电力系统技术：我踩过的坑，和那些让人拍大腿的突破
还记得去年夏天，我们团队在西北某风电场做并网测试，那叫一个狼狈——下午两点，中控室警报狂响，频率波动曲线像心电图似的乱跳。当场我就想骂人。
其实问题出在哪？高比例新能源的惯量支撑。传统的火电机组像个大飞轮，电网频率掉了它能顶一下，可风机光伏都是电力电子接口，天生没这本事。那天正好云层飘过，光伏出力骤降，频率直接跌破49.8Hz，差点触发低频减载。
说到这儿不得不提虚拟同步机技术。好几年前我就看国内有团队在搞，把逆变器控制算法改改，让它模拟同步发电机的转子运动方程。理论特漂亮，实际呢？去年在浙江某示范项目上，我们实测发现，当多台虚拟同步机并联时，居然出现了功率振荡，而且振荡频率漂忽不定，有时候不到1Hz，有时候又窜到十几Hz。
这让我想起一个经典段子：电力系统是世界上最大的人造动力学系统，你永远不知道下一秒哪根神经搭错了。
不过话说回来，这两年宽禁带器件真是救了不少场。碳化硅MOSFET，开关速度比IGBT快十倍，损耗还低。我们在一个储能变流器上试过，效率直接飙到99.2%，散热器体积缩了一半。但代价也够狠——驱动电路难伺候得要死，寄生电感稍微大一点，振铃就能把管子干穿。我有次焊了三块板子，全炸了，最后发现是示波器探头地线环长了5毫米，我……
碳化硅功率模块封装内部结构显微图
这些微观层面的突破，正悄悄改变整个电网的生态。
去年底参加一个行业闭门会，有位老专家拍桌子：咱们的配电网还是按无源网设计的！这话一点没错。分布式电源一大，电压越限、谐波污染、保护配合全乱了。我见过最离谱的，某农村屋顶光伏中午反送功率把台区电压顶到252伏，老百姓冰箱烧了都不知道找谁。
怎么办？现在流行的方法叫台区智能融合终端。说白了就是在变压器低压侧加个边缘计算盒子，把光伏、储能、充电桩都管起来。我们在山东某个县试点，算法用了多目标优化，既保证电压不越限，又让光伏尽量多发。效果？电压合格率从87%提到99.5%，但你知道最头疼的是什么？通讯。载波模块一到用电高峰就掉线，后来换了双模（HPLC+微功率无线）才稳住。
这当中还有个小故事。我们一开始用经典的集中式优化，把每个台区当成独立王国。结果呢，相邻台区之间没有协调，一个因为光伏太多电压高，主动降功率，隔壁台区明明缺电却接不上。后来才引入分布式优化，让台区间交互拉格朗日乘子，像搞市场经济一样，边际成本相等时全局最优。这思路其实九十年代就有学者提过，但真正落地全靠现在算力便宜了。
台区智能融合终端硬件部署现场图
说实话，工程实践和书本理论之间那个鸿沟，大得能摔死人。
这两年特高压直流又火了。白鹤滩送江苏，±800千伏，800万千瓦，这数字放全球都吓人。但很多人不知道，换流阀里的核心器件——压接式IGBT，十年前我们还得靠进口，现在国产的已经用在了多条线路上。
不过直流输电有个老毛病：受端电网必须足够强。华东网架强，吃得住；可要是送端是弱交流系统，比如西北某些地区短路比低于2，换相失败就成家常便饭。我有个同学在电科院录过一次波形，连续三次换相失败后，直流功率直接跌零，整个送端电网频率飙到51.2Hz，火电机组汽门快关都来不及。
怎么破？LCC-VSC混合直流是个路子。整流侧还用传统晶闸管，便宜；逆变侧用柔性直流，电压源换流器能自己控制电压，不受短路比影响。去年投产的白鹤滩-江苏好像就用了部分柔直。但柔直阀的成本……唉，每个子模块上百个IGBT，加上电容、旁路开关，单站造价是常规直流的近两倍。
这让我想起一个创业者，非要用全桥子模块，说能处理直流故障，结果投资方一听报价直接走了。工程就是这样，技术先进性和经济性永远在打架。
