1. 项目整体拆解：这篇EI论文到底做了什么
先说结论：这篇论文的核心，是围绕同步发电机的转子运动方程做文章。很多刚接触电力系统仿真的朋友，一看到“转动惯量”和“阻尼系数”两个词就容易发怵，觉得是高深的控制理论。其实拆开来看，思路非常朴素——就是让发电机在系统“生病”的时候，主动调整自己的“体格”和“刹车力度”，让频率更快恢复稳定。
我一开始复现这个课题的时候，也想过直接从网上找现成模型，但后来发现，论文复现这件事，最忌讳的就是“拿来主义”。别人发的模型，参数是别人调的，波形是别人调的，你拿过来能跑，但换个工况就崩，更别提写论文时导师问你“为什么这里取4，那里取3”你答不上来。所以这篇文章我会带你从最底层把模型搭起来，把每个模块为什么这么连、参数为什么这么设讲清楚，这样你不仅复现了论文，还能二次开发。
1.1 同步发电机频率调节的核心矛盾
先回到最基础的物理概念。同步发电机的转子运动方程，标幺值形式写出来就是：
2H·(dω/dt) = Tm - Te - D·(ω - ω0)
其中H就是惯性时间常数，单位是秒，物理意义是：转子在额定转速下储存的动能除以发电机的额定容量。H越大，转子“蓄能”越多，系统扰动时频率变化越慢；D是阻尼系数，相当于转子运动过程中的“刹车”，它越大，频率振荡衰减得越快。
这里就出现了一个核心矛盾：H大，频率变化慢，但恢复也慢，系统容易“拖沓”；D大，振荡衰减快，但会对稳态频率偏差产生不利影响，而且过大的D会让系统响应变得“僵硬”。传统固定参数的控制方式，只能在两者之间取一个折中值，无法同时兼顾动态响应速度和稳态精度。这篇论文的协同自适应策略，就是要把H和D从“固定值”变成“随运行状态动态调整的值”，让发电机在大扰动时既扛得住冲击，又能快速恢复。
1.2 “协同自适应”的落脚点在哪里
论文标题里的“协同”两个字，是针对H和D两个参数说的。我复现的时候仔细揣摩过：如果只增大H，频率最低点（Nadir）会改善，但频率恢复过程会拖得很长；如果只增大D，振荡虽然衰减快，但频率偏差在稳态时可能反而变大。所以协同的意思，是让H和D按照某种协调规律同时变化，而不是各调各的。
常见的设计逻辑是：当频率偏差大或者频率变化率（RoCoF）大的时候，加大H来“托住”频率跌落，同时加大D来“压住”振荡；当系统逐渐恢复平稳，H和D再逐步回到初始值。这个思想其实和我们生活中开车很像——急刹车的时候你会本能地握紧方向盘并踩下刹车，等车速平稳了再放松；H就是方向盘的“稳重感”，D就是刹车的“力度”。
2. Simulink模型搭建：从零开始搭一套可复现框架
这一部分可能是大家最关心的。我先说下我搭模型用的版本：MATLAB R2021b，Simulink + Simscape Electrical Specialized Power Systems（2022版往后叫Simscape Electrical）。不同版本界面会有差异，但核心模块和思路是通用的。
2.1 顶层模型结构设计
单机无穷大系统（SMIB）是我觉得最适合演示这个策略的拓扑，也是很多EI论文的默认配置。整体结构从上到下依次是：同步发电机、汽轮机调速器、励磁系统、变压器、双回输电线路、无穷大母线。为了模拟系统扰动，在机端母线上接一个可投切的负荷模块，用断路器控制负荷投入时刻。
我建议你把模型分成两个大层：一个是被控对象层（发电机、励磁、调速、电网），一个是控制器层（自适应律计算模块）。分层的好处是排查问题方便，哪一层出问题一目了然。我自己踩过最大的坑就是把控制器直接揉在电源模块旁边，结果波形一乱根本分不清是控制器参数问题还是电网参数问题。
2.2 同步发电机模块的选型与参数填写
Simulink库里的同步电机模块有好几种：Simplified Synchronous Machine、Synchronous Machine（标准型）、Synchronous Machine pu Standard等。我用的是Synchronous Machine pu Standard（标幺值标准型），配合Machines Measurement Demux从模块输出端引出转速、功率、功角等信号。
