双馈风机附加次同步阻尼控制器抑制方法分析与优化设计

2022-08-09杨汉芦肖先勇王海风

电力自动化设备 2022年8期

王杨，杨汉芦，肖先勇，周波，石鹏，王海风

（1. 四川大学电气工程学院，四川成都 610065；2. 国网四川省电力公司电力科学研究院，四川成都 610094）

0 引言

大规模双馈风机（DFIG）并网增加了系统发生次同步振荡（SSO）的风险，对电网的安全稳定造成了威胁［1⁃3］。近年来，在美国德克萨斯州ERCOT 地区和中国河北等的多座风电场都出现了SSO 事件，给电力系统带来巨大的经济损失和安全隐患［4］。针对这一问题，相关学者开展了大量研究来抑制SSO，取得了一定的成效。

目前SSO抑制策略主要分为以下2类：①策略聚焦电网侧，如安装具备SSO 抑制功能的灵活交流输电系统（FACTS）装置或专门的SSO抑制装置［5］，但安装此类大容量补偿设备具有较为高昂的成本；②策略聚焦风机侧，调整风机变流器的结构或参数来抑制振荡，这类方法具有成本低、易于实现等优点，更适用于实际工程应用［6］，也是本文所关注的重点。

在风机侧的振荡抑制策略可进一步分为3 类。①调整风机变流器的关键参数，文献［7］通过理论推导和仿真验证得出选择合适的控制参数可有效减少SSO 发生的结论。这种方法容易实现，但是改变风机变流器的关键参数可能会影响其动态性能和故障穿越性能，因此并不是一个理想的解决方案。②利用先进的非线性控制器取代现有的比例-积分（PI）控制器，比如滑模控制、H∞、部分或完全反馈线性化的控制器等［8⁃10］。然而，这一类控制器在实际应用中受到复杂的控制结构和较大计算量的限制。此外，这些非线性控制多依赖于风机的精确建模且对外界干扰较为敏感［6］。③在变流器的控制器中附加次同步阻尼控制器（SSDC），这种线性控制器结构简单易于实现，在实际工程中得到了较为广泛的应用［9］。下面对常见的3 种SSDC 做进一步介绍：①文献［11］提出将线路补偿电容电压有效值VC用作SSDC 的输入控制信号，其输出被嵌入网侧变流器控制器（GSC）中，结果表明将VC用作控制信号具有良好的抑制效果；②文献［12］将转子转速同时嵌入转子侧变流器控制器（RSC）的d轴和q轴的输出电压回路中，通过改进粒子群优化算法对控制器参数进行优化，从而实现了多种工况下的SSO 抑制；③文献［6］利用转子电流d、q轴分量idr和iqr作为输入控制信号，针对一个实际发生SSO 的系统设计了转子侧SSDC，通过硬件在环实验和小信号阻抗模型验证了控制器的性能，结果表明，这种方法不影响DFIG 的稳态性能、动态性能和低电压穿越能力。上述3 种SSDC 已较为成熟且被广泛接受，但是其控制结构具有多样性，抑制性能具有差异性，这为实际应用的选择带来了困难。

基于上述背景，本文对现有SSDC进行了系统性比较，结果表明基于idr和iqr的SSDC 具有最好的控制效果。因此，本文深入研究了该方法的抑制机理并做进一步改进：①通过研究该方法的抑制机理和控制器参数对性能的影响，提出控制器参数优化设计方案；②进一步提出基于固有时间尺度分解算法（ITD）的自适应振荡频率选取方法，从而避免通过历史经验或数据离线确定带通滤波器（BPF）参数；③通过根轨迹法和硬件在环仿真实验验证了改进后方法的性能，并与原有方法比较证实了改进方法的优越性。

1 现有SSDC的对比

为了研究SSDC 的性能，测试系统采用聚合了100 台1.5 MW 的DFIG 的串补系统，如附录A 图A1所示，系统参数来源于ERCOT 风力发电系统［13］。DFIG、变压器、输电线路的参数如附录A表A1所示。当风速为9 m／s 时，将等效模型的串补度提高到30%，系统发生SSO。

