混合电源（通用3篇）
混合电源 篇1
一、前言
随着便携式电子仪器设备、数字移动终端、电动力机车等电子技术装备的高速发展, 特别是一些负载用电子设备的投入使用, 由于其具有峰值功率高但平均功率低的特点, 因此在峰值期间, 需要电源提供较大的电流输出。广泛使用的蓄电池具有功率密度小、充放电慢等缺点, 如果要满足大电流输出的需求, 需要蓄电池具有很大的容量, 这会增加设备负载, 同时大电流放电也会对电池的寿命产生影响。超级电容作为一种新型储能元件, 具有快速充放电、循环使用寿命长、功率密度大、工作环境适应性强、安全无毒等优点, 这些优点非常适用于脉动性负载, 但其能量密度低, 无法取代传统蓄电池来独立给负载进行供电。目前常见的是将蓄电池能量密度大、超级电容功率密度大等特点结合, 设计一种混合电源来提高电源峰值输出功率、减少电源体积质量投入应用。
然而单模块的混合电源额定电压为3.2V, 无法满足高电压设备的输出需求, 因此需要将这种混合电源进行串并联, 来满足设备的供电需求。而组合电源中单体的过度充放电则会降低电源组使用寿命, 甚至可能会发生爆炸威胁设备安全。造成单体电源过度充放电的最根本原因是由于电源组内各单体电源间的容量差异, 解决这个问题的方法之一是均衡充电, 目前研究主要侧重于两部分:一部分是对均衡充电电路拓扑的设计, 另一部分是对均衡控制策略的研究。关于对均衡充电电路拓扑的设计, 主要有电阻放电均衡法、开关电容法、开关电感法、DC/DC法、多绕组变压器法等。目前常用的均衡法主要存在均衡时间长、缺乏普适性等问题, 同时采用基于电池外压一致性来判据均衡存在不稳定性等因素。如何快速高效的对电源组内单体电源均衡充电, 是目前业内研究的一个重要方向。
本项目从超级电容入手, 以四个混合电源串联为研究对象, 基于DC/DC法, 利用开关矩阵, 采用多平衡充电复合设计思路, 提出交叉充电设计理念, 设计一种电源管理系统, 建立相关充放电数学模型, 提出一种快速充电方法, 并通过实验验证了该系统的可行性。
二、常用均衡充电方法介绍
如图1所示, 常用的均衡充电方法可以依据能量损耗分为能耗型和非能耗型, 其中能耗型均衡是通过在电源组中各单体电源两端分别并联分流电阻, 通过分流电阻对容量高的单体电池进行放电, 直至所有单体电池容量在同一水平。这种电路设计简单, 成本低, 但分流电阻会一直处在工作状态, 将单体电源的能量以热量的形式消耗掉, 一般适用于能量充足、散热良好的场合。本项目主要就非耗散型均衡电路进行研究, 常见的非能耗型均衡电路有多绕组变压器法、开关电容法、开关矩阵串并联转换充电法、DC/DC法, 其原理如图2、图3、图4、图5所示, 上述各种方法的优缺比较见表1。
常见的DC/DC有升压型、降压型和升降压型三种, 考虑到适用范围, 本文选取了升降压型DC/DC转换器。升降压电路原理如图5所示, 既可以作为降压电路来使用, 又可以做为升压电路来使用, 其中L为电感, D为单向导通二极管, C为电容, T为功率管, 当T的控制端输入整脉冲电压时, T正向导通, 为零时截止。功率管导通阶段, 由于D的存在, 输入电流通过T和L后返回, 此时VL=Vi, 电感电流逐步增大。当到t1时刻, T断开, 输入电压Vi与后端断开, L的电流经过负载后通过D返回, 同时电容C上的电流也通过负载返回负端。电感电流逐步减少, 电压反向, 电感作为能量源, 此时电感电压VL=Vo。
功率管导通阶段, 电感电流:
功率管关断阶段, 电感电流:
根据电流平衡原理:
其中D=t1/T为占空比。
从上述可以看出, 输入电压与输出电压的比值可以通过输入方波的占空比进行调节, 即依据输入电压的变化, 通过控制DC/DC电路控制端的方波输入, 实现输出电压恒定。
DC/DC充电法的原理如图6所示, 是利用DC/DC模块并联充电单体来进行恒压充电, 当电源单体电压低于其额定值时进行充电, 监测到其电压值达到额定电压时关闭该DC/DC模块。该方法系统电源可以同时对各个电源单体进行充电, 精度高, 损耗少, 充电速度快, 但是由于DC/DC模块的数量与电源单体数量相等, 当电源单体串联数量较多时, 整个电路系统会变得非常庞大、复杂, 成本也变得比较高。
三、一种改进新型的均衡充电电路设计
