工业光伏微电网

工业光伏微电网（共3篇）

工业光伏微电网 篇1

0引言

分布式发电(DG)由于具有污染少、能源利用效率高、安装地点灵活等多方面优点得以快速发展,但是大量DG接入电网也产生了一些不良影响。作为新能源接入的一种解决方案,学者们在本世纪初提出了微电网的概念[1]。微电网从系统观点将发电机、负荷、储能装置及控制装置等结合,形成一个单一可控的单元,同时向用户供给电能和热能。微电网中的电源多为微电源,亦即含有电力电子界面的小型机组(小于100 k W),包括微型燃气轮机、燃料电池、光伏电池、风力发电机等。微电网既可与大电网联网运行,也可在电网故障或需要时与主网断开单独运行。光伏发电(PV)具有可再生、无污染、安装方便,且技术成熟,必将成为微电网中重要的微电源。

国内外的专家学者对光伏发电做了大量研究。并网光伏发电一般采用MPPT方式,独立光伏发电需要加入储能装置,光伏发电具有波动性,对并网和独立光伏系统都有影响[2,3]。微电网中含多种不同源特性的分布式电源,既需要并网运行又能独立运行,因此研究光伏发电在微电网中的接入方式及动态特性,对微电网应用和研究具有重要意义。在文献[4]中,分布式电源采用统一的电力电子接口和储能设备接入微电网,并提出了蓄电池容量的选择方法,但主要针对具有可调功率的微电源,对具有随机波动性的光伏电源很难确定上升和下降率。文献[5]通过仿真研究了不同分布式电源配置的微电网的动态行为,重点研究了储能设备在微电网运行控制中的作用,文中光伏发电系统采用单级逆变电路直接并网,也没有考虑光伏电源输出功率的波动。本文研究了微电网中光伏发电接入方式,根据光伏发电功率不稳定的特性,提出了储能设备容量配置方法;针对逆变器产生谐波问题,提出逆变器输出端加入RC滤波,减小输出的谐波畸变率;并利用PSCAD/EMTDC软件进行了仿真验证。

1光伏发电模型及波动特性

光伏发电模型由光伏阵列和逆变器组成,图1是光伏电池单元的等效电路模型[6,7]。由基尔霍夫电流定律得到光伏电池输出电流I如式(1):

式中:V、I为光电池输出端电压、电流;Ish为光电池漏电流;Rsh为旁路电阻;IL为光电池短路电流;Id为二极管电流;I0为二极管饱和电流;q为库仑常数(q=1.6×10-19C);Rs为光电池等效串联电阻;n为结常数;k为波尔兹曼常数(k=1.38×10-23J/K);T为光电池温度。

其中光电池短路电流IL取决于光照强度S和温度T,而二极管的饱和电流I0仅与温度T有关。

对于实际系统的光伏阵列,可采用受控电流源作为模型,串联Ns和并联Np个光电池组件的光伏阵列输出电流IA如式(4):

为保证在一定的光照强度和温度下,光伏阵列工作于最大功率运行点,必须使光伏阵列工作在适当的电压下,因此需要进行最大功率点跟踪。最大功率点跟踪(MPPT)的算法主要有定电压跟踪法(CVT)、电流扫描法、扰动观察法、电导增量法等[8]。本文采用电导增量法,其通过比较光伏阵列的瞬时电导和电导的变化量来实现最大功率跟踪。由于光伏逆变电源中功率开关器件的容量有限,本文在光伏电源的建模中通过给定了逆变器的交、直轴电流参考值的上下限,来限制逆变器的故障电流,所以即使在短路故障时,故障电流仅为逆变器正常工作电流的2倍左右。

由于光伏发电的控制采用最大功率点跟踪控制策略,光伏发电的输出功率直接决定于光照强度,而光照强度在一天里随着时间和天气等因素的变化不是一个稳定值,所以光伏发电的输出功率是随着光照强度的变化而波动的。图2为某地晴转多云天气下光照强度的变化曲线,由图可知光伏发电输出的功率很不稳定。太阳能光伏发电系统通过光伏组件将太阳能转化为直流电能,再通过并网型逆变器将直流电能转化为与电网同频率、同相位的正弦波电流并入电网,将直流电能经逆变转换为交流电能的过程中会产生谐波[9]。

2微电网中光伏发电的接入及储能设备容量选择

2.1微电网中光伏发电与其他电源的配合

微电网中通常含有多种能源形式的电源,由于光伏发电具有波动性和不可调节性,所以微电网中光伏发电需要与其他可调功率电源(如微型燃气轮机、燃料电池和小型水力发电机等)配合。本文以微型燃气轮机为例分析。