不过最近看到一篇论文，提出用可控关断的电流源换流器，不用大电容，靠电感储能，理论上成本能降。实验室样机做到了10kV/5MW，波形漂亮极了。可离工程化还有多远？鬼知道。
现在随便哪个会议，不说AI都不好意思。负荷预测用LSTM，设备诊断用CNN，电网调度用深度强化学习——好像一夜之间传统电力系统分析要成古董了。我不是唱反调，但有些东西真得来泼盆冷水。
我们团队试过用强化学习做自动电压控制。在仿真里，Agent玩得贼溜，电压合格率100%，动作次数比人工少一半。可一上实际系统，就抓瞎了。为什么？仿真里的电网模型是固定参数，真实电网拓扑时时刻刻在变。线路检修、负荷转移、甚至天气对线路参数的影响，这些在训练数据里根本覆盖不全。有一次算法的无功调节步长太大，把邻近变电站的电压搞震荡了，吓得我们直接拔网线。
还有数据问题。现在全网PMU量测数据海量，但质量呢？时间戳不同步、坏数据、通讯中断，清洗起来能掉层皮。我经常自嘲：搞大数据，80%的时间在洗数据，19%的时间在嫌弃数据，只有1%的时间在跑模型。
不过话说回来，AI在特定场景确实管用。比如用卷积神经网络识别绝缘子裂缝，准确率比老师傅肉眼高得多，还不用爬塔。还有基于迁移学习的负荷分解，拿公共数据集预训练一下，到具体用户微调就行，省去了大量标注。——只是千万别神话它。
电力系统骨子里是个安全第一的系统，任何新技术都得回答那个终极问题：如果它错了，最坏情况是什么？你不能让一个黑箱算法去控制核电站冷却泵，对吧？
所以我的态度是：AI做辅助决策，做预测，做基于物理模型的增强，但涉及实时控制的最后一道防线，还得靠物理机理明明白白的传统算法。这不叫保守，这叫对生命负责。
写到这儿，窗外正好有架无人机在巡线，闪着灯慢悠悠飞过。几年前这东西还是极客玩具，现在已经是行业标配了。变化真快。
电力系统技术就是这样，看起来庞大迟钝，但每一个角落都有人在悄悄挖坑种树。也许下个五年，我们聊的又会是完全不同的故事了。
其实问题出在哪？高比例新能源的惯量支撑。传统的火电机组像个大飞轮，电网频率掉了它能顶一下，可风机光伏都是电力电子接口，天生没这本事。那天正好云层飘过，光伏出力骤降，频率直接跌破49.8Hz，差点触发低频减载。
说到这儿不得不提虚拟同步机技术。好几年前我就看国内有团队在搞，把逆变器控制算法改改，让它模拟同步发电机的转子运动方程。理论特漂亮，实际呢？去年在浙江某示范项目上，我们实测发现，当多台虚拟同步机并联时，居然出现了功率振荡，而且振荡频率漂忽不定，有时候不到1Hz，有时候又窜到十几Hz。
这让我想起一个经典段子：电力系统是世界上最大的人造动力学系统，你永远不知道下一秒哪根神经搭错了。
不过话说回来，这两年宽禁带器件真是救了不少场。碳化硅MOSFET，开关速度比IGBT快十倍，损耗还低。我们在一个储能变流器上试过，效率直接飙到99.2%，散热器体积缩了一半。但代价也够狠——驱动电路难伺候得要死，寄生电感稍微大一点，振铃就能把管子干穿。我有次焊了三块板子，全炸了，最后发现是示波器探头地线环长了5毫米，我……
碳化硅功率模块封装内部结构显微图
这些微观层面的突破，正悄悄改变整个电网的生态。
从“电从远方来”到“电从身边来”，说了十年的分布式到底卡在哪
去年底参加一个行业闭门会，有位老专家拍桌子：咱们的配电网还是按无源网设计的！这话一点没错。分布式电源一大，电压越限、谐波污染、保护配合全乱了。我见过最离谱的，某农村屋顶光伏中午反送功率把台区电压顶到252伏，老百姓冰箱烧了都不知道找谁。
怎么办？现在流行的方法叫台区智能融合终端。说白了就是在变压器低压侧加个边缘计算盒子，把光伏、储能、充电桩都管起来。我们在山东某个县试点，算法用了多目标优化，既保证电压不越限，又让光伏尽量多发。效果？电压合格率从87%提到99.5%，但你知道最头疼的是什么？通讯。载波模块一到用电高峰就掉线，后来换了双模（HPLC+微功率无线）才稳住。