对比上述几种均衡充电电路, 针对其优缺点, 设计一种以FPGA为核心, 基于开关矩阵和DC/DC组合的新型的均衡充电电路, 这种电路仅采用一个DC/DC模块, 通过开关矩阵进行循环充电。由于采用一个DC/DC模块保证了均衡充电的精确性, 同时电路成本也有所降低, 但这种方法受开关矩阵工作限制, 不适用于过多的电容充电, 如果需要对多个超级电容充电, 则可以将其分组采用该方法, 然后组间采用并联模式进行均衡充电。
该系统原理如图7所示, 其中左侧为充电模块, 右侧为监控模块。系统具体工作流程如下:FPGA对DC/DC模块进行波形控制, 变压后输出对各个单体电源进行充电, 充电目标由FPGA控制开关矩阵进行选择。开关矩阵由SW1、SW2、SW3、SW4单刀四置开关和一个单刀开关SW5组成, 充电时, 首先将SW5断开, 当四个四置开关均至1位置时, DC/DC模块将对单体电源1进行充电。同理可以分别对单体电源2、3、4进行充电, 充电完毕后四个四置开关断开, SW5闭合。FPGA通过AD1实时监控充电电流, 并依据采样值对DC/DC模块和开关网络进行控制。在充电过程中, 系统实时监测电源单体电压, 监测值通过光耦将数据耦合到AD2, 采样后送至FPGA分析, 来控制开关矩阵, 分别对单体电源模块1、2、3、4充电。
四、针对超级电容的打断法充电方式的改进
传统的充电方式多采用“先恒流后恒压”的两段式充电方式, 该方法可以避免尖峰电流对单体电源和DC/DC电路的冲击, 起到保护设备的作用。第一阶段采用恒流方式, 单体电源电压随着时间的逐步升高, 当单体电源电压达到一定值后, 转入恒压模式, 充电电流逐步降低, 直至充满。本项目就第一阶段充电过程进行分段处理, 采用打断方式进行充电, 既保护了单体电源中的超级电容, 对充电时间也没有明显的影响。具体工作原理如下:FPGA通过A/D采样系统电压电流, 当电流值过大时, 则FPGA芯片关闭DC/DC模块的控制端几个周期, 此时DC/DC模块处于不工作状态, 则充电电流迅速下降, 超级电容器单体电压值不再上升, 然后FPGA芯片打开开关, 继续对PWM端进行控制, 这样就可以维持充电电流基本恒定, 当电源单体电压升高到一定值后, 充电方式改为恒压充电, 即将DC/DC模块PWM控制端的方波占空比固定, 直至单体电源充电到额定电压, 完成对该电源单体的充电电, 然后切换开关位置, 对下一个电源模块块充电。
根据充电方法, FPGA的控制流程如图图8所示, 系统启动时, 所有开关均置1的的位置对超级电容器C1进行充电控制, DDC/DC电路的PWM端采用占空比D=d的波形形进行充电, 当检测到充电电流偏大时, 关关闭PWM端, 此时D=0, 充电电流下降, 当当充电电流I下降至所要求电流以下时打开开PWM端的控制继续进行D=d的充电模式式, 直至超级电容器C1的电压值已充至要求求值, 然后采用恒压的方式进行充电即D为为固定值充电至其额定电压, 然后转换开关关至下一个超级电容器单体, 如此轮循, 最最后完成对整个超级电容器组的均衡充电电。
五、总结与分析
本项目综合几种均衡充电方法, 提出一一种基于开关矩阵和DC/DC的均衡充电系统统, 根据设计的充电系统建立相关模型, 充电过程中采用间断式充电方法, 保证单体电源中的超级电容工作在额定电流范围内, 充电过程仿真如图9所示。
项目以四节maxwell的BCAP0350超级电容为充电单体样本, 其额定电压为2.7V, 额定容量为350F。采用该方法充电, 均衡完成后, 四个电容器单体电压值如表1所示, 同组最大单体误差为0.07V, 基本达到了均衡充电目的。
从本项目仿真及验证效果来看, 采用了DC/DC+开关矩阵模式, 减少了直流转换模块, 增加了开关矩阵网络, 当电源组中电源单体数目增加时, 开关矩阵的复杂度会成本增加。本项目提出的系统设计方法可以应用与单体数目较少的工作环境, 针对单体数目较多的情况, 可以采用多组并联的方式进行。如何平衡组内单体充电时间与单体成组数目, 是下一个阶段的研究方向。
参考文献
[1]戴咏喜, 徐冲, 刘以建.应用于脉冲负载的蓄电池和超级电容器混合储能的研究[J].通信电源技术, 2011 (04) :12-14.
