究并不需要相同的逆变器仿真，而细节层次不当不仅会浪费运行时间，还会掩盖您需要发现的故障。
- 当PWM纹波或死区时间成为关键因素时，应采用开关模型。
- 当网格趋势比波动更重要时，请使用平均模型。
- 当您关注PCC电流质量时，请确保滤波器处于显式状态。
- 当馈线强度影响系统稳定性时，应显式指定电网来源。
- 当控制调谐感觉过于轻松时，请保持数字延迟的显式设置。
一个连接在短工业馈线上的500 kW太阳能逆变器便是鲜明的例子。若需验证电流纹波、半导体栅极逻辑或电流环路失饱和现象，开关模型是理想的选择。若需观察10秒辐照度下降期间馈线电压的响应，则平均模型能更快给出结果，且计算负担更轻。
一旦将研究问题转化为可量化的输出结果，您就能从逆变器仿真器中获得更大的价值。这通常意味着在放置任何模块之前，先为波形、事件和时间窗口命名。以这种方式构建的模型目标明确，当结果开始出现异常时，验证起来也会容易得多。
开关模型与波形细节相符的控制验证
当研究涉及瞬时相电压、PWM纹波、死区时间、采样效应或半导体换相时序时，开关模型是最佳选择。它们保留了平均模型所平滑掉的特性，因此在开关带附近验证电流控制器、保护逻辑和滤波器谐振时，是安全系数最高的选项。
一台采用 10 kHz 载波和 LCL 滤波器的 50 kW 逆变器，很好地说明了这一点的重要性。一旦向电网注入一次电压下陷，并观察共轭点处的相电流，即可观察到纹波增大、电流调节器饱和以及死区时间导致的不对称现象。这些效应会影响谐波成分和控制器负载，但如果将桥式整流器替换为受控电压源，这些效应便会消失。
为了获得这种高精度，您需要牺牲更小的时间步长并延长模拟运行时间。当您测试逻辑转换、过流处理，或调制指数与相电流之间的关系时，这种代价是值得的。但对于持续30秒的馈线扰动而言，由于开关纹波对您所需的工程解决方案影响甚微，这种代价就不值得了。
平均模型适用于时间跨度更长的系统研究
当您需要在较长的时间窗口内分析功率交换、电流环响应、直流母线能量平衡以及电网交互时，平均模型是理想的选择。这类模型剔除了开关细节，同时保留了系统研究中关键的动态特性，因此对于长期扰动分析、参数扫描以及馈线级研究而言，其实用性远高于其他模型。
公用事业规划之所以需要这种效率，是因为研究范围在不断扩大。预计到2024年，太阳能和电池储能将占美国新增公用事业规模发电容量的81%。如果针对每种情景都要在载波层面上解决每个桥接问题，那么对于包含多个基于逆变器的资源的馈线，就无法进行有效研究。
一个普通模型只有在控制路径保持真实的情况下才有效。你仍然需要电流控制器、锁相环、直流母线动态特性以及电流限制。如果将这些要素简化为一个理想电源，模型虽然容易运行，却难以令人信服。正因如此，许多电网研究才会偏离物理行为，尽管波形看起来很干净。
| 习题 | 通常适用的模型选择 | 必须明确说明的内容 |
| 您需要获取共轭点处的相电流纹波和谐波含量。 | 开关模型将保留载波效应和时序细节。 | 桥接电路、PWM 方法、死区时间以及 LCL 滤波器应保持显式定义。 |
| 在电网电压下陷或接收到阶跃指令时，需要进行电流环调谐。 | 开关模型将展示采样和饱和如何改变响应。 | 控制器延迟、限制和测量滤波应保持显式。 |
| 您需要测量几秒钟内的馈电电压和功率流。 | 一个平均模型在保持有用的逆变器动态特性的同时，运行速度会更快。 | 当前的控制器、锁相环和直流母线能量平衡应保持明确。 |
| 您需要在线路阻抗或电站调度点上进行多次参数扫描。 | 一个平均模型能在实际运行时间内支持更广泛的场景覆盖。 | 电网阻抗、电流限制和系统设定值应保持明确。 |
| 您需要验证由调制或门控行为引起的保护跳闸。 | 开关模型将揭示被平均电压源所掩盖的事件。 | 桥接状态、阈值和故障逻辑应保持显式。 |
LCL 滤波器参数决定 PCC 处的电流质量
LCL滤波器的参数决定了有多少开关纹波会传导至电网以及谐振出现在何处，因此它们直接影响共轭点处的电能质量。一个可靠的模型必须包含逆变器侧电感、电网侧电感、滤波器电容以及阻尼，因为每个参数都会改变闭环响应。
一个连接到50 Hz母线的400 V变流器，其权衡关系显而易见。如果滤波电容过大，无功电流会增加，控制器在接近额定运行时将承受更大负荷。如果电网侧电感过小，开关纹波会泄漏到馈线中。如果忽略阻尼效应，模拟中整齐的正弦波一旦被控制器激发到谐振模式，就会变成振荡电流。