图3所示为微型燃气轮机的速度/负荷控制模型,图4所示为微型燃气轮机燃料控制模型[10]。采用同步发电机的分轴结构微型燃气轮机系统,其斜率控制是通过微型燃气轮机调速器实现的。其转速控制是通过改变燃料量来实现的,采用比例-积分(P-I)控制规律。转速控制过程的优劣主要取决于调节机构的放大倍数和转速控制时间常数,时间常数取得太小,则超调量增加,而且调节时间大大增加;时间常数取得太大,虽然调节时间会减小,但是会发生剧烈的振荡过程,两者都会恶化转速控制质量。

光伏电源直接并入微电网,在并网运行时可以由电网进行微电网功率平衡,但当孤岛运行时,特别是从并网转到孤岛过程中,微型燃气轮机这类慢速调节电源的存在会出现调节振荡现象。当考虑光伏发电功率的不稳定特性,必然会增大电压、频率的波动。这需要加入储能设备来平滑光伏发电功率波动和增大可调功率电源的“惯性”。

储能设备与光伏电池采用交流耦合,由储能设备平抑光伏电池输出的功率,同时在暂态过程中可以与微型燃气轮机这类可调节功率电源配合,提供短时功率支撑,能有效减小微电网从并网到孤岛过渡过程的频率波动。

2.2计及光伏输出的波动的储能设备容量选择

设PPV为光伏发电功率,Ps为储能设备功率,Pc为光伏电池与储能设备总的输出功率。

储能设备的容量为

图5所示P(t)为某地晴转多云天气下光伏电池一天内所发功率曲线,Popt为光伏电池输出的平均功率。光伏功率曲线P(t)与时间轴间的面积即为光伏电池一天所发的总的电能,图中Popt以上的阴影部分即为储能设备所需的充电电能,以下的阴影部分即为放电电能。

根据图5可知光伏电池一天发出的电能由于P(t)曲线为不规则曲线,WPV可近似为由此可得:

设在N个点中大于Popt的点为M个,功率用P(m)表示;小于Popt的点为K个,功率用P(k)表示。

则储能设备总的充电电能为:

储能设备总的放电电能为:

储能设备的容量为:

当Pc=Popt时,储能设备一天的充电电能等于放电电能,此时由式(8)可知储能设备的容量为:

当Pc>Popt时,此时储能设备一天总的放电的电能大于一天总的充电电能,由式(10)可知储能设备的容量为:

当Pc

通过以上分析可知,当Pc=Popt时,储能设备的容量达到最小,并且可以使得光伏电池和储能设备输出的功率为一平滑值。储能设备采用跟踪控制模式,在微电网从并网向孤岛转换过渡过程中的较短时间内,增大Pc使得储能设备快速放电,这时可以短时增大微电网电源容量,减小切换过程中的频率波动。

2.3光伏逆变器谐波分析

光伏发电系统通过光伏阵列将太阳辐射能转化为直流电能,再通过并网逆变器将直流电变换为与电网同频率、同相位的交流电。在直流电能逆变为交流电能的过程中,电力电子接口将产生电压电流谐波,电压源型逆变电源的输出电流波形不仅与采用的SPWM方法有关,而且还受逆变器开关频率、负载参数等因素的影响,因此,电流的分析不易得出一致的数学分析式。但对于具体单次谐波的比重来说,仍然是以奇次谐波为主。光伏逆变器后端采用LC滤波器,通过合理设计电感电容参数,对高次谐波构成低阻抗旁路,滤除三相逆变桥的电压电流谐波。为保证逆变电源运行性能评价的客观性,一般采用谐波畸变率作为考察的主要指标。

由于所以当低光照时,由于基波电流小,所以谐波畸变率比较大。

3仿真分析

本文采用图6所示的微电网结构,光照强度采用如图2所示的光照强度变化曲线(具体数据见附录),其他电源为分轴结构的微型燃气轮机,采用旋转接口接入微电网。储能设备、光伏电源和微型燃气轮机以及本地负荷构成微电网,微电网通过公共接入点与公共电网相连。

3.1储能设备容量的计算及作用

以某地三天光照强度的变化曲线图为例,图7为光伏电池在这三种天气情况下输出的功率曲线。Psunny(t)为晴天光伏电源输出功率曲线,Pcloudy(t)为晴转多云光伏电源输出功率曲线,Prainy(t)为雨天光伏电源输出功率曲线。根据式(9)可求出在这三种天气情况下的平均功率分别为5.078 5 k W、4.430 3 k W和0.982 5 k W,再由式(11)~(13)求得相应的储能设备容量,分别是14.362 k Wh、12.913k Wh和3.808 k Wh。可知晴天条件下所需的容量最大,选择该值为储能设备容量。