附录A 图A2 展示了引言中提到的3 种SSDC 的结构及其嵌入点，为简化下文表述，将其依次定义为SSDC1—SSDC3。其中SSDC1利用电容电压有效值作为输入控制信号，结合运行工况选择控制参数后嵌入GSC；SSDC2利用转子转速作为输入控制信号，通过二阶BPF 选出次同步分量，再经过相位和幅值的补偿后嵌入RSC；SSDC3通过二阶BPF提取转子电流中的SSO分量，通过一个比例-积分-微分（PID）控制器补偿相位和幅值后嵌入RSC。

后文中通过以下3 个方面综合比较3 种SSDC：①SSDC 的抑制性能及鲁棒性；②SSDC 参数的适用范围；③输入控制信号的采集难度。3 种SSDC 的参数分别采用引言所提文献中的设计方案，经验证在所用参数下每种方法的抑制效果均达到最优性能。

1.1 抑制性能及鲁棒性

在SSO 抑制性能方面，功率波形的超调量反映了SSDC 的抑制强度，调整时间反映了抑制速度，超调量越小，调整时间越短，对SSO 的抑制能力越强。附录A 图A3（a）展示了无SSDC 以及分别附加3 种SSDC 时DFIG 输出功率的波形，附录A 图A3（b）展示了串补度提高时主导SSO 模态的根轨迹。可见SSDC3具有最小超调量和最短调整时间，同时其主导SSO 的模态距离虚轴最远，系统阻尼最大，因此该方案具有最好的抑制性能和最强的鲁棒性。

1.2 SSDC参数的适用范围

由于SSDC 性能具有差异性，部分SSDC 只使用一套固定控制参数，其适用范围较小，不能在所有工况下均实现其抑制功能，此时，需要根据运行工况适当调整控制参数以扩大抑制范围。附录A 图A4 展示了串补度和风速在可能的范围内变化组成的72种工况下3 种SSDC 的抑制效果，各SSDC 参数为风速9 m／s、串补度40%下的最优值，所有滤波器的中心频率自适应选择为该工况下的SSO 频率。图中每1格代表1个风速和串补度组合而成的运行工况，当采用某一SSDC时，被线条包围的工况数量占总工况数量的百分比表示该SSDC能够抑制的工况范围。以SSDC1为例，红色线条包围43 种工况，故SSDC1仅能保证43÷72=59.7%≈60%工况下的抑制效果。为此，文献［14］通过多模态自适应控制方法为SSDC1设计了一种辅助控制器，根据工况查表选择最佳参数使其在更大范围实现抑制。此外，SSDC2可以实现94%工况下抑制，SSDC3可以实现全部工况抑制。考虑到SSDC1需要实时的串补度和风速信息，因此SSDC2和SSDC3具有更高的容错性能。

1.3 SSDC输入控制信号的采集难度

SSDC 的输入控制信号应具备易于采集和快速传输的特点，从而降低信号采集所带来的时延。采集和传输串补电容电压需要设计专用的信号传递通道，而转子转速、转子电流可以就地采集，更适用于实时控制，因此SSDC2和SSDC3更适用于实际工程。

综上，SSDC3具有更强的抑制能力、更广的抑制范围和简单方便的信号采集方式。因此，在后文中将进一步深入研究SSDC3的工作机理和改进方案。

2 SSDC3的工作机理与改进方案

2.1 SSDC3工作机理

SSDC3主要由SSO 提取模块和控制模块两部分构成，提取模块主要利用1 个二阶BPF 提取SSO 分量，控制模块利用1个PID控制器来补偿被提取信号的幅值和相位［6］。

为了更直观地解释SSDC3抑制振荡的工作机理，在本节中建立了DFIG 的等效模型［15］，如图1 所示。图中：rr、xr分别为DFIG 的转子电阻和电抗；rs、xs分别为DFIG 的定子电阻和电抗；rT、rL分别为系统中变压器和线路折算后的电阻值；xT、xL分别为系统中变压器和线路折算后的电抗值；xC为串联补偿电容的容抗值；xm为励磁电抗；kpR3为RSC 电流环的比例增益系数；Δv为RSC 输出电压中的小扰动；Δi2为转子电流的扰动值；s为在异步电机同步角频率ω下异步电机的转差率，其表达式如式（1）所示。