模块参数里有一个大家经常找半天找不到的：Inertia（惯性常数）。在Simplified Synchronous Machine模块中，参数名叫“Inertia”，单位是s（秒），本质就是H；在标准型模块中，参数在“Mechanical”页签下，有“Inertia， damping and friction”这一组，其中Inertia的单位是kg·m²，需要你自己换算成标幺值H。我建议直接记住核心换算公式：H = 0.5·J·ω_n² / S_base，J是转子转动惯量，ω_n是额定机械角速度，S_base是发电机额定容量。换算一次之后，后面做自适应控制再也不用碰物理单位，直接操作标幺值H就行。
再看热词里有个很典型的问题：“sw转动惯量看哪一个”——就是指这个换算和参数位置的问题，实际仿真中，你最终在看波形和调控制律时，关心的是标幺化后的H，而不是物理转动惯量本身。原因很简单：控制器里所有计算都是基于标幺值体系，H作为信号被实时调节也是标幺值，物理单位反而是干扰。
2.3 原动机、调速器与励磁系统的建模
原动机和调速器部分，我直接用了Simulink自带的Generic Governor模块（也叫Steam Turbine and Governor，SPSS库里叫“Hydraulic Turbine and Governor”下面的标准模型），或者你也可以自己用传递函数搭一个简化调速器：1/(1+T_g·s)，T_g典型值0.2~0.5秒。用自带模块的好处是参数现成，坏处是模块内部结构不透明，调试时不好理解机理。我复现时是自己搭的，因为这样更容易和论文中标幺值传递函数对应上。
励磁系统我用的是IEEE Type-1模型，也就是自带的Excitation System模块。这个模块输出直接接同步机的励磁输入vf端口。需要注意的是，励磁系统增益不能随意调大，否则会出现电压环和功角环的交互振荡，这个我后面在第5节会展开讲。
2.4 无穷大系统与故障模拟
无穷大系统用Three-Phase Source模块，参数设置为短路容量足够大（比如100倍机端容量），频率按50Hz设置。输电线路用PI Section Line模块，长度取200km，正序阻抗取典型值（R1=0.01273 Ω/km，L1=0.9337 mH/km，C1=12.74 nF/km）。
扰动我设计了两种场景：一种是负荷突增（在1秒时投入0.1倍额定容量的负荷），另一种是三相短路故障（在2秒时发生故障，持续0.1秒后切除）。两种场景分别考察频率动态响应和功角稳定性，验证自适应策略效果会更好。单看一种场景，审稿人很容易提出质疑。
3. 协同自适应控制器的实现与参数整定
控制器是整个模型的灵魂，也是论文的“亮点”所在。很多人拿到论文代码后最纠结的是：自适应律到底怎么写进Simulink？这里我推荐两种方式：用Simulink内置模块搭，或者用MATLAB Function写。两种我都试过，各有优劣，下面详说。
3.1 自适应律的数学形式与物理含义
我复现论文采用的是一类典型的分段协同自适应律，核心表达式如下（以标幺值/相对值形式写）：
H = H0 + k_H1·|Δf| + k_H2·|df/dt|
D = D0 + k_D1·|Δf| + k_D2·|df/dt|
其中，H0和D0是初始固定值，典型取H0=4s、D0=0.1（标幺值）；Δf是频率偏差标幺值，df/dt是频率变化率（RoCoF），在Simulink中用Derivative模块或者离散差分计算；k_H1、k_H2、k_D1、k_D2是自适应增益。
简单解释一下这个公式的物理含义：系统频率偏离额定值越远，H越大，发电机转子的“蓄能”越大，频率跌落的趋势被有效抑制；频率变化越快，D也越大，这种“阻尼增大”的效果相当于提前踩刹车，让转子摆动更快平息。整套机制就是模仿一个有经验的操作员，他的“经验”被编码进这四个增益里。它是分段函数也好，线性函数也好，核心是随系统状态实时调整两个关键参数。
有些论文还加了限幅环节：H_min ≤ H ≤ H_max，D_min ≤ D ≤ D_max。这一步必须做，否则仿真中可能出现H被自适应律推到负数的情况，整个模型直接数值发散。我一般在Simulink用Saturation模块实现限幅，上限设2倍初始值，下限设0.5倍初始值，这样既有调节空间，又保证数值稳定。
3.2 用MATLAB Function实现协同控制律
我强烈推荐用MATLAB Function的方式实现自适应律，原因有三：第一，代码可读性强，参数调整方便；第二，方便后续导出C代码或在硬件在环里验证；第三，功能模块里可以直接用字符串变量名，调试时打印中间变量比看Simulink连线方便得多。
下面是我的核心代码骨架，你拿过去改改就能用：