[2]刘君, 宋俊锋, 李岩松.混合电源及其在电动汽车的应用[C].秦皇岛:中国高等学校电力系统及其自动化专业第二十七届学术年会, 2011.
[3]董博, 李永东.HANYehui蓄电池容量均衡方法概述[C].武汉:第五届中国高校电力电子与电力传动学术年会, 2011.4.
[4]邱斌斌.磷酸铁锂电池组均衡充电及保护研究[D].重庆大学, 2013.
[5]徐伟.磷酸铁锂动力电池充电方法研究和均衡充电模块的设计[D].重庆大学, 2010.
[6]封世领, 刘强, 李志强.基于FPGA的超级电容器均衡充电电路设计与实现[J].电源技术, 2011 (05) :540-542.
[7]陈超, 谢瑞, 何湘宁.电动汽车车载锂电池分段充电策略研究[J].机电工程, 2011 (07) :887-890, 900.
[8]孙晓磊, 张全柱, 邓永红, 马红梅.矿用锂离子动力电池安全性智能充电关键技术研究[J].华北科技学院学报, 2014 (02) :85-89.
[9]杨子龙, 王环, 彭燕昌, 许洪华.基于超级电容器储能的太阳能路灯系统设计[J].可再生能源, 2009 (02) :59-61.
[10]杨少华.超级电容器-蓄电池混合储能系统研究[D].合肥工业大学, 2013.
混合电源 篇2
近年来,以风电为代表的可再生能源发电由于其节能减排的优势得到了快速发展。风电按规模大小可分为2种[1]:一种是规模化集中接入输电网的大中型风电场;另一种是以分布式电源(DG)形式接入配电网的分布式风电源(DWG)。当DWG接入配电网运行时,能够起到降低电能损耗、改善电压质量和减少环境污染等作用[2]。但是当配电网中DWG的渗透率提高时,由于其出力具有明显的随机性,会影响电力系统的正常运行,且影响程度与DWG的位置和容量有密切关系,因此对接入配电网的DWG进行选址定容规划是非常有必要的[3]。
在DG选址定容问题上,文献[3]以独立发电商收益最大为目标建立了单目标规划模型,采用模拟植物生长算法求解;文献[4]建立了DG选址定容多目标模型,采用遗传算法(GA)结合ε-约束法获得Pareto解;文献[5]把电动汽车也当成DG,建立了规划模型,采用蒙特卡洛模拟(MCS)嵌入GA求解;文献[6]则以配电网年运行费用最小为目标建立DG规划模型,并采用粒子群优化(PSO)算法求解。
本文首先对作为常用DG之一的DWG出力的随机性和负荷的不确定性进行了概率建模。在此基础上,利用机会约束规划方法[3,5]建立配电网DWG选址定容规划模型。以年综合费用最小为目标,采用基于拉丁超立方采样蒙特卡洛模拟(LHS-MCS)法的概率潮流判断规划方案是否满足节点电压机会约束和支路电流机会约束。设计了采用混合蛙跳算法(shuffled frog leaping algorithm,SFLA)求解DWG机会约束规划模型的具体实现方法。
1 含DWG的配电网概率潮流
1.1 DWG出力的随机性
风速的概率分布常用两参数Weibull分布来描述,其概率密度函数可表示为[7]:
式中:V为DWG叶轮轮毂处的风速;珔k为形状参数;c为尺度参数。
DWG的有功出力PDWG与风速V的关系如图1所示。
可将DWG的有功出力特性用分段函数表示为:
式中:Prated为DWG的额定功率;Vci,Vrated,Vco分别为切入风速、额定风速和切出风速。
本文的DWG采用常用的变速恒频双馈异步风力发电机,在运行过程中要从系统吸收无功功率[8]。可设DWG采用恒功率因数控制,则DWG的无功出力QDWG可表示为:
式中:λ为DWG的功率因数。
1.2 负荷的不确定性
一般可采用正态分布来描述负荷功率的不确定性[3]:
式中:PL,i,μp,i,σ2p,i分别为节点i有功负荷的随机量、期望和方差;QL,i,μq,i,σ2q,i分别为节点i无功负荷的随机量、期望和方差。
1.3 基于LHS-MCS法的配电网概率潮流计算
含DWG的配电网概率潮流计算可采用基于随机采样的蒙特卡洛模拟(RS-MCS)方法。该方法的缺点是:过小的采样次数会导致计算精度的不足,只有通过大大增加采样次数才能使得计算精度满足要求,而这将导致计算量剧增。本文采用基于LHS-MCS法的配电网概率潮流,相同精度要求下,相比于基于RS-MCS法的概率潮流计算方法,计算量小很多[9,10]。