应将谐波频率设置得足够高，使其与控制带宽分离；同时也要足够低，以避免在载波附近出现衰减不足的情况。这种平衡比任何教科书上的单一比例都更为重要。优秀的逆变器仿真应能清晰显示滤波器损耗和阻尼，因为当前的电能质量问题往往是披着控制系统外衣的滤波器问题。
电网阻抗假设决定了仿真中的稳定裕度
电网阻抗决定了逆变器的实际运行状态，因此采用理想刚性电源模型的分析结果，在弱馈线条件下会高估稳定性裕度。要进行准确的研究，必须考虑电源的戴维南等效电路、馈线阻抗、变压器漏抗以及局部电容，因为这些因素都会改变谐振频率、控制器增益和相位裕度。
校园微电网和农村馈线对同一台逆变器产生的负荷性质截然不同。在校园场景中，系统可能看似足够刚性，因此宽电流环带宽似乎无害。而在农村馈线中，感性阻抗可能足够大，导致相同的调谐参数会在相位锁定环带宽附近引发振荡。通常，进行一次简单的阻抗扫描比再次调整控制器参数更能快速发现问题。
SPS SOFTWARE 非常适合这一步骤，因为您可以直接检查源、线路、变压器和控制方面的假设，而不是直接采用一个封闭式的逆变器仿真器。当某条馈线参数发生变化导致结果出现偏差时，这种透明度至关重要。这样，您就能同时验证物理模型和实现方案，而这正是许多并网模型往往在不知不觉中出现故障的关键所在。
控制带宽必须符合数字时序限制
设定控制带宽时必须将采样、计算和PWM更新延迟考虑在内，因为数字时序会消除连续时间调谐所能掩盖的相位裕度。如果模型忽略了这些延迟，虽然在理论上看起来稳定，但一旦将离散控制引入控制环路，就会出现振铃、过冲或饱和现象。
在将电流控制器调谐至接近开关频率十分之一的情况下，常会出现一个常见错误。在加入一个采样周期的电流测量延迟和一个采样周期的调制延迟之前，增益裕度看起来似乎还很充裕。但一旦加入这些延迟，相同的调谐设置就会导致电流信号噪声增大、抗扰能力下降，并且在电压骤降期间，锁相环会出现严重的相互干扰。
你应该完全按照控制器实际运行时的状态来建立模型，其中应包含采样顺序、零阶保持、滤波以及限幅处理等所有环节。这样做并不会让模型更难理解，反而能使结果更真实。一旦这些延迟变得可见，你通常会稍微降低目标带宽，从而在电网条件较弱的情况下获得更优异的系统性能。
光伏输入模型必须反映直流母线的行为
太阳能输入模型必须能够捕捉直流母线的行为，因为逆变器无法直接感知辐照度。它所感知的是源阻抗、功率限制、最大功率点跟踪的控制动作以及电容器能量。固定直流电源虽可用于进行粗略的控制验证，但在太阳能瞬态过程中，它将无法捕捉电压下陷、电流限制以及恢复行为。
在云层快速移动时，并网光伏系统是一个很好的测试案例。此时，光伏组件的输出功率下降，直流母线电容器会在短时间内弥补缺口，而逆变器控制器则通过调整调制比来确保交流电流保持在限定范围内。如果您的模型使用的是理想的刚性直流电源，上述能量交换过程将不会出现，因此电流控制器看起来比实际情况更为平稳。
并非每项研究都需要完整的电池级光伏模型。您确实需要具备足够的电源动态特性，以便在您关注的事件期间保持直流母线电压的波动。这通常意味着需要一个受控的直流电源，其需具备真实的电源电阻、功率限制、电容值以及跟踪动态特性。一旦具备这些条件，并网研究就不再会掩盖功率平衡误差。
“扰动试验是验证三相逆变器模型可靠性的最快方法。”
扰动测试可在硬件开发前揭示模型误差
扰动测试是验证三相逆变器模型可靠性的最快途径。一个能够经受住阶跃变化、电压骤降、相位跳变、电流限制和阻抗变化的模型，其价值远胜于十几张稳态曲线图，因为当系统被迫偏离额定运行状态时，不严谨的假设通常会暴露其缺陷。
一套严谨的测试方案可能会从当前参考工况开始，随后转入电压下陷20%的工况，然后在馈线阻抗更高、直流母线电压更低的情况下重复相同的测试。这些工况能揭示锁相环、电流调节器和滤波器之间存在的隐性耦合。如果一个模型仅在理想电网强度下通过测试，说明该模型尚未完善。
在SPS SOFTWARE中，当每个模块都保持开放以便检查时，其价值最为凸显，因为良好的工程判断依赖于那些可以追溯和修订的假设。随着时间的推移，最可靠的并网模型并非细节最丰富的那些，而是那些经过针对正确扰动进行测试的模型——直到其极限清晰可见，且行为保持一致为止。