晴转多云天气条件下的仿真分析中,在3.5 s时微电网与大电网断开,此时光伏电源的输出功率波形如图5(仿真时间为40 s),图8为孤岛过程中系统频率的变化曲线,图9为不同情况下微型燃气轮机的输出功率波形。图中用○标识的曲线对应于未加储能设备的情况,用□标识表示储能设备接入的情况。由图9可知未加储能设备时,光伏电源的功率波动以及孤岛切换时的功率缺额全部由微型燃气轮机承担;储能设备接入后,光伏电源的波动由储能设备补偿,微型燃气轮机仅在孤岛运行时增加出力。本文提出的储能装置的接入方式,能够有效平抑光伏电源的功率波动,还使孤岛运行时微电网的频率波动减小,弥补了微型燃气轮机调节速度慢的缺点,且在孤岛切换过程中微电网频率出现小幅波动后稳定至额定频率。

3.2光伏逆变器谐波仿真分析

本文滤波器采用的LC滤波器的具体参数值为L=0.007 H,C=10µF。图10所示为电流谐波畸变率随着光照强度的改变而变化的曲线。由图可以看出,在低光照时光伏逆变器输出的谐波畸变率较大。

4结论

光伏发电具有可再生、无污染和安装方便的优势,必将成为微电网中重要的微电源。由于光伏发电系统的输出功率波动特性,与慢速调节电源存在配合问题。本文针对光伏电源的波动性,研究了微电网中光伏电源的接入,采用交流耦合配置储能设备来抑制光伏电源的功率波动。采用光伏电池输出的平均功率来确定储能设备的容量,研究表明优化配置的储能设备容量,能有效平抑光伏电源的功率波动,使从并网到孤岛运行时微电网的频率波动减小,实现光伏微电源的“即插即用”。仿真结果表明,在低光照下光伏逆变器输出的谐波畸变率较大。

附录:三种天气情况下的光照强度数据

参考文献

[1]Lasseter R H,Paigi P.Microgrid:a conceptualsolution[C].//Proceedings of IEEE 35th Annual PowerElectronics Specialists Conference.Aachen(Germany):2004:4285-4290.

[2]李晶,许洪华,赵海翔,等.并网光伏电站动态建模及仿真分析[J].电力系统自动化,2008,32(24):83-86.LI Jing,XU Hong-hua,ZHAO Hai-xiang,et al.Dynamicmodeling and simulation of the grid connected PV powerstation[J].Automation of Electric Power Systems,2008,32(24):83-86.

[3]任柱,陈渊睿,张淼,等.独立光伏系统中蓄电池充电控制策略[J].控制理论及应用,2008,25(2):361-363.REN Zhu,CHEN Yuan-rui,ZHANG Miao,et al.Batterycharge control strategy in stand-alone photovoltaicsystem[J].Control Theory&Applications,2008,25(2):361-363.

[4]Nikkhajoei H,Lasseter R H.Distributed generationinterface to the CERTS microgrid[J].IEEE Transactionson Power Delivery,2009,24(3):1598-1608.

[5]郭力,王成山.含多种分布式电源的微网动态仿真[J].电力系统自动化,2009,33(2):82-85.GUO Li,WANG Cheng-shan.Dynamical simulation onmicro grid with different types of distributedgenerations[J].Automation of Electric Power Systems,2009,33(2):82-85.

[6]Chenni R,Makhlouf M,Kerbache T,et al.A detailedmodeling method for photovoltaic cells[J].Energy,2007,32(9):1724-1730.

[7]Kim S K,Jeon J H,Cho C H,et al.Modeling andsimulation of a grid-connected PV generation system forelectromagnetic transient analysis[J].Solar Energy,2009,83(5):664-678.

[8]周林,武剑,栗秋华,等.光伏阵列最大功率点跟踪控制方法综述[J].高电压技术,2008,34(6):1145-1154.ZHOU Lin,WU Jian,LI Qiu-hua,et al.Survey ofmaximum power point tracking techniques forphotovoltaic array[J].High Voltage Engineering,2008,34(6):1145-1154.

[9]张国荣,张铁良,丁明,等.光伏并网发电与有源电力滤波器的统一控制[J].电力系统自动化,2007,31(8):61-65.ZHANG Guo-rong,ZHANG Tie-liang,DING Ming,et al.Combined control of active power filter and PV gridconnected generation[J].Automation of Electric PowerSystems,2007,31(8):61-65.