拉丁超立方采样(LHS)是一种多维分层采样法,其本质是通过产生更加均匀分布的样本来提高精度[11]。在取少量样本的情况下,LHS方法可以极大地提高MCS法的模拟精度。
LHS方法主要包括采样和排序2个步骤[9],具体过程如下。
1)采样
设有M个待采样的随机变量Z1,Z2,…,ZM,其中Zk的累计概率密度函数为Yk=Fk(Zk),k=1,2,…,M。采样过程具体为:首先,将区间[0,1]分为NLHS个宽度为1/NLHS的等间距区间[(n-1)/NLHS,n/NLHS],n=1,2,…,NLHS,其中NLHS为LHS的采样数;然后,在每个子区间里随机选取一个ykn,ykn=(n-r)/NLHS,其中r表示0和1之间的随机数;最后,利用反变换得到采样值zkn=Fk-1((n-r)/NLHS),其中Fk-1(·)为Fk(·)的反变换。采样过程示意图如图2所示。
2)排序
当有多个输入随机变量时,LHS模拟的精度除了会受到采样值的影响之外,还会受到不同输入随机变量采样值之间相关性的影响,这就需要对采样后的样本重新进行排序,从而减少样本之间的相关性。可以采用Cholesky分解法[9,10]对样本进行排序,具体过程为:首先,生成一个每一行均是由整数1,2,…,NLHS随机排列而成的M×NLHS阶顺序矩阵L,计算L中行与行之间的Spearman秩相关系数矩阵ρL;然后,对ρL进行Cholesky分解,ρL=QQT,其中Q为下三角阵;最后,令G=Q-1 L,更新L中的元素得到新的顺序矩阵Lupdate,使得其每行元素的排列顺序与G中对应行的元素顺序相同。经过上述操作后,Lupdate中行与行之间的相关性就降到了最低。将采样矩阵每行元素按Lupdate中对应行的元素大小顺序重新进行排列,得到最终的采样矩阵Sobj。
基于LHS-MCS法的含DWG的配电网概率潮流计算方法具体如下。
1)输入计算所需的数据,包括系统节点参数、支路参数、DWG参数以及LHS的采样数等。
2)按照上述LHS方法对随机变量(风速、负荷功率)进行采样,得到一个M×NLHS阶的采样矩阵Sobj。
3)把采样矩阵Sobj的第n列(n=1,2,…,NLHS)元素代入潮流方程,求出该运行工况下的潮流分布和系统网损Ploss,n(n=1,2,…,NLHS)。
4)统计潮流的数字特性和概率分布,并判断节点电压和支路电流是否违反机会约束条件;按照求得总的系统网损。
2 DWG选址定容机会约束规划模型
以年综合费用最小[12]为目标,建立配电网DWG选址定容机会约束规划模型,目标函数为:
式中:CCAP为DWG投资成本费用;COPE为DWG运行和维护费用;Closs为网损费用。
DWG的投资成本费用包括设备固定投资费用和安装费用,其表达式为:
式中:η为DWG的经济使用年限;r0为贴现率;Wi为第i个节点DWG的安装容量;ce为DWG单位容量固定投资费用;cf为DWG单位容量安装费用;Π为DWG安装节点的集合。
DWG运行和维护费用的表达式为:
式中:cr为DWG单位发电量的运行和维护费用;为第i个节点DWG的年发电量,其中Πi为安装在第i个节点的DWG集合,Pi,p(t)为t时刻第i个节点第p台DWG的功率,可以通过MCS得到。
网损费用的表达式为:
式中:α为电价;Ploss为系统网损值;τ为年最大负荷损耗小时数。
具体约束条件如下。
1)潮流方程约束为:
式中:Pis和Qis分别为节点i注入的有功功率和无功功率;Ui和Uj分别为节点i和j的电压幅值;Θi为与节点i相连的节点集合;Gij和Bij分别为节点导纳矩阵的实部和虚部;θij为节点i和j之间的相角差。
2)待选节点DWG装机容量约束为:
式中:Wi,max为第i个待选节点DWG的最大允许安装容量。
3)节点电压机会约束为:
式中:Pr{·}表示条件成立的概率;βU为满足电压约束的置信度;Ui,min和Ui,max分别为节点i电压幅值所允许的下限和上限;Ωnode为系统所有节点集合。
4)支路电流机会约束为:
式中:Iw,max为支路w所允许的电流上限;βI为支路电流不发生越限的置信度;Ωline为系统所有支路集合。
3 模型求解