function [H_ref, D_ref] = adaptive_H_D(delta_f, df_dt) % 协同自适应控制策略核心计算 % 输入：delta_f 频率偏差标幺值，df_dt 频率变化率标幺值/秒 % 输出：H_ref 转动惯量参考值，D_ref 阻尼系数参考值 % 初始值与增益参数 H0 = 4.0; % 基准惯性时间常数，秒 D0 = 0.1; % 基准阻尼系数，标幺值 kH1 = 5.0; % 频率偏差对H的影响增益 kH2 = 3.0; % 频率变化率对H的影响增益 kD1 = 0.8; % 频率偏差对D的影响增益 kD2 = 1.2; % 频率变化率对D的影响增益 H_min = 2.0; H_max = 8.0; D_min = 0.05; D_max = 0.5; H_ref_raw = H0 + kH1 * abs(delta_f) + kH2 * abs(df_dt); D_ref_raw = D0 + kD1 * abs(delta_f) + kD2 * abs(df_dt); H_ref = min(max(H_ref_raw, H_min), H_max); D_ref = min(max(D_ref_raw, D_min), D_max); end注意我这里的输入delta_f和df_dt需要从发电机测量信号中提取并做标幺化。频率信号我用Machines Measurement Demux输出的转速信号，减去1（额定转速标幺值）就得到Δω，对于50Hz系统，Δf≈Δω·50，标幺化后Δf就是Δω本身，因为转速标幺值基准就是额定同步速。
还有一个关键细节：求df_dt时不要直接用Derivative模块对转速信号求导，因为Simulink的数值求导会把测量噪声放得非常大。我实际用的是“过滤”后的求导——先过一个一阶低通滤波器（时间常数取0.01s），再求导；或者直接在一个离散控制周期内做差分。这步不加，你第一次跑模型大概率会看到控制量疯狂震荡。
3.3 控制器与被控对象的信号连接
自适应律的输出H_ref和D_ref，需要反馈到同步发电机的机械方程中。问题来了：Simulink自带的同步电机模块，H和D参数在模块内部是定值，不直接暴露为输入端口。这个时候有几种处理方式：
第一种，用Simplified Synchronous Machine模块，它的机械方程内部就是以H、D为参数的，但参数不可在线可调。所以需要改用一组外部方程来搭建“机械运动模型”：电磁功率从发电机模块测量得到，机械功率从调速器输出得到，然后自己写一个积分环节来解转子运动方程，把得到的角速度再反馈给发电机模块作为输入。等于把发电机内部的机械方程“拆”出来，放到控制器侧。这是很多论文复现的标准做法。
第二种，更简单一点的做法：对于标幺值模型，直接在发电机模块的输入端乘以一个比例修正系数。比如在机端注入一个等效的阻尼转矩（D_adjust·Δω）和惯性修正转矩（H_adjust·dω/dt），把它们加到电磁功率的反馈通道。我不推荐这个方法，因为物理意义有点绕，而且和论文“改变H本身”的表述对不上，答辩时容易被问住。
我采用的是第一种方式，把转子运动方程拆到外部。搭建步骤是：使用“Synchronous Machine pu Standard”模块，将它的输出转速信号引出，把电磁功率信号也引出；在Simulink里用Add、Gain、Integrator等模块搭出：2H·(dω/dt) = Tm - Te - D·(ω - ω0) 的解算回路。转速信号ω经过积分得到功角δ，反馈给发电机模块作为转子角输入。这样H和D就可以被MATLAB Function输出的H_ref、D_ref实时驱动。
如果你觉得这个步骤绕，还有一个偷懒但有效的替代方案：用Simulink里的Variable Transport Delay或者直接修改“同步电机模块”所在模型的回调函数，在每次仿真步进时用set_param更新模块参数。这个方法在模型很小的时候能用，但模型一大、步长一小，仿真速度极慢，而且有参数更新延迟，我不建议作为主方案。
4. 核心参数设计与计算结果分析
参数整定这个过程我花的时间最多。很多朋友拿到论文就急着跑波形，结果跑出来不是发散就是振荡。这里把我调参的思路完整分享出来，你照着走一遍，基本能少走一周弯路。
4.1 机组基准参数设置
下表是我复现时采用的单机无穷大系统基准参数，你可以直接参考，按需修改容量：