图1 DFIG等效模型Fig.1 Equivalent model of DFIG

式中：ωr为转子电流的角频率。文献［15］详细介绍了该模型的推导过程，在此不再赘述。

在次同步频率fSSO下，其角频率ωSSO=2πfSSO，s=（ωSSO-ωr）/ωSSO，转差率s<0，由（kpR3+rr）/s可知，DFIG在此频率下呈现负阻尼。若此时回路中总电阻R（ωSSO）=（kpR3+rr）/s+rs+rT+rL<0 且总电抗X（ωSSO）=0，那么系统在此频率下发生振荡。当附加SSDC3后，控制器在次同步频率下利用PID 控制器的比例增益系数kp3来减小RSC 中提供负电阻的kpR3+rr。假设BPF 完整提取SSO 分量，即滤波器不提供幅值增益和相位偏差，则转子侧变流器的等效电阻值RRSC=kpR3+rr-kp3，这样就减小了DFIG 在SSO 频率下呈现的负阻尼。这在仿真波形中表现为：在次同步频率fSSO下，SSDC3注入RSC 的振荡抑制信号与RSC 输出电压信号中的SSO分量同频反相，在抑制信号注入后两信号相减削弱了振荡。为了直观对比，在图2 中展示了经过反相处理后的SSDC3输出的抑制信号和经滤波器滤出的RSC 输出电压中的SSO 分量（电压为标幺值），两信号基本重合，因此可以相互削弱。

图2 SSDC3输出的抑制信号与v∗dr中SSO分量波形Fig.2 Waveforms of output mitigation signal of SSDC3 and SSO component in v∗dr

图3 展示了风速9 m／s、串补度50%下系统的阻抗模型，图中电阻与电抗为标幺值。当kp3=0时，阻抗模型中无附加SSDC3，此时谐振频率fSSO1=9.5 Hz；当kp3=0.6 时，阻抗模型中加入经过参数优化后的SSDC3，此时BPF 中心频率为fSSO1。可见，附加SSDC3后，在fSSO1下系统的电阻值由负值被提升到正值，实现了对SSO的抑制。

图3 系统在不同kp3下的阻抗模型Fig.3 Impedance model of system with different values of kp3

2.2 SSDC3控制器参数对抑制性能的影响

在消除引发SSO 的负电阻时，次同步频率下的电阻值提升越大，系统的阻尼就越强，该电阻值的增量主要由PID 控制器的比例增益系数kp3决定，如图3 所示。但使用过大的kp3会导致系统不稳定，在设计参数时应将该值控制在合理范围内，原因如下。

附录A 图A5 是在串补度为50%时附加SSDC3后系统随kp3（由0 变化至1.2）增大的根轨迹，其中SupSO 模态为由频率耦合效应引起的超同步模态［16］，其频率fSupSO=2f0-fSSO（fSupSO、f0分别为超同步频率、基波频率）。可见随着kp3增大主导SSO 的模态由坐标轴右半平面向左移动并越过虚轴进入左半平面。因此kp3越大，系统对SSO 的抑制能力越强。然而，1 个在实轴负半轴、频率略高于SSO 但仍属于次同步频率范围内的模态随kp3的增大快速右移，最终越过虚轴进入右半平面，这个模态在附加SSDC3后出现，由滤波器引入。附录A 表A2 展示了kp3=0.6时主导该模态的状态变量及其影响因子。可见该模态的不稳定现象主要由SSDC3中滤波器与电机相互作用导致，且kp3越大，BPF 状态变量的影响因子越大，系统越容易失稳；另外该模态还受到线路串补度的影响。综上，SSDC3中BPF 会导致系统失稳，且kp3越大，失稳风险越大。

为了研究提高kp3时系统失稳的物理意义，建立kp3=1.2 时系统的阻抗模型，如图3 所示，其中SSDC3中BPF 的中心频率选择SSO 频率。当kp3=1.2 时，虽然在谐振频率fSSO1下SSDC 使系统的电阻值得到较大提升，但是BPF 在略高于fSSO1处提供了较大容性电抗，使得当fSSO2=25.4 Hz 时，系统整体电抗为0，此时，在该频率下电阻值为负值，产生新的SSO，即为滤波器引入的SSO。

综上，SSDC3中PID控制器比例增益参数kp3的选取尤为关键：当取值过小时，控制器为系统提供的电阻值不足以抵消引发SSO 的负电阻；当取值过大时，控制器会引入新的SSO。因此，在参数设计时，需要综合考虑以上2 个方面，使系统兼顾稳定性和SSO抑制性能，本文针对参数设计提出以下建议。

