在稳定性和稳态约束下，使用泰勒—洛朗级数展开与棕熊优化的电动汽车集成离网微电网误差最小低阶建模

在偏远地区保持供电

偏远社区和岛屿越来越依赖称为离网微电网的小型独立电力网络。这些系统整合了来自太阳能板、风力发电机、生物燃料发电机、电池，甚至停放的电动汽车（作为移动电池）的电力。实时管理这些资源是一项复杂的平衡工作：即便阳光、风力和充电需求不断变化，电力仍需保持稳定与可靠。本文摘要介绍了一种大幅简化工程师对这些微电网建模的方法，使得设计与控制更容易，同时不牺牲可靠性。

小型电网为何重要

离网微电网能在远离传统电网或主网薄弱的地方提供清洁、可靠的电力。它们将多种设备结合在一起：光伏面板、风力涡轮机、柴油或沼气发电机、微型燃气轮机、储能电池以及既能放电又能充电的电动汽车。这些组件共同组成一个灵活但复杂的网络，其行为可通过具有许多动态分量的“高阶”数学模型描述。这样的细致模型虽然准确，却可能在仿真时很慢，并且在设计用于维持电压和频率在安全范围内的控制器时难以使用。

把复杂系统变得简明

作者通过将描述电动汽车集成离网微电网的七阶数学模型降至更简单的二阶模型来解决这一问题。通俗地说，他们把一份冗长的、细致的配方压缩成一份仍能保留原有风味的简短版本。其关键思想是从两种互补的视角审视系统：一种关注随时间缓慢演化的行为，例如系统在扰动后如何稳定；另一种关注快速、剧烈的变化，例如短时功率或电压波动。数学上，这两种视角分别用泰勒级数和洛朗级数展开来捕捉，它们在低频和高频附近展开系统行为。

让“虚拟棕熊”寻找最佳匹配

为了让简化模型尽可能地模仿原始模型，作者将此任务转化为一个优化问题：他们定义了一个“适应度”指标，用以量化从慢速与快速两方面来看，复杂模型与简化模型之间的不匹配程度。该指标结合了来自泰勒与洛朗展开的三个独立误差项。随后，他们使用一种受自然启发的方法——棕熊优化算法，让计算机搜索简化模型的最佳参数组合。该算法粗略模拟棕熊标记与嗅探踪迹的行为，探索大量可能的参数组合，并逐步收敛到那些使误差最小化的解。

将稳定性与精度视为硬性规则

在优化进行过程中，必须遵守两条严格规则。首先，简化模型必须具有零稳态误差，这意味着在任一扰动后其最终稳态值应与原始系统完全一致。其次，它必须满足称为Hurwitz判据的经典稳定性要求，以确保模型不会不受控地漂移或振荡。在这些约束下，棕熊优化算法生成的二阶模型在时域和频域上都能再现原微电网的关键行为。作者将其模型与其他更传统的降阶技术得到的模型进行比较时，发现其方法在标准性能度量上误差更小，并且在阶跃响应、冲激响应和频率响应图上更为一致。

对未来微电网的意义

对非专业读者而言，结论是作者为包含电动汽车的复杂离网微电网设计了一个高度紧凑的数学替代模型。该降阶模型足够精确，可以复现原系统最重要的动力学特性，同时又足够简单，从而加快仿真并使控制器设计更为可行。长期来看，这类工具可帮助工程师为偏远社区和关键设施设计更清洁、更可靠的微电网，促进可再生能源与电动汽车的更好利用，而不损害稳定性或电能质量。

引用: Chaudhary, R., Singh, V.P., Mathur, A. et al. Error minimized LO modeling of electric vehicle integrated off-grid microgrids using Taylor-Laurent series expansion and BBO based optimization under stability and steady state constraints. Sci Rep 16, 13561 (2026). https://doi.org/10.1038/s41598-026-43306-0

关键词: 离网微电网, 电动汽车, 模型降阶, 可再生能源, 优化算法