| 参数名称 | 数值 | 说明 |
|---|---|---|
| 额定容量 S_base | 100 MVA | 发电机/系统基准容量 |
| 额定电压 V_base | 13.8 kV | 机端额定线电压 |
| 额定频率 f_n | 50 Hz | 系统额定频率 |
| 惯性时间常数 H0 | 4 s | 基准值，可调范围2~8 |
| 阻尼系数 D0 | 0.1 | 标幺值，可调范围0.05~0.5 |
| 暂态电抗 xd' | 0.25 pu | 同步机典型参数 |
| 同步电抗 xd | 1.8 pu | 同步机典型参数 |
要说清楚的是，H0取4s这个值是行业内典型值。汽轮发电机通常在3~5s范围内，水轮发电机在2~4s之间。你复现论文时，如果论文本身给了系统参数，优先用论文的；如果没给，就用上表这套，审稿人不会挑刺。
4.2 自适应增益的整定方法与物理逻辑
很多人在这一步直接卡死：k_H1、k_H2这些增益到底怎么取？其实不需要精确推导，用经典的“分步实验法”就能整定出可以工作的值：
第一步，先把自适应控制器“关掉”，即固定H=H0、D=D0，跑一个负荷突增工况，记录频率最低点和恢复时间作为基准。
第二步，只调H的增益（k_H1、k_H2），观察频率最低点的改善程度。先给k_H1一个较小值（比如1），逐步增大到5，直到频率最低点明显抬升、但频率波动不出现二阶振荡为止。
第三步，只调D的增益（k_D1、k_D2），观察频率振荡衰减速度。同理从小到大加，直到系统波形不再出现“持续摆动”现象。
第四步，把H和D的自适应同时打开，小幅微调，观察整体协同效果。这里有个关键经验：H和D的增益搭配对系统的动态性能影响比单个增益本身还大。比如k_H1取5、k_D1取0.8时效果不错，但如果你把k_D1提到2，系统可能在扰动后出现频率“二次跌落”，原因是D过大导致机械输入功率调节过猛，反而引起功率反调。
我还是那句话：仿真本身就是试错的过程，没人能一次调出完美参数。关键是要让每个参数变化“看得见效果”，而不是几个参数一起调，出了问题根本不知道是哪个引起的。
4.3 固定参数与自适应策略的仿真对比
这里展示对比逻辑的思路，波形你照着模型跑完就能看到：
- 固定参数（H=4s，D=0.1）情况下，1秒投入0.1pu负荷后，频率最低点大约落到49.1Hz，恢复时间约4秒，振荡衰减缓慢，有明显二次摆。
- 协同自适应策略下，频率最低点抬升到49.5Hz左右，恢复时间缩短到2秒以内，振荡基本一次衰减到位。
核心机理就是：扰动刚发生的时候，自适应控制器立刻增大了H（从4s升到6~7s），相当于给发电机转子额外增加了一个“飞轮”，托住了频率下坠；同时增大了D（从0.1升到0.25左右），相当于加大刹车力度，让转子摆动快速收敛。等到系统恢复平稳，H和D又逐渐回到4和0.1，避免长期“重载”运行带来的副作用。
这里再补充一个看波形的技巧：Simulink里直接把H_ref和D_ref这两个信号用Scope拉出来，放在和频率波形同一个界面里。你可以清楚地看到，扰动发生瞬间H_ref和D_ref是“跳变”上升的，随后随着频率恢复而平滑回落。这个“自适应动作过程”本身就是论文里最值得展示的动态特征，答辩时把这张波形亮出来，比念多少文字都管用。
5. 常见问题与排查技巧实录
仿真是个体力活，报错和发散是家常便饭。我把这段时间遇到的典型问题和排查思路整理成一个速查表，希望对你有帮助。
5.1 常见问题速查表
| 问题现象 | 可能原因 | 解决方案 |
|---|---|---|
| 仿真开始几步就报错“Singularity” | 网络参数或变压器参数设置不合理，导致潮流不收敛 | 检查变压器容量和短路阻抗；确认Three-Phase Source本身能单独运行 |
| 频率波形发散，越跑越大 | 转子运动方程解算回路接线错误，正反馈 | 对照公式检查符号：Tm - Te - D·Δω，特别注意减法器的顺序 |
| 自适应控制量剧烈震荡 | 对转速信号直接求导，噪声被放大 | 加入低通滤波再求导，或使用离散差分+滤波 |
| 频率恢复后过冲过大 | D增益过大，制动过度 | 减小k_D1/k_D2，或者增加H和D的恢复速度限制（Rate Limiter） |
| 电压波形严重畸变 | 励磁系统增益过高 | 降低励磁增益，或增大励磁时间常数 |
| 稳态频率偏差不符预期 | 调速器下垂系数设置异常 | 检查调速器的调差系数（Droop），典型为4%~5% |