[10]孙可,韩祯祥,曹一家.微型燃气轮机系统在分布式发电中的应用研究[J].机电工程,2005,22(8):55-59.SUN Ke,HAN Zhen-xiang,CAO Yi-jia.Research on theapplication of microturbine system in distributedgeneration[J].Mechanical&Electrical EngineeringMagazine,2005,22(8):55-59.

工业光伏微电网 篇2

直流微电网是近几年提出的一种基于直流母线互联的分布式发电源集成形式，特别适合光伏发电系统等具有直流输出特性的分布式发电源的规模化集成发电，显示出了巨大的发展潜力和广阔的应用前景[1,2,3,4,5,6]。

在光伏发电直流微电网中，由于光伏电池的输出功率受到外界环境变化的影响而不断发生变化，为了使其输出电能形式和所连接的直流微电网相适应，通常外接Boost升压电路。另外，为使其运行于最大功率点，通常采用最大功率点跟踪MPPT(Maximum Power Point Tracking)控制技术。MPPT技术可以分为如下几类：定电压法、扰动观测法、电导增量法、基于阻抗匹配的MPPT方法以及基于现代控制理论和智能控制等[7,8,9,10,11]。另外，还有文献研究了用于直流微电网的光伏发电系统的MPPT控制技术，利用直流母线保持不变的特点，能够获得输出功率与直流变换电路中占空比的线性关系，从而只需检测光伏电池的输出电压或者电流就能够对其输出功率进行控制，因此省去了一部分传感器[8,9,10,11,12,13,14]。当光伏发电直流微电网连接单相直流-交流逆变电源等负载时，会产生直流母线电压的周期性波动。现有文献中，均以基于DC-DC变换电路的最大功率输出为研究重点，并未对这种直流母线电压的周期波动对光伏电池输出功率的影响给出定量分析和相应的解决办法。

在Boost电路的闭环控制方面，近些年涌现了大量的研究成果。其中有比例-积分控制、滑模变结构控制、反馈线性化方法、无源性控制、自适应控制、内模控制、模糊控制以及神经网络控制等[15,16,17,18,19]。上述研究成果均以直流输出电压恒定为目标，不能直接用于光伏发电系统中来消除直流母线电压波动对光伏电池输出功率的影响。

本文以光伏发电直流微电网为研究背景，对包含光伏电池和储能系统的直流微电网带动单相逆变负载时直流母线电压的周期性波动对光伏电池输出功率的影响进行了深入研究，进而提出了基于直流母线电压波动前馈的控制策略，以抑制直流母线电压周期性波动对光伏电池输出功率的影响，从而提高系统的运行效率。

1 典型光伏发电直流微电网简介

本文拟研究的直流微电网结构如图1所示，包括光伏发电系统和储能系统，带单相逆变负载。对于图1所示的直流微电网，通常的方案是储能系统负责直流母线电压的稳定控制，光伏发电系统采用MPPT控制[2]。

下面分别从单相逆变负载对直流母线电压的影响以及对光伏发电系统输出功率的影响两方面进行分析。

2 单相逆变负载对直流母线电压的影响

首先分析单相逆变负载对直流母线电压的影响。由前述分析可知，直流母线电压由储能系统进行闭环控制，为简化分析，认为此时蓄电池处于输出功率状态，即变换器工作于升压模式。现有文献中，储能系统大多采用电感电流内环和直流母线电压外环的双闭环控制结构，其中电压、电流环均采用比例-积分控制[3]。从而得到考虑扰动的储能系统双闭环控制框图如图2所示。

由此得到电流环的传递函数为：

其中，KP2和KI2分别为储能系统电感电流环的比例和积分系数;UDC为直流母线电压;LB为滤波电感;分别为储能系统电感电流的给定值和实际值。

下面分析单相逆变负载的直流侧输入电流的表达式。为简化分析，假定逆变系统带线性负载。直流侧和交流侧的功率平衡方程为：

其中，Um、Im、ω分别为交流电压和电流的幅值以及频率;为交流负载阻抗角;iinv为逆变负载的直流输入电流。由于直流侧电容的存在，直流母线电压的变化远小于直流输入电流的变化，则iinv为：

则iinv的周期波动分量为：

由上式可知，逆变负载的直流输入电流包含2倍频的交流波动。进一步获得直流母线电压在的扰动作用下的扰动分量传递函数为：

其中，KP1和KI1分别为储能系统直流母线电压环的比例和积分系数;C为直流母线的缓冲电容。

下面分析在直流输入电流扰动下的直流母线电压稳态误差，即稳态电压波动。由于电流扰动为余弦值，其极点处于S平面的虚轴上，不解析，经典终值定理无法直接应用，这里采用级数求解法来获得其稳态误差。由自动控制理论可知，扰动稳态误差的级数表达式为：