SFLA是由Eusuff和Lansey在2003年提出的一种基于群体的启发式进化计算方法[13],其在求解大规模优化问题时具有收敛速度快和全局寻优能力强的优点,最初被用于求解水资源分配问题[13,14]。目前在电力系统机组组合[15]、动态优化潮流[16]、输电网规划[17]等问题上已经得到了应用。本文将其用于求解配电网DWG选址定容问题。
以某一规划方案在各节点安装的DWG数量作为一只青蛙Xf=[xf1,xf2,…,xfd],其中下标d表示DWG待选节点数,则利用SFLA求解DWG机会约束规划模型的具体实现方法如下。
步骤1:设定初始参数。设定群体青蛙数量F,族群m,局部搜索迭代次数Nl,全局迭代次数Ng,青蛙所允许移动距离的最大值Smax。
步骤2:生成初始蛙群。随机生成F只青蛙作为初始蛙群P={X1,X2,…,XF},第f只青蛙表示问题的解为Xf=[xf1,xf2,…,xfd],f=1,2,…,F。
步骤3:适应度值计算。对每只青蛙所代表的规划方案进行概率潮流计算,得到网损期望、节点电压和支路电流越限概率。按式(6)计算目标函数值,并定义适应度函数为:
式中:a,b,c均为大于1的常数,且a=b<c;F0为足够大的常数,使适应度函数值恒为正。
步骤4:划分青蛙族群。对F只青蛙按照适应度降序排列,记适应度最好的青蛙为Pg。将整个蛙群分成m个子蛙群(族群),每个族群包含q只青蛙,满足F=mq。其中,第1只青蛙分入第1族群,第2只青蛙分入第2族群,第m只青蛙分入第m族群,第m+1只青蛙分入第1族群,第m+2只青蛙分入第2族群,依次类推。设Ys为第s族群青蛙的集合,则分配过程可描述为:
步骤5:局部搜索。对于每个族群,记适应度最好的青蛙为Pb,适应度最差的青蛙为Pw。局部搜索是对每个族群中的Pw进行循环更新操作,更新策略如式(16)和式(17)所示。经过更新后,如果得到的青蛙Pw′优于原来的青蛙Pw,则将其取代;如果没有改进,则用Pg取代Pb执行式(16)和式(17)所示的更新策略;如果仍然没有改进则随机产生一只新的青蛙取代原来的Pw。重复这种更新操作直到达到设定的局部迭代次数Nl。此外,若迭代过程中出现青蛙越界(违反约束条件2),则将越界分量用青蛙允许位置的边界值代替。局部搜索流程如图3所示。
式中:S表示青蛙的移动距离;int[·]表示取整运算,因为DWG安装数量是整数。
步骤6:混合蛙群。将所有族群的青蛙重新混合并执行步骤4和步骤5,重复此操作直到达到设定的全局迭代次数Ng。
SFLA求解DWG选址定容机会约束规划模型的详细流程如图4所示。
4 算例和结果分析
4.1 算例
33节点配电系统[18]如图5所示。
系统电压等级为12.66 kV,总有功负荷为3 715kW,总无功负荷为2 300kvar。待选DWG安装节点为8,11,14,17,28,32,每个待选节点DWG最大允许安装容量为1 000kW。设每个安装节点的风速均服从珔k和c分别为3.0和9.0的两参数Weibull分布。单台DWG额定容量为100kW,切入风速、额定风速和切出风速分别为3,13,20m/s。DWG的单位造价为5 000元/kW,安装成本费用为1 200元/kW,运行和维护费用为60元/(MW·h),经济使用年限为15年,贴现率为0.08。电价为0.5元/(kW·h),年最大负荷损耗小时数为4 000h。节点电压允许范围为0.93~1.07(标幺值),节点0和节点5之间的线路最大允许电流均为0.52 kA,其他线路最大允许电流均为0.3kA。
SFLA控制参数:蛙群规模为100,族群为10,局部搜索迭代次数为10,全局迭代次数为50,青蛙所允许移动距离的最大值为5。LHS采样规模为500,待采样随机变量数为39(33个负荷变量+6个风速变量)。在MATLAB R2009b平台上编写了计算程序(其中,概率潮流采用并行计算方法),所使用计算机的CPU为Intel(R)Core(TM)i5-3470,主频为3.2GHz,内存为4GB。
4.2 测试和结果分析
本文取置信度βU和βI为相同的值,分别对置信度为0.99,0.95,0.90,0.85,0.80这5种情况进行计算,规划结果如表1所示。
注:8(3)表示节点8安装3台DWG,其他以此类推。