1）引发SSO 时，谐振频率处的负电阻主要由RSC 电流环比例增益系数kpR3和转子电阻rr组成［15］，在抑制SSO 时，SSDC 提供的电阻值需要完全抵消该负电阻才能使系统稳定。根据附录A 图A2 所示SSDC 控制结构，如果忽略转子电流参考值i∗dr和i∗qr中的SSO 分量和转子电阻，则kp3取值应不小于RSC 电流环比例增益系数kpR3。

2）当kp3>kpR3时，系统给SSO提供更大的阻尼，同时也增加了滤波器SSO 模态失稳的风险，因此，从保证系统在能够抑制SSO 前提下安全稳定性最高的角度来设计。kp3值的选取原则如下：其初始值与kpR3相等，并逐渐增大，直至能够为系统提供足够阻尼，满足系统稳定性要求。

3）SSDC3中的积分系数ki3和微分系数kd3主要用于调节SSDC3输出信号的相位。若BPF 设计合理，提取的振荡分量无相位偏移，那么ki3和kd3均可设计为0，即输出信号与转子电流同向，使RSC 呈现“虚拟电阻”特性，从而抑制SSO。

文献［6］中SSDC3固定了滤波器中心频率，当实际SSO 频率偏移该频率时，BPF 输出信号会有相位变化。因此文献［6］采用较大带宽的滤波器，并通过积分或微分环节来修正抑制信号的相位，使之适应复杂多变的工况。然而，这一解决方案不仅使控制器设计变得复杂，且只适用于工况偏离预期不大时。针对该问题，本文提出基于ITD 的自适应BPF 参数设计方法，保证BPF 中心频率与实际SSO 频率相同，从而完整提取SSO 分量，避免相位偏移，具体算法将在2.3节中介绍。

2.3 基于ITD的自适应BPF设计

SSDC3中的BPF对于振荡抑制具有重要作用，其传递函数GBPF如式（2）所示。

式中：ωn=2πfn，fn为滤波器中心频率；ζ为阻尼比；Γ为拉普拉斯算子。滤波器中心频率fn、阻尼比ζ的参数设计决定了SSDC 的性能。理想的BPF 应将SSO频率设计在中心位置，从而完整提取振荡分量并且不产生幅值增益和相位偏移。原SSDC3中BPF 的中心频率fn根据历史经验或数据离线确定，在实际应用中可能存在偏差，从而需要ki3和kd3补偿相位，且补偿效果难以得到保证。为此，本文提出根据实时监测数据提取振荡频率，自适应设计BPF 参数，使SSDC3在具有随机性的风电系统中更具鲁棒性。

2.3.1 基于改进ITD的自适应频率选择

选取计算量小、算法简单、性能优秀的SSO 频率提取算法有利于对信号实时监测，本文中选用ITD来监测SSO并向BPF提供振荡频率。

ITD 可以自适应分解信号为多个振荡分量。其提取原理是：通过线性插值拟合原始信号的包络线；利用信号极值点附近上、下2 条包络线确定信号内振荡分量的关键点；通过插值拟合关键点即可得到低频振荡信号。原始信号减去该低频信号可以得到高频振荡信号，ITD的具体介绍如下［17］。

对于原始信号Xt（t≥0），定义低频振荡信号提取算子ρ，可分离出1 个低频振荡信号Lt和1 个高频信号Ht，Xt可以表示为：

式中：Lt=ρXt；Ht=(1-ρ)Xt。

确定原始信号Xt的区间内的所有极值点Xk（k=1，2，3，…）及对应时刻τk，如图4所示，假设Lt和Ht存在于区间［0，τk］，Xt存在于［0，τk+2］，则可以在区间（τk，τk+1］内定义1个低频率信号提取算子ρ，使得：

图4 ITD分解原理Fig.4 Decomposition principle of ITD

式中：Lk=L(τk)。Lk+1决定了低频信号，且：

信号分解以后，剩余高频信号Ht，定义其提取算子ε，那么：

设算法中的采样频率为1 000 Hz，采用直角坐标系下DFIG 输出的三相电流信号来辨识振荡。这是因为振荡分量在电流中更明显。算法分解时，低频分量Lt为次同步分量，高频分量Ht为基波分量。