这当中还有个小故事。我们一开始用经典的集中式优化，把每个台区当成独立王国。结果呢，相邻台区之间没有协调，一个因为光伏太多电压高，主动降功率，隔壁台区明明缺电却接不上。后来才引入分布式优化，让台区间交互拉格朗日乘子，像搞市场经济一样，边际成本相等时全局最优。这思路其实九十年代就有学者提过，但真正落地全靠现在算力便宜了。
台区智能融合终端硬件部署现场图
说实话，工程实践和书本理论之间那个鸿沟，大得能摔死人。
直流输电的复兴？不，它一直就没死透
这两年特高压直流又火了。白鹤滩送江苏，±800千伏，800万千瓦，这数字放全球都吓人。但很多人不知道，换流阀里的核心器件——压接式IGBT，十年前我们还得靠进口，现在国产的已经用在了多条线路上。
不过直流输电有个老毛病：受端电网必须足够强。华东网架强，吃得住；可要是送端是弱交流系统，比如西北某些地区短路比低于2，换相失败就成家常便饭。我有个同学在电科院录过一次波形，连续三次换相失败后，直流功率直接跌零，整个送端电网频率飙到51.2Hz，火电机组汽门快关都来不及。
怎么破？LCC-VSC混合直流是个路子。整流侧还用传统晶闸管，便宜；逆变侧用柔性直流，电压源换流器能自己控制电压，不受短路比影响。去年投产的白鹤滩-江苏好像就用了部分柔直。但柔直阀的成本……唉，每个子模块上百个IGBT，加上电容、旁路开关，单站造价是常规直流的近两倍。
这让我想起一个创业者，非要用全桥子模块，说能处理直流故障，结果投资方一听报价直接走了。工程就是这样，技术先进性和经济性永远在打架。
不过最近看到一篇论文，提出用可控关断的电流源换流器，不用大电容，靠电感储能，理论上成本能降。实验室样机做到了10kV/5MW，波形漂亮极了。可离工程化还有多远？鬼知道。
人工智能来了，但电网不是游戏场景
现在随便哪个会议，不说AI都不好意思。负荷预测用LSTM，设备诊断用CNN，电网调度用深度强化学习——好像一夜之间传统电力系统分析要成古董了。我不是唱反调，但有些东西真得来泼盆冷水。
我们团队试过用强化学习做自动电压控制。在仿真里，Agent玩得贼溜，电压合格率100%，动作次数比人工少一半。可一上实际系统，就抓瞎了。为什么？仿真里的电网模型是固定参数，真实电网拓扑时时刻刻在变。线路检修、负荷转移、甚至天气对线路参数的影响，这些在训练数据里根本覆盖不全。有一次算法的无功调节步长太大，把邻近变电站的电压搞震荡了，吓得我们直接拔网线。
还有数据问题。现在全网PMU量测数据海量，但质量呢？时间戳不同步、坏数据、通讯中断，清洗起来能掉层皮。我经常自嘲：搞大数据，80%的时间在洗数据，19%的时间在嫌弃数据，只有1%的时间在跑模型。
不过话说回来，AI在特定场景确实管用。比如用卷积神经网络识别绝缘子裂缝，准确率比老师傅肉眼高得多，还不用爬塔。还有基于迁移学习的负荷分解，拿公共数据集预训练一下，到具体用户微调就行，省去了大量标注。——只是千万别神话它。
电力系统骨子里是个安全第一的系统，任何新技术都得回答那个终极问题：如果它错了，最坏情况是什么？你不能让一个黑箱算法去控制核电站冷却泵，对吧？
所以我的态度是：AI做辅助决策，做预测，做基于物理模型的增强，但涉及实时控制的最后一道防线，还得靠物理机理明明白白的传统算法。这不叫保守，这叫对生命负责。
写到这儿，窗外正好有架无人机在巡线，闪着灯慢悠悠飞过。几年前这东西还是极客玩具，现在已经是行业标配了。变化真快。
电力系统技术就是这样，看起来庞大迟钝，但每一个角落都有人在悄悄挖坑种树。也许下个五年，我们聊的又会是完全不同的故事了。