其中，ns(t)为扰动的稳态时域表达式;Bk(k=0,1，…)为扰动误差系数;Φk(s)为扰动传递函数。

对于储能系统，Φk(s)为式(6)。由此求得直流母线电压的稳态误差(只求取前三项)为：

由上式可知，直流母线电压的稳态误差为正弦周期波动，对整个微电网的供电质量产生不利影响。

3 考虑直流母线电压波动的光伏电池输出功率分析

下面分析直流母线电压周期波动对光伏电池输出功率的影响。假定光伏电池中采用输出电流单闭环控制，其给定由MPPT算法给出，电流环采用比例-积分控制。

只考虑直流母线电压扰动的光伏发电系统的小信号模型为[20]:

其中，DPV和分别为光伏发电系统的稳态占空比及其小信号增量;LPV为光伏发电系统的滤波电感;i赞PV为光伏电池输出电流的小信号增量。从而得到采用比例-积分调节的电流单闭环的光伏发电系统控制框图如图3所示。

由此得到光伏电池输出电流在作用下的扰动分量的传递函数为：

其中，KP3和KI3分别为光伏电池输出电流环的比例和积分系数。

下面分析在直流母线电压扰动下的光伏电池输出电流的稳态误差。同样由于直流母线电压扰动为正弦量，其极点处于S平面的虚轴上，不解析，需采用级数求解法获得其稳态误差。根据式(6)—(8)，求得光伏电池输出电流的稳态误差表达式，同样只求取前三项。第一项为：

第二项为：

第三项为：

由此得到光伏电池输出电流的稳态误差为：

由上式可知，直流母线电压存在周期波动的情况下，光伏电池输出电流存在周期波动。下面分析光伏电池的输出功率。由文献[21]可知，光伏电池输出电压和电流的简化关系为：

其中，λ为与温度有关的光伏电池系数;Iph为与光强成正比的光生电流;Isat为光伏电池寄生反并联二极管的饱和电流。

由此获得光伏电池输出功率为：

其中，IPV为光伏电池输出电流的直流分量。将式(14)代入上式得：

式(14)—(17)给出了光伏电池输出电流、电压和功率与直流母线电压波动幅值之间的关系。由上述分析可知，在直流母线电压存在周期性波动时，光伏电池输出电流、电压和功率均存在周期波动，光伏电池输出电流的波动幅值近似与直流母线电压波动幅值成正比。为进一步分析上述变量和直流母线电压波动幅值之间的定量关系，根据式(14)—(17)分别绘制在直流电压存在正弦周期波动时(波动率为20%)的光伏电池输出电流、电压和功率(均为标幺值)的时域分布曲线，如图4所示。由图可知，光伏电池输出电流、电压和功率均存在相同频率的周期波动(波动率分别约为17%、10%和9.9%)，使光伏电池无法持续处于最大功率点，从而降低了其工作效率。

4 所提出的光伏发电系统控制策略

如果能够消除光伏电池输出电流的稳态误差，使其不存在周期波动，则能够保证其工作在最大功率点。一种简单的办法是增加直流滤波电容，但是这种方案属于被动抑制手段，需要增加大量的电容，造成系统的体积和成本均显著上升。为此，本文提出基于内模原理的带有直流母线电压波动前馈的光伏电池输出电流闭环控制策略，来消除直流母线电压波动的影响，而无需增加额外的硬件设备，其控制原理图如图5(a)所示，其控制框图如图5(b)所示。其中，直流母线电压波动的前馈系数根据内模原理由式(10)得到。为了获得直流母线电压的波动值，首先对直流母线电压进行低通滤波，获得其稳态平均值再与实际值相减，获得直流母线电压的波动。为占空比的低通滤波值。从而得到其输出电流扰动的传递函数为：