原始ITD 需要保存大量的数据来保持时间窗内存在连续极值点，其不适用于实时监测。为此，将其改进以进行迭代运行，下面介绍ITD的改进方案。

由式（3）可知，振荡分量的关键点Lk由原始信号Xt的极值点决定，对于连续的2 个极值点，若满足式（7），那么一定存在1个过零点（tz，Lz），tz∈（τk，τk+1］，其对应的Xz可以由式（8）得到。

由于原始曲线在2 个极值点之间单调，可以计算Xz的横坐标，即为振荡分量过零点的横坐标tz。

由振荡曲线连续2 个过零点的横坐标tz-1和tz，可得振荡频率为：

式中：δt1为Xt的采样时间。每检测到1 个过零点更新一次fSSO。

改进后的ITD 大幅减小了监测所需的数据量，相较于常用的Prony［18］、ERA［19］等具有复杂矩阵运算的振荡检测方法，其计算量更小，更适用于实时监测。对比Prony算法、ERA 算法和改进ITD 的频率检测性能，如图5 所示。各算法的时间窗统一选为100 ms，采样率为1000 Hz。被测试信号建模方法为：

式中：fre为在5～45 Hz 范围内变化的频率信号。图5为Prony、ERA、ITD 这3 种振荡监测算法下的频率跟踪性能，图中fProny、fERA、fITD分别为Prony、ERA、ITD算法辨识出的振荡频率。可见3 种方法都可以准确跟踪振荡频率。

图5 3种振荡监测算法的频率跟踪性能Fig.5 Frequency tracking performance of three oscillation monitoring algorithms

实际应用中，采用ITD 自适应调整BPF 频率存在一定延时，主要来源于硬件计算及频率测量延时。

1）硬件计算延时。主要分为3 步：①次同步分量拟合；②过零点检测计算次同步频率；③振荡幅值监测，判断是否超过幅值条件的阈值。以上3 步在每个数据采样周期内都要执行一次，故该方案的硬件计算延时为1个采样周期，本文中t1=1 ms。

2）频率测量延时。ITD 通过过零点检测来估计振荡频率，在检测到新出现的过零点以后才能通过最新的2 个过零点估计振荡频率，故频率测量的延时由振荡频率决定。在一个50 Hz系统中，SSO 频率一般在5～45 Hz 之间，此时振荡分量的最大周期为200 ms，因此所提改进方案中频率测量延时的最大值为t2=100 ms。需要指出的是，ITD 是时域算法，通过半个周期检查振荡频率已是理论上最小的延时。

因此，ITD延时的最大值tmax=t1+t2=101 ms。实际工作中，在ITD 确定振荡频率之前，BPF 根据预设值进行工作，该预设值可由历史振荡数据或仿真模拟确定［6］。在延时tdelay之前，所提方案与原始SSDC3完全相同；在延时tdelay之后，ITD 准确调节了BPF 的中心频率，振荡分量被完整提取，故提升了SSDC3的抑制效果。另外，由于电力系统稳态运行时，输出电流内部必然存在微弱波动，增加幅值条件以防止这些波动干扰BPF 的频率选择，如当振荡信号Lt幅值超过基波Ht幅值的10%时，改变BPF中心频率。

2.3.2 阻尼比ζ的设计

滤波器的阻尼比ζ取值越小，其通带就越窄，能提高电阻值的通带也越窄，在具有时变性和随机性的风电系统中将会降低系统的鲁棒性。ζ取值越大，系统容错率越高，但会给20～50 Hz 频带带来较大的电阻值增量。自适应选择频率后的SSDC3实现了精准抑制，无需再在整个次同步频带上为系统提供阻尼，所以在设计ζ时应减小其对所需抑制的SSO频率外频带的电阻值造成影响。

为寻找滤波器的最优ζ，对比测试了在ζ取值为0.1、0.4、0.6、0.8、1.0、2.0 时SSO 的抑制性能，如附录A 图A6 所示，可见当ζ取值为0.4、0.6、0.8 时滤波器所具有的动态性能更优。同时，考虑到附加SSDC后应减小ζ对SSO 频率外频带电阻值的影响，本文测试了ζ取值为0.4、0.6、0.8 时SSDC 为系统提供的电阻值增量，如附录A图A7所示，其中振荡频率为fSSO1。可见，不同的ζ在振荡频率上为系统提供的电阻值增量几乎相同，但当ζ=0.4时，20～50 Hz频带下的电阻值增量最小，因此在本文中BPF 的ζ取为0.4。此外BPF 的ζ可以根据实际需求灵活取值，以获得理想的鲁棒性和动态性能。

