类型a：

这篇研究论文的作者是来自上海交通大学电力传输与功率变换控制教育部重点实验室的饶仪明、吕敬、王众和蔡旭。该研究于2024年4月5日发表在《中国电机工程学报》（Proceedings of the CSEE）第44卷第7期上。

研究的学术背景主要涉及新能源并网系统的宽频振荡稳定性问题。随着风电、光伏等新能源在电网中渗透率的不断提高，宽频振荡问题日益突出，可能导致新能源机组脱网和设备损坏。阻抗分析法（impedance-based stability analysis method）因其物理意义清晰、应用简便等优势，成为研究这类问题的主流方法之一。然而，由于商业化新能源机组存在”黑/灰箱”问题、运行工况具有随机不确定性等因素，传统阻抗建模方法难以准确获取新能源场站的宽频阻抗特性。因此，本研究旨在提出一种基于数据-模型融合驱动（physics-informed data-driven method）的新能源场站宽频阻抗在线辨识方法，以实现对新能源并网系统稳定性的在线评估。

研究的具体工作流程可分为以下几个关键步骤：

首先，针对输入随机不确定的新能源机组，采用数据驱动方法建立其覆盖整个稳态运行工况的宽频阻抗/导纳辨识模型。研究人员通过在不同工作点下测量并记录新能源机组交流端口的dq轴电压和电流，以及相应的宽频阻抗特性，构建训练数据集和测试数据集。然后利用BP神经网络建立从工作点到阻抗特性的非线性映射关系，并通过决定系数（coefficient of determination, COD）来评估模型的准确性和泛化能力。

其次，结合新能源场站的物理结构模型，构建数据-模型融合驱动的新能源场站宽频阻抗在线辨识模型。该方法将各新能源机组的数据驱动模型通过场站实际电路网络拓扑连接起来，形成”数据模型+物理模型”的混合模型。特别地，研究人员提出基于节点导纳矩阵的阻抗网络聚合方法，能够有效处理因机组切除导致的场站拓扑时变问题。

最后，以风电并网系统为例，研究人员利用建立的导纳辨识模型对系统稳定性进行在线评估。通过广义Nyquist判据（generalized Nyquist criterion）分析阻抗比矩阵的特征值轨迹，可以判断系统的稳定性并预测潜在振荡频率。为验证方法的有效性，研究人员设计了包含电网强度变化、风电场出力波动和部分机组切除等多种工况的仿真案例。

研究取得的主要结果包括：

在风电机组宽频导纳辨识方面，构建的神经网络模型在1-3000Hz频率范围内表现出色。训练数据集和测试数据集的决定系数均超过0.95，表明模型具有很高的准确性和泛化能力。附图显示神经网络辨识导纳与扫频测量导纳具有很好的一致性，误差极小。

在风电场宽频导纳在线辨识方面，两种不同工况下的验证结果表明，导纳的扫频测量值与辨识值高度吻合，各导纳元素的决定系数接近1。特别是在机组出力不均和部分机组切除的工况下，该方法仍能准确辨识风电场的宽频导纳特性。

在稳定性在线评估方面，仿真结果验证了该方法的有效性。当电网短路比（short circuit ratio, SCR）从3降至2时，系统相位裕度由8.48°变为-3.35°，预测将出现20Hz和80Hz的振荡，与时域仿真结果完全一致。当风电场出力降低后，相位裕度进一步减小至-5.19°，振荡加剧；而切除部分机组后，系统恢复稳定，这些预测都被时域仿真所证实。

研究的结论表明，提出的基于数据-模型融合驱动的方法能够有效解决新能源场站宽频阻抗获取的四大难点：机组”黑/灰箱化”问题、输入随机不确定性问题、机组间差异性问题和集电网络复杂性问题。该方法不仅具有理论创新性，而且在实际工程应用中展现出良好的实时性和准确性，为新能源并网系统的稳定运行提供了重要的技术支撑。

本研究的亮点主要体现在： 1）创新性地将数据驱动与模型驱动方法相结合，既克服了纯物理建模的局限性，又避免了纯数据驱动对样本量的过度依赖； 2）提出的节点导纳矩阵聚合方法能够有效处理场站拓扑时变问题，具有较强的工程适用性； 3）完整的在线辨识与评估流程在实际仿真案例中得到验证，展示了该方法在工程实践中的应用潜力。

此外，研究还指出该方法目前仅适用于小扰动稳定性分析，对大扰动（暂态）稳定性不适用，这为后续研究指明了方向。作者表示将探索更先进的数据驱动方法在新能源并网稳定性方面的应用，这体现了该领域持续创新的发展趋势。