5种情况下的最优规划方案节点电压最大越限概率分别发生在节点30,32,31,32,31,且均为越下限约束;支路电流最大越限概率均发生在支路0-1。从表1中“规划方案”一栏可以得出,5种情况下规划方案的DWG安装数量分别为25,21,18,16,15。可见,置信度要求越高,DWG装机容量越大,这主要是因为DWG在一定的渗透率内并网运行不但能提高节点电压幅值,而且能降低靠近变电站的馈线上的线路传输功率,从而减小节点电压最大越下限概率和支路电流最大越限概率。
此外,从表1中可以看出:随着置信度要求的降低,规划方案的年综合费用呈明显的下降趋势。实际应用中,规划人员可根据实际要求选取合适的置信度进行规划。
置信度为0.90时最优规划方案的节点电压期望值分布与规划前的节点电压期望值分布的对比如图6所示。从图中可以看出,接入DWG后,系统电压质量得到了明显的提高。
表2给出了置信度为0.90时,对最优规划方案分别采用基于RS-MCS法和基于LHS-MCS法进行概率潮流计算来检验机会约束条件的对比情况(检验10次)。
从表2中可以看出:采样规模为500,分别采用RS-MCS法和LHS-MCS法对机会约束条件进行检验时,两者的计算耗时几乎没有差别;在检验机会约束条件时,采样规模为500的LHS-MCS法能得到与采样规模为20 000的RS-MCS法相当的精度和稳定结果,但是前者的采样规模和计算耗时远小于后者。显然,基于LHS-MCS法的概率潮流计算更适合用来检验机会约束条件。
图7为相同种群规模下,分别采用PSO算法、GA和SFLA求解置信度为0.90时的DWG机会约束规划模型的收敛特性对比图。GA的参数:迭代次数为50、染色体数为100、交叉率为0.8、变异率为0.1,采用轮转赌盘选择机制。PSO算法的参数:迭代次数为50、粒子数为100、惯性权重为0.8、局部和全局学习因子均为2、粒子最大允许移动距离为5。从图7中可以看出,3种方法得到的最优解相同,但是SFLA的收敛速度更快。SFLA采用类似于PSO算法的局部搜索策略来寻找当前个体周围的最优解;同时采用混合策略促进族群间个体的信息交换,大大增加了SFLA的全局搜索能力。这2个策略结合使SFLA具有更快的收敛速度。
此外,SFLA求解该算例的DWG规划模型的计算耗时约为17 min,略微偏慢,但是由于规划不需要在线进行,这样的计算时间还是能够被实际所接受的。
5 结论
本文考虑DWG出力的随机性以及负荷的不确定性,利用机会约束规划方法建立了配电网DWG选址定容规划模型,采用SFLA结合基于LHS-MCS法的概率潮流对模型进行求解,结论如下。
1)机会约束规划方法适用于考虑不确定性的配电网DWG选址定容规划;规划人员可以根据实际要求选取合适的置信度进行规划。
2)在检验机会约束条件时,相比于基于RS-MCS法的概率潮流,基于LHS-MCS法的概率潮流更高效;LHS-MCS检验机会约束条件的方法同样适用于其他一系列机会约束规划模型的求解。
3)SFLA在求解DWG规划模型时具有高效性,比GA和PSO算法的收敛速度更快。
摘要：对分布式风电源(DWG)出力的随机性和负荷的不确定性进行概率建模。在此基础上,以年综合费用最小为目标,利用机会约束规划方法建立了配电网DWG选址定容规划模型。采用基于拉丁超立方采样蒙特卡洛模拟(LHS-MCS)法的概率潮流判断规划方案是否满足节点电压机会约束和支路电流机会约束。设计了混合蛙跳算法(SFLA)求解DWG规划模型的具体实现方法。33节点配电网的DWG规划结果验证了模型的合理性、LHS-MCS检验机会约束条件的有效性以及SFLA的高效性。
混合电源 篇3
不间断电源是一种在主供电电源失电或异常时能够提供持续电能供应的电源,在实时性很强、对电能质量要求较高的用电场合具有重要的实用价值。但早期的技术方案存在耗能高、对电网谐波污染大、断电后持续工作时间有限等问题[1,2,3]。随着可再生能源发电技术的发展,将其与传统电能变换技术相结合,在获得系统优良控制性能的同时,还可以起到显著的节能作用[4,5]。太阳能发电在各种可再生能源发电技术中因其优良的清洁特性而具有广泛的发展前景[4,5,6,7]。而将太阳能发电与不间断逆变电源相结合的混合式发电技术,不仅能够起到节能作用,还能够延长电网失电后的运行时间,成为当前的研究热点。现有混合式供电技术主要有3种方案。