综上，改进后SSDC3的控制结构见图6，图中vdr、vqr分别为转子电压d、q轴分量，分别为接入SSDC 后的转子电压d、q轴分量。图7 展示了发生SSO时DFIG的输出电流波形与ITD检测到的频率信号。ITD 环节实时监测振荡分量，在t3=10 s 时发生SSO，此后振荡电流的幅值超过阈值，SSDC3将中心频率发送给BPF模块，当SSO被抑制后滤波器中心频率不再改变。控制器部分仅由比例环节构成，其值应不小于RSC内环比例增益。

图6 改进后SSDC3的控制结构Fig.6 Control structure of improved SSDC3

图7 发生SSO后电流波形与SSO频率Fig.7 Current waveform and SSO frequency after SSO happened

3 根轨迹性能验证和硬件在环仿真实验

3.1 根轨迹性能验证

利用根轨迹法，将文献［6］所提改进前SSDC3和改进后SSDC3的SSO 抑制性能进行对比分析。SSDC3的滤波器中心频率固定为风速9 m／s、串补度40%下的SSO 频率，为了提高系统在整个次同步频带上的阻尼，文献［6］将阻尼比ζ固定为2，以保障系统在较大范围内具有振荡抑制能力。本文所提方案中的滤波器中心频率自适应改变，ζ固定为0.4。

设风速为5 m／s，串补度在10%～80%范围内变化，附录A 图A8（a）、（b）分别为附加改进后SSDC3和改进前SSDC3的系统根轨迹。当串补度增加时，系统的谐振频率也随之改变，尽管改进前SSDC3选用较大的阻尼比ζ=2 来提升整个次同步频带上的阻尼，但是当串补度提高导致振荡频率改变足够大时，滤波器为该频率处电阻值提供的增量较低，不足以抵消原有负电阻，整体仍呈现负阻性。另外，选用较大的ζ也改变了目标频带外系统阻抗特性。相比较而言，本文所改进的方案自适应选择滤波频率，实现了精准抑制，具更强的稳定性。

3.2 硬件在环仿真实验验证

通过MT6020 实时仿真设备与MT1050 快速控制原型的实时信息交互完成硬件在环实验，以验证改进抑制方案的鲁棒性和动态性能，实验平台和原理图分别见附录A图A9、A10。在MT6020实时仿真设备中建立含DFIG 的串补系统模型，而DFIG 的RSC、GSC 及附加SSDC 在MT1050 快速控制原型中建模。MT6020 实时仿真设备以1 μs 的步长实时运行，MT1050 快速控制原型以50 μs 的步长控制DFIG。MT6020 实时仿真设备的输出电流电压模拟信号并送到MT1050 快速控制原型中，信号经处理后，反馈回RSC、GSC 控制DFIG。SSDC 中ITD 实时提取DFIG 输出的三相电压、电流信号中的振荡分量，将振荡频率传递给SSDC的BPF以完整提取振荡分量，提取出的振荡信号经比例控制器调节后附加到RSC电压环以抑制SSO。

3.2.1 SSDC抑制性能测试

设风速为8 m／s，初始串补度为10%，DFIG 正常稳定运行。第8 s 时提高串补度至60%后引发振荡频率为19 Hz的SSO。图8展示了附加3种SSDC后DFIG的输出功率波形。由图可知，附加3种SSDC均能够有效抑制SSO，且所提改进SSDC3在抑制SSO时具有最小的超调量和最短的调整时间。

图8 3种SSDC的抑制性能测试Fig.8 Mitigation performance test of three SSDCs

3.2.2 动态性能测试——三相故障测试

风力发电必须保证风机在电网故障引起的电压下降期间保持在线。在第8 s 时，系统在双回输电线路中的1 条线路上发生三相接地短路故障，100 ms后切除线路，在发生故障时，三相电压降低至额定电压的33%。图9 展示了A 相输出电流、A 相电压、DFIG输出功率波形。仿真结果表明：附加SSDC2、改进SSDC3将不影响DFIG 的低电压穿越能力，这是因为所安装的SSDC只在次同步频率范围内工作，不会影响基频的动态特性；附加SSDC1的DFIG 系统在故障穿越期间会出现短暂的功率波动。