为电力系统工程师讲解 IBR 的 RMS 与 EMT仿真

核心要点

• RMS仿真 低频电网研究时高效的第一步，但它无法捕捉决定许多 IBR 结果的关键快速变流器状态。
• 当弱电网、电网成网控制、保护时序或硬件测试依赖于波形细节和毫秒级市场活动时，EMT仿真 必不可少。
• 最强大的工作流利用RMS来缩小案例列表，并利用EMT来验证那些由控制行为、继电器时序或闭环执行决定结果的案例。

RMS仿真 广泛应用于许多电网研究中，但一旦逆变器控制、弱电网响应或保护时序成为决定性因素，EMT仿真 不可或缺。

随着基于逆变器的资源在新增装机容量中占据更大份额，电力系统研究范围已发生转变。可再生能源预计将提供近 50% 。这种增长使得更多以变流器为主的电厂接入到曾经主要由同步电机构成的电力系统中。不能假设相量模型能清晰地解答所有稳定性问题。

RMS 和 EMT仿真 针对同一任务而竞争。它们在不同的时间尺度上解决不同的问题，而哪种选择更合适取决于决定结果的物理机制。问题往往源于研究团队在明确研究目标之前就选择了速度更快的工具。这种做法会掩盖这样一种情况：即当逆变器在几毫秒内做出反应并确定结果时，RMS 模型甚至尚未察觉到这一变化。

“脆弱的电网会迅速暴露出RMS的局限性。变流器的响应将与瞬时电压畸变、控制饱和及相位跟踪紧密相关

RMS仿真 采用平均器件的低频网格研究

RMS 仿真 在电压、频率和转子角响应（时间跨度从几个周期到几秒）比波形细节更重要时，RMS 仿真效果最佳。它通过与基频相关的平均方程来描述设备，从而保持较短的运行时间。该方法适用于大范围规划研究、系统稳定性筛查以及跨多个运行点的故障分析。

输电调度员在检查线路跳闸后的恢复情况时，通常需要发电机转角、母线电压恢复情况以及无功支撑趋势。RMS 模型可以扫描数十种 N-1 工况，而 EMT 模型仅能覆盖少数几个详细运行工况。这种速度对于季节性调度比较和停电筛查至关重要。即使换流器内环和继电保护时限无法决定通过与否，您仍然可以获得有用的结果。

这种权衡在于抽象化。RMS 用相量和经过滤波的控制块取代了瞬时波形，因此一个市场活动 被平滑处理了。这有助于解决规划层面的问题，但同时也掩盖了控制饱和、直流母线运动以及短暂的状态变化。您应将RMS视为一种筛选工具，其余情况则应进行更高精度的研究。

EMT仿真 RMS 无法呈现的亚周期转换器行为

EMT仿真 电压和电流仿真 瞬时波形。它能够捕捉在微秒至毫秒内市场活动 。这种精细程度能够揭示转换器的开关效应、控制限幅器的动作、相位跟踪响应以及快速保护逻辑。当分析结果取决于单个周期内或刚结束时的内部情况时，您就需要这种高保真度。

一座成功消除附近三相故障的太阳能电站清晰地展示了这种差异。EMT仿真 电压崩溃和恢复过程中的瞬时电流注入、直流母线电压摆动以及控制限制器的触发。而 RMS 通常呈现的电压曲线更为平滑，且无功电流响应经过简化。虽然这为您提供了有用的规划视图，但无法展现决定控制器能否保持稳定的具体事件序列。

当工程师调试穿越逻辑或解释调试过程中观察到的扰动时，这一缺失的序列至关重要。EMT 能够显示市场活动顺序，包括任何仅持续几毫秒的短暂振荡或控制器交接。RMS 只能通过平均波形块来推断这些效应。一旦快速变流器的状态成为研究对象，波形细节就不再是可有可无的了。

研究目标应在选择工具之前确定模型的详细程度

正确的模型应从研究问题入手。模型的细节应与决定结果的机制相匹配。如果您需要几秒钟内的电压恢复趋势，均方根（RMS）通常就足够了。如果您需要开关动作、限幅器动作或继电器跳闸时序，EMT 能为您提供值得信赖的答案。

关于新建风电场的研究请求，通常会冠以“稳定性评估”这类含糊的名称。这种表述并不能说明所需的精度要求。更有效的筛选标准是明确究竟是哪种物理事件决定了通过与否。一旦明确了扰动、验收标准以及涉及的时间尺度，答案通常就会变得清晰。

• 通过或未通过的结果取决于一个周期内的电流峰值。
• 通过控制限幅器或模式开关来设置响应特性。
• 继电器时序或工厂逻辑的响应时间仅需几毫秒。
• 谐波、直流母线振荡或滤波器共振都会影响该情况。
• 硬件控制器测试需要一个闭环网络模型。

这些问题能确保建模工作量与研究风险保持成正比。它们还能帮助您避免两种资源浪费的情况：既不会对每个病例都运行EMT，也不会盲目依赖RMS，尤其当快速对照组已能决定结果时。这样一来，您的团队在项目后期重建模型所花费的时间就会减少。此外，针对规划组、保护组和对照组的研究记录也会更加清晰。

薄弱的网格暴露了RMS模型的主要局限性

脆弱的电网会迅速暴露出均方根（RMS）模型的局限性。变流器的响应会与瞬时电压畸变、控制饱和及相位跟踪紧密相关。故障电平的微小变化就可能导致逆变器从稳定恢复状态转为控制振荡。均方根模型往往会平滑这些效应，从而忽略了导致系统行为异常的根本机制。