a.方案1:太阳能电池和蓄电池联合供电[8]。
b.方案2:太阳能电池为蓄电池充电,再由电网和蓄电池共同为负载供电[9]。
c.方案3:太阳能电池、电网和蓄电池通过交流母线连接后共同为负载供电[10]。
方案1由于受光照、环境等因素的影响,电能的持续输出难以保证,只适合于负载恒定、功率较小的场合。方案2能够长期输出稳定电能,但是没有考虑太阳能的最大化利用问题,在蓄电池充满电后,太阳能电池处于开路或弱发电状态,系统总体效率没有达到最优。方案3能够保证系统的长期运行,但是由于各个发电源基于交流母线并联,需要增加直流-交流逆变器以及相应的同步均流算法,系统复杂,成本较高,同时由于输出电压相角、幅值等误差产生的环流使系统效率降低,可靠性下降。
本文将PWM整流技术以及太阳能发电技术用于不间断电源,采用共用直流母线实现能量耦合,无需复杂的同步均流并联技术;通过对网侧电能、光伏电能以及蓄电池的电能进行协调控制,在实现不间断电源的长期持续运行的同时还可以将多余电能回馈到电网,以达到充分利用太阳能、提高系统运行效率的目的。网侧输入端采用PWM控制技术还可以实现网侧输入电流正弦化运行[11],最大限度地降低对电网的谐波污染。
1 逆变电源系统结构及电能协调控制策略
所提出的电网功率可控型太阳能电池-电网-蓄电池混合供电不间断逆变电源的系统结构如图1所示,各个模块通过直流母线连接进行电能的传递。输入侧的PWM整流器用于控制电网功率、输入电流波形以及网侧功率因数;升压电路用于控制太阳能电池的输出功率并具有最大功率跟踪功能;储能电容用于缓冲直流母线的电能;充放电控制模块用于蓄电池的充放电控制;能量管理模块用于整个系统的电能协调管理与控制。
电能协调控制策略的流程图如图2所示。下面对电网正常和电网异常2种情况进行分析。
1.1 电网正常
电网正常时的稳态功率模型为
其中,Ppv为太阳能电池输出功率;Pgrid为电网输出功率,当电网提供电能时大于零,回馈电能时小于零;Pbt为蓄电池输出电能,处于充电模式时大于零,处于放电模式时小于零;Pload为负载消耗的功率。
电网正常时的控制原则是,太阳能电池处于最大功率输出模式,PWM整流器工作于直流电压恒定控制模式,若蓄电池电压低于充电允许值,则充放电控制电路工作于充电模式,充电完成后,停止工作,不输出电能。
下面分析电能流动过程。
光线不足时,即Ppv
光线充足或轻载运行时,即Ppv>Pbt+Pload,则有Pgrid<0,此时系统向电网回馈电能,同时保持直流电压恒定。在整个过程中,太阳能电池始终处于最大功率输出模式,进而充分利用了太阳能。
1.2 电网异常
电网异常时PWM整流器停止工作,由蓄电池和太阳能电池共同为负载供电,其稳态功率模型为
光线不足时,即Ppv
光线充足或轻载运行时,即Ppv>Pload,同样由式(2)可知,Pbt>0,即允许对蓄电池进行充电,若蓄电池未充满,则太阳能电池仍然工作于最大功率输出模式,充放电控制电路在对蓄电池进行充电的同时,保持直流母线电压恒定。若蓄电池已充满,则充放电控制电路停止工作,Pbt=0,多余电能将存储在储能电容中,此时的动态功率模型为
其中,CSE为储能电容值;UDC为直流电压正常工作值;uDC(t)为直流电压瞬时值。
由式(3)可知,直流电压uDC(t)将上升,设定略高于直流电压正常工作值的直流电压限定值,若直流电压达到直流电压限定值,升压电路工作于直流电压限压控制模式,此时太阳能电池的实际输出功率Ppv1为
Ppv1将小于最大输出功率。通过这种方式,可以解决在蓄电池和太阳能电池共同为负载供电时的电能耦合以及蓄电池的投入与退出的控制问题。
2 各模块的控制策略
根据上述电能协调控制策略对各个模块的功能要求,各个模块采用了下述相应的控制策略。PWM整流器的结构原理图如图3所示。采用直流电压外环、输入电流内环的双闭环控制结构[12]。
输入电流内环采用电流前馈解耦电压定向矢量控制VOC(Voltage Oriented Control)策略,控制器的表达式为