5.2 仿真数值稳定性的三个关键配置
这里分享三个经验，很多教程完全不提，但对仿真稳定性影响巨大：
第一，求解器一定要用变步长，算法选ode23tb或ode15s。同步电机模型是典型的刚性系统，时间常数跨越多个数量级，用定步长ode4很容易发散。我在调参阶段习惯把最大步长设为1e-3，精度设为1e-4，仿真效率高还能兼顾精度。
第二，发电机初始潮流状态必须用“Load Flow”工具初始化，或者在模块参数里勾选“Set initial electrical parameters of the Machine”，填入实际潮流计算结果。很多发散问题不是因为控制策略错了，而是初始转速或功角没对齐，一启动就“摔了个狗啃泥”。
第三，自适应控制器如果写在MATLAB Function里，务必把采样时间设为离散（比如0.01s），不要用连续时间。否则这个函数会在每个连续步长里都执行，既拖慢速度，又可能因为高频调整导致数值刚性。
5.3 对比组设计与公平性问题
还有一个写论文时绕不开的坑：怎么设计对比方案才能体现自适应策略的优势？很多人随便找个固定参数的波形跟自适应波形放一起，结果被审稿人质疑“参数不公平”。我的做法是：固定参数组采用“最优固定参数”——即通过多次扫参实验，找到在指定扰动下性能最优的一组固定H和D。这个“最优”可以通过一个综合性能指标定义，比如频率偏差绝对误差积分（ITAE）最小化，它综合衡量了频率最大偏差和恢复时间。
在Simulink里，我直接用“Simulink Design Optimization”工具箱或者简单的MATLAB循环扫描，先跑固定参数的ITAE，找到最优固定参数作为基线，再让自适应策略跟这个更强的基线对比。这样做出来，审稿人基本无话可说。你也可以在论文中明确写一句“自适应策略效果优于最优固定参数”，这句话的说服力比“优于任意固定参数”要强得多。
5.4 仿真结果如何导出与绘图
最后补充一个小技巧：Simulink里Scope图像直接截图不清晰，发论文会被刷下来。正确的做法是用“To Workspace”模块，把频率信号导出到MATLAB工作区，然后用MATLAB脚本统一绘图：
figure; plot(f_out.time, f_out.signals.values, 'b-', 'LineWidth', 1.5); xlabel('时间 (s)'); ylabel('频率偏差 (Hz)'); grid on; legend('协同自适应控制');加上坐标轴标注、字号设置，导出为矢量图（PDF或EPS），插入论文效果比截图好一个档次。我还会添加一个竖线标记扰动发生时刻，用xline函数，这样审稿人一眼就能看到扰动前后控制效果的对比。
6. 复现扩展与个人体会
这篇论文的复现路径走到这里，从物理机理、模型搭建、控制律实现到结果分析，已经形成一套完整的可复现闭环。如果你跟着这个思路走下来，单机无穷大系统的波形应该已经能跑出和论文基本一致的效果了。
我个人建议可以再做三个方向的扩展：
第一个方向，把单机系统扩展到多机系统。两机或多机系统中，自适应策略不止影响本机功角特性，还会影响机组之间的功率振荡。你在单机系统里调好的参数，在多机系统里可能引发新的低频振荡模式，这个递进过程本身就是很好的学术产出。
第二个方向，把同步发电机替换成虚拟同步发电机（VSG）模型。现在新能源并网研究中，VSG的核心就是模拟同步机的H和D参数，自适应策略的思路可以直接迁移过去，做到“虚拟惯量随系统状态自适应”，这是一个非常热门的方向，我之前测过效果相当好。
第三个方向，引入智能优化算法来整定自适应增益。用粒子群算法或灰狼优化算法替代手工试凑，以ITAE最小为目标，自动寻优四个增益值。这样不仅能提升论文的“技术含量”，还能让整个复现过程自动化。
最后说一点个人体会：我复现这个课题时最大的收获不是波形有多漂亮，而是理解了“参数固定”和“参数自适应”之间的本质差别——控制系统的鲁棒性不是靠一个完美的固定参数换来的，而是靠对系统状态的深度感知和实时响应。这份感知和响应，正是从转动惯量和阻尼系数这两个最基础的机械参数出发，逐步延伸到整个电力系统稳定控制的大框架。
好，这篇文章就到这里。如果你在复现过程中遇到具体问题，或者跑出的波形和预期不一致，欢迎把你Simulink里看到的报错信息和波形截图整理好来交流。仿真嘛，十个问题里九个是参数没对上，还有一个是符号错了，耐心排查总会跑通的。