由上式可知，光伏电池输出电流理论上将不受直流母线电压波动的影响。

5 仿真和实验结果及分析

搭建了基于Simulink的仿真平台，对上述分析进行仿真验证。仿真参数为：直流母线电压为400 V，带200 kW单相交流逆变负载，频率为50 Hz，光伏电池理想最大输出电压为177 V，理想最大输出电流为847 A，理想最大输出功率为150 kW，剩余能量由储能系统补充。控制器参数为：比例系数为0.005，积分系数为0.001，直流电压波动前馈系数为0.001。图6(a)和(b)分别给出了采用比例-积分控制的光伏发电系统加入直流母线电压波动前馈前后的仿真结果。由图6(a)可知，在未加入直流母线电压波动前馈时，确实存在直流母线电压的波动，进而造成光伏电池输出电流、电压和功率均产生原理性波动，使其无法处于最大功率点，功率波动达到5%，严重影响了其工作效率。由图6(b)可知，在将直流母线电压波动前馈加入到光伏电池输出电流的闭环回路后，占空比波形中存在正弦波动，用以抵消直流母线电压对光伏电池输出电流的影响，很好地消除了直流母线电压波动对光伏电池输出功率的影响，输出功率的波动小于1%，显著提高了其工作效率。

在实验室搭建的小功率直流微电网实验平台上对所提出的方法进行了实验验证，实验参数为：直流母线电压为400 V，光伏电池最大输出功率为1 kW。图7和图8分别给出了带1 kW和1.5 kW单相交流逆变负载时，采用比例-积分控制和所提出方法的实验结果。由图7可知，直流母线电压确实存在明显周期波动，在负载增加时，波动分量随之上升，在采用比例-积分控制时，光伏输出电压、电流均存在明显周期波动，波动率同样达到近5%。通过引入所提出的方法，如图8所示，在直流母线电压存在周期波动的情况下，光伏电池的输出电压、电流保持平稳，波动分量明显降低，输出功率的波动小于1%。实验波形获得了和仿真相近的结果，从而从实验的角度进一步证明了前述理论分析和所提出方法的正确性和可行性。

6 结论

本文给出了带单相逆变负载的直流微电网的直流母线电压稳态误差表达式以及光伏电池输出电流的稳态误差表达式，并进一步提出了基于直流母线电压周期波动前馈的光伏输出电流闭环控制方法。理论分析、仿真与实验结果表明，所提出的控制方法在直流母线电压存在较大周期性波动时仍然能使光伏电池输出功率保持平稳，从而提高了光伏电池的工作效率。

摘要：分析了单相交流逆变负载对直流母线电压的影响及波动电压的表达式。进一步分析了直流母线电压波动对直流微电网中光伏发电系统输出功率的影响并推导了光伏电池输出电压、电流及输出功率的表达式,进而揭示出了由于直流母线电压的波动影响造成光伏电池无法持续处于最大功率输出点,间接降低了光伏发电系统的发电效率。提出了基于直流母线电压波动前馈的光伏发电系统电流闭环控制策略,有效抑制了直流母线电压波动对光伏电池输出功率的影响。仿真和实验结果验证了理论分析结果与所提方法的正确性和可行性。

工业光伏微电网 篇3

随着新能源的广泛应用,将不断地会有风电、光伏、储能等多种分布式电源接入电网,微电网系统可协调大电网与分布式电源之间的矛盾,充分挖掘分布式电源为电网和用户所带来的价值和效益。微电网系统可应用在居民社区、城市工业园区/商业中心、家庭、边远山区、海岛等。

为了研究微电网系统安全稳定运行的能量管理策略,各国科研机构搭建了多种微电网系统试验平台,适用于不同应用场合。欧洲提出“Smart Power Networks”,荷兰Continuon微电网系统示范工程应用于居民社区;美国提出了“Grid2030”计划,狂河市(Mad River)微电网示范工程应用于乡镇社区;日本早在2003年就开始了3个微电网的试点项目[4,5],文献[1]介绍了Archi微电网系统应用于商业中心,文献[2]介绍了Sendai微电网系统应用于家庭小区。中国正在积极开展微电网系统研究,搭建了相应的微电网示范工程[3,4],文献[5]介绍了张北大型风光储输系统;文献[6,7]介绍了海岛风光储微电网系统,其中东福山岛风光储微电网系统运行在离网模式,鹿西岛微电网系统运行在并网模式。

通过示范工程的技术应用和完善,微电网系统安全稳定运行,充分发挥了分布式发电的效能,随着技术不断成熟[8,9,10,11,12,13],微电网系统正在逐步商业化。

本文提出一种基于功率预测、前馈控制的微电网系统能量管理策略,使微电网系统适用于工业园区,满足厂区负荷要求,提高新能源利用效率,减少厂区用电成本。通过功率预测,控制微电网系统输出功率,跟踪厂区负荷;基于前馈控制的储能波动平抑,减小系统输出功率波动,提高电池应用效率;在RTDS实时仿真平台上,结合能量管理器,搭建微电网系统硬件在环测试平台,并通过MW级风光储微电网系统示范工程的长期稳定运行验证了算法的有效性和稳定性,为微电网系统的商业运行打下了良好的基础。