假设有一座大型太阳能电站，通过一条长输电线路连接到远程母线。附近发生故障导致电压下降，相位锁定环路追踪着畸变的波形，电流限制几乎立即触发。EMT仿真依次展示了电流矢量、直流母线响应以及恢复序列。RMS 模型显示，即使控制器在关键的几毫秒内处于未建模状态，电压恢复情况仍可接受。

当短路比较低且多个逆变器通过同一电源相互作用时，这一差距尤为关键。此时，工程师需要将控制调谐问题与系统协调及网络强度区分开来。EMT 能够清晰地将这些机制区分开来。RMS 作为基于详细分析结果构建的更广泛的筛选模型，在后续阶段仍能发挥作用。

电网调节控制通常需要EMT级别的表示

电网调节设备通常需要采用电磁时域（EMT）模型。它们通过快速的内部环路来设定电压和频率，而非追随现有的波形。其故障、孤岛运行和黑启动响应取决于亚周期级别的相互作用。均方根（RMS）方法可以近似描述外层响应，但通常无法捕捉到决定系统稳定性的内部序列。

美国新增发电容量的数据清晰地反映了这一转变。预计2024年，太阳能和电池储能将占美国新增公用事业规模发电 新增发电容量的81%。随着电网支持任务越来越多地转移到逆变器上，研究团队需要能够详细捕捉虚拟惯性、限流以及电压源行为的模型。一款用于稳定孤岛系统的电网形成型电池，在均方根（RMS）指标上可能表现良好，但其电磁瞬态（EMT）响应却可能暴露限流和控制模式切换方面的问题。

这些细节决定了系统是否可以安全地投入运行。在理解了控制设计之后，相量模型对于更长期的频率恢复或调度研究仍然有所帮助。早期的验证工作应侧重于控制器内部状态变化的详细序列。这正是EMT值得投入额外调试时间的地方。

保护交互揭示了RMS中隐藏的时序误差

保护系统中的交互往往需要EMT（事件管理技术）。继电器、变流器阻塞逻辑和场控制器均依赖精确的信号时序进行工作。短短几毫秒的差异，就可能导致系统安全穿越故障与意外跳闸之间的区别。RMS模型通常采用粗略的延迟设置，因此无法捕捉到决定最终结果的时序链。

试想这样一种情况：当线路继电器迅速清除馈线故障时，附近的电池逆变器却进入了过流控制状态，随后又恢复到电压控制状态。继电器检测到电流畸变，电站控制器检测到电压骤降，而逆变器固件则启动了自身的保护状态。EMT仿真 这些事件相对于波形的发生顺序及重叠情况。当调试过程中出现误跳闸时，这一视图至关重要，即使均方根（RMS）分析结果看似正常。

保护工程师在审查设置和事后分析时，都需要这些详细信息。当基于距离、差动或速率的元件与基于变流器的设备共享信号时，这一点尤为重要。如果仅使用粗略的模型，可能会导致跳闸看起来像是网络故障，而实际根本原因却是控制状态之间的时序问题。EMT 可帮助您在设备运抵现场之前测试这一交互链。

“混合工作流程采用RMS进行广泛筛查，并在需要快速获取电学细节以确定诊断结果的情况下使用EMT。”

Real-time EMT仿真 闭环控制器测试

当您需要将物理控制器、继电器或保护面板与详细的网络模型进行测试时，实时仿真 。它弥合了软件假设与硬件响应之间的差距。这一步骤能够发现输入/输出时序问题以及固件的边界情况。离线研究往往会忽略这些限制。

风力变流器控制器的硬件在环（HIL）系统便是一个鲜明的例子。被控对象控制器、继电器逻辑和测量接口仍保留在硬件中，而电网和变流器功率级则在实时EMT仿真器上运行。使用OPAL-RT的团队无需等待完整的现场测试，即可注入故障、调节电网强度并验证限流功能。这缩短了模型验证与调试验证之间的时差。

在实际应用中，工具的选择至关重要。仿真 必须能够快速求解详细的网络方程，以满足闭环交互的需求；同时，EMT仿真器必须将延迟控制在足够低的水平，确保控制器所感知到的被控对象仍具有真实感。如果任何一方出现偏差，测试的价值就会大打折扣。实时执行是验证硬件如何响应快速市场活动唯一途径。

混合工作流程使急救人员将精力集中在最能发挥作用的领域

混合工作流程采用RMS进行广泛筛查，并在需要快速获取电气细节以确定答案的情况下使用EMT。这样可以确保研究工作量与风险成正比。详细的建模工作将集中于弱母线、控制密集型电站以及对保护措施敏感的故障情况。您无需将EMT的工作量耗费在队列中的每个案例上。

一个合理的项目流程应从RMS开始，对各种突发情况进行排序，识别互联系统的薄弱环节，并缩小需关注案例的范围。随后，团队仅在EMT中重建关键场景，验证控制器行为，并将结果反馈至规划模型。这种规范化的流程能帮助您明确模型边界、生成更清晰的报告，并减少后期出现的意外情况。当需要对详细案例进行闭环测试时，OPAL-RT便能在此环节发挥作用。

大多数研究中的错误并非源于软件本身。它们往往源于用相量模型来解答涉及详细波形的问题，或是用远超任务需求的复杂工具来处理规划问题。良好的工程判断力能让均方根（RMS）和有效时间（EMT）各司其职。当您将模型与决定结果的物理原理相匹配时，工作效率将得到提升，您也会更加信赖所得结果。