1 系统结构

杭州萧山工业园有较好的风、光资源,为了研究微电网系统,东方电气集团在工业园的厂区内搭建了风光储微电网系统:1.5 MW直驱型风电机组、125k W·h/500 k W储能装置、100 k W光伏机组、100 k W柴油发电机以及厂区负荷,如图1所示。

微电网系统并网运行,为确保整个工业园区用电安全,与当地电力公司达成并网技术要求:

(1)系统输出功率小于厂区负荷,不向电网送电;

(2)系统输出功率波动参考国家标准GB/T19963—2011《风电场接入电力系统技术规定》。

2 能量管理系统

微电网能量管理系统如图2所示,能量管理控制器通过网络通信实现各个部分之间的连接,并通过以太网向成都、德阳发布远程监控。

能量管理系统控制策略如图3所示,实时检测厂区负荷,设置安全阈值,确定风光储微电网系统发电上限;结合功率预测、前馈控制完成风电、光伏功率设定,储能波动平抑功能,确保风光储微电网稳定运行,向厂区负荷供电,不向大电网送电。

2.1 超短期功率预测

根据时间尺度不同,功率预测分为超短期、短期、中长期预测[14,15]。超短期预测:分钟级,主要用于风力发电控制、电能质量评估及风机机械部件的设计等。短期预测一般认为是30 min~72 h的预测,主要用于电力系统的功率平衡和经济调度、电力市场交易、暂态稳定评估等。更长时间尺度的中长期预测,主要用于风电场或电网的检修维护计划安排等。

本文采用了自回归滑动平均模型ARMA(AutoRegressive and Moving Average model)进行超短期功率预测[16]。以风电功率预测为例,基于历史风速建模的随机时间序列法,通过历史风速进行参数估计从而建立一定阶数的自回归模型,以若干历史风速为变量计算下一周期的预测值,从而可通过机组的风速-功率表得到功率预测值,如图4所示。由于网络延时造成风速数据的时间间隔不固定,为解决这一问题引入了线性插值,使用线性插值算法可按固定的时间间隔获取风速数值,以便进行定周期的风速预测和功率预测。

(1)风速原始数据:风电机组每个通信周期传输的30 s平均风速值。

(2)数据线性插值运算:由于原始数据的时间间隔不定,通过线性插值获取等间隔风速历史数据:

其中,t0<t<t1;y(t)为t时刻的插值;y(t0)和y(t1)分别为历史数据中与t相邻的2个时刻的值。

(3)数据缓冲处理:将插值后的数据做缓冲使数据平滑,改善预测效果:

其中,xd(k)为第k个历史数据的缓冲值;N为插值后数据的总数。

(4)自回归模型参数估计:通过计算得到历史数据的自相关函数,使用估计法计算得到各阶自回归模型的参数:样本均值,样本自协方差函数,自相关函数,其中yt为第t个历史数据。

自回归模型参数估计计算公式如下:

其中,为模型各项参数,p为自回归模型阶数。

残差计算公式为:

其中,yk为第k个历史数据。

(5)AIC标准:AIC值是以残差平方和与模型阶数为自变量的函数,通过计算各阶模型的AIC值,选取使其值最小的阶数作为预测模型使用阶数。

p阶自回归模型的残差平方和为:

AIC值计算公式为:

根据式(7),通过计算各阶模型的AIC值,选取使其值最小的阶数作为预测模型使用阶数。

(6)功率预测:通过已建的风速预测模型计算下一周期风速预测值,由机组的风速-功率表计算下一周期功率预测值,p阶自回归模型的差分方程如下:

其中,为下一周期(t+1时刻)的风速预测值;为p阶模型的参数估计值;at为最近时刻风速的残差。

在杭州新能源风光储系统试验平台上,通过微电网能量管理系统数据采集模块对1.5 MW风电机组进行采集风速和风电功率,根据能量管理系统输出限制,风电机组的功率上限为850 k W。每隔30 s对风速进行采样,共120组数据,按照上述超短期功率预测,结合机组风速-功率表,测试效果如图5所示,实际风速与预测风速对比,实时功率与预测功率对比,平均测试误差分别为3.4%和4.5%。

2.2 基于前馈控制的储能波动平抑

本文采用基于前馈控制的储能波动平抑算法[16],平滑风光储微电网系统输出,并优化储能电池特性,限制电池的剩余电量SOC(State Of Charge)、电池的充/放电斜率等,如图6所示。通过前馈控制,可使储能电池的SOC保持在设定值范围内,可有效提高储能电池的利用率和寿命。

储能装置波动平抑算法采取一阶滤波,一阶滤波时间常数T决定了储能装置容量的选择和平抑效果。图6中,Pwind-solar经过一阶滤波和斜率限制得到Pref,与Pwind-solar作差后与电池SOC的控制量相加,经过限幅最终得到储能系统的有功功率指令PBESS。M为设定的电池SOC边距值,例如M=0.3,那么电池SOC限制在0.3~0.7范围内,C为储能电池的容量,风电机组和光伏机组的总额定功率以Pwind-solar表示,α=[(1-2M)/T]Pwind-solar。

3 RTDS实时仿真

杭州新能源风光储微电网系统示范工程采用东方电气集团100 k W光伏机组、1.5 MW风电机组、美国A123公司的125 k W·h/500 k W储能装置。为了验证微电网能量管理系统的有效性,基于图1所示微电网试验平台系统参数,在RTDS实时仿真平台上搭建风电机组、光伏机组、储能装置、电网以及负荷模型,结合能量管理控制器,形成风光储微电网-RTDS硬件在环测试平台,如图7所示,RTDS平台与实际能量管理控制器之间通过硬接线连接,信号包括三相电压、三相电流、各电源输出的有功/无功、储能SOC、负荷功率等,系统详细参数见表1。

采用基于前馈控制的储能波动平抑算法,为了高效地利用储能电池,设置M=0.3,电池SOC限制在0.3~0.7范围内,波动平抑效果如图8所示。

由图8可知,时间常数T=60 s、T=200 s时,波动平抑算法均能较好地平滑系统输出;时间常数T=200 s时,平滑作用较为明显,对应所需的储能容量也较大。通过RTDS硬件在环测试可知,基于前馈控制的储能波动平抑算法可有效地平滑系统波动。基于前馈控制的储能波动平抑算法应用于杭州新能源风光储微电网系统,其系统波动平抑试验波形如图9所示,试验波形与仿真波形基本一致,其中Pw为风电、光伏有功功率输出之和,Pout为储能波动平抑后风、光、储有功输出总和。

4 工程验证

杭州新能源风光储微电网系统示范工程于2014年3月10日至3月17日进行连续168 h运行测试。试验要求:系统在试验期间不间断运行;风机、光伏及储能等设备不可人为停机;能量管理系统不可关闭或重新启动,不出现死机、失效等现象。

能量管理系统实时检测厂区负荷,设置安全阈值,确定风光储微电网系统发电上限;结合功率预测、储能前馈控制完成风电、光伏功率设定,储能波动平抑功能,确保风光储微电网稳定运行,向厂区负荷供电,不向大电网送电。

4.1 储能波动平抑效果

采用基于前馈控制的储能波动平抑算法,设置M=0.3,电池的SOC限制在0.3~0.7范围内;时间常数T=60 s,波动平抑效果如图10所示,平抑前后的数据对比如图9所示。

由图9(a)可知,在平抑前,风光系统超过4%的波动率占到了50%以上;由图9(b)可知,平抑后,系统波动率大于5%的比例明显减小。由图9和图10可知,波动平抑效果明显,平抑前后数据对比如表2所示。

由表2可得:与平抑前相比,平抑后最大波动率和波动率大于2%的比例都有明显减少,波动平抑效果明显;且1 min波动不超过100 k W,10 min波动不超过300 k W,满足国标GB/T 19963—2011《风电场接入电力系统技术规定》要求。

4.2 168 h运行测试

杭州新能源风光储微电网系统示范工程于2014年3月10日至3月17日进行连续168 h运行测试。为了确保微电网系统不向大电网送电,系统输出功率小于厂区负荷,防止负荷突变,设置安全阈值为200 k W,厂区典型日负荷曲线如图11所示。

风光储微电网系统能量管理系统运行曲线如图12所示,为2014年3月13日20:00—20:20能量管理系统运行曲线,数据如表3所示。

由图12和表2可知,通过168 h运行测试,风光储微电网能量管理系统能够长期正常稳定运行;系统控制策略工作正常,在负荷变化时,能够完成预期目标;储能波动平抑算法能够有效平滑系统功率波动;杭州新能源风光储微电网系统通过168 h运行测试,拿到了浙江省电力公司的并网通知。

截至2015年10月,杭州新能源风光储微电网示范工程已安全稳定运行19个月,月平均发电量约为50 MW·h,可为厂区节约用电费约50万元/a。

5 结语

本文提出了一种适用于工业园区的风光储微电网系统能量管理策略,通过RTDS硬件在环测试,MW级微电网系统示范工程稳定运行验证了其有效性,为其后期应用于其他工况以及商业运行打下了良好的基础。