其中,Kd P、Kd I、Kq P、Kq I分别为d、q轴电流调节器比例、积分系数;Ud*、Uq*为逆变电压d、q轴分量给定值;id*、id、iq*、iq为网侧电流d、q轴分量的给定值与实际值;ω为电网角频率。这样d、q轴电流可以实现解耦独立控制。
直流电压外环用于直流母线电压恒定控制,采用PI调节方式,调节器输出作为q轴电流给定,d轴电流给定为零,以实现单位功率因数运行。在电网输出电能时,q轴电流为正值,而向电网馈入电能时,q轴电流为负值,这样在保持直流电压恒定的同时,能够实现电能的自动双向流动。
升压电路原理图如图4所示,包括采用电导增量法的最大功率点跟踪MPPT(Maximum Power Point Tracking)控制[13]和采用PI调节器的直流电压限压控制2种模式,直流电压限定值略大于直流电压正常工作值,用于在电网异常且太阳能电池发电功率大于负载功率时保持直流电压稳定,以保证系统可靠运行。本文采用2路控制器的占空比加和的方式来获得最终的占空比,在直流电压低于限定值时,直流电压环输出值为零,功率器件的占空比等于最大功率点跟踪控制环的输出,在直流电压达到限定值时,占空比的值为2个控制环的和dsum,由于直流电压控制环的输出占空比值为负值,因此直流电压瞬时变化越高,则dsum越小,进而可以实现太阳能电池输出功率的控制。该方案与传统设置滞环控制器的方法[6]相比,可以实现2种模式的柔性切换,并减小直流电压的波动。
充放电控制电路原理图如图5所示,采用双向变换器结构,有升压和降压2种工作模式,降压模式用于实现蓄电池的充电控制,采用先恒流后恒压的控制方式[14]。升压模式用于对蓄电池输出功率进行控制,通过采用直流电压恒定控制来实现。根据当前直流电压值、电网是否正常和蓄电池的电压来决定充放电控制电路的工作模式。
直流-交流逆变电路采用三相结构,采用输出电压外环、电感电流内环的双闭环电压定向矢量控制策略,以产生对称的三相输出交流电压[15]。
能量管理模块接收PWM整流器传送的电网状态信号,以及升压电路、充放电控制电路和输出侧的直流-交流逆变电路的状态,并采用图2的协调控制策略,向各个模块发出相应的控制命令。
3 系统性能仿真
根据所提出的逆变电源系统及电能协调控制策略,采用PSIM仿真软件根据图1搭建了仿真模型,对其性能进行仿真。仿真参数为:系统额定功率10 k W,电网输入电压为三相380 V,直流电压正常工作值600 V,限定值620 V,输出电压为三相380 V,频率50Hz。为分析方便,系统带动三相额定对称电阻负载。
下面首先分析电网正常时的系统工作情况。在初始时刻,太阳能电池输出功率为零,此时完全由电网提供电能;在0.25 s将太阳能电池最大可输出功率变为5 k W,此时由电网和太阳能电池共同为负载供电;在0.3 s将太阳能电池最大可输出功率变为10 k W,此时由太阳能电池单独为负载供电;在0.35 s将太阳能电池最大可输出功率变为15 k W,此时太阳能电池的发电电能一部分向负载供电,另一部分回馈到电网。仿真结果如图6所示,由图可见,网侧输入电流为正弦波形,谐波含量较低,其幅值随着供电功率的变化而变化,各个模块的输出功率随着太阳能电池的变化而变化,在0.35 s之后,网侧电流相位与电网电压相位相反,电能回馈到电网。在整个变化过程中,直流电压处于给定值,其误差小于0.25%。在整个过程中,输出电压、电流为正弦波形,幅值保持恒定。
下面分析蓄电池和太阳能电池共同为负载供电时的控制性能,以模拟电网异常的情况。直流电压正常工作给定值为600 V,限定值给定为620 V。在初始时刻太阳能电池不输出电能,负载由蓄电池单独供电;在0.25 s将太阳能电池最大可输出功率变为5 k W,此时由蓄电池和太阳能电池共同为负载供电;在0.3 s将太阳能电池最大可输出功率变为10 k W,此时由太阳能电池单独为负载供电;在0.35 s将太阳能电池最大可输出功率变为15 k W,此时升压电路工作于限压控制模式,太阳能电池发出一部分电能。仿真结果如图7所示,由图可见,各个模块很好地跟随功率的变化,直流电压保持平稳,在0.35 s之后,升压电路工作于限压模式,直流电压维持在限定值。
4 实验验证
搭建了小功率实验平台,参数如下:三相交流输入相电压50 V,直流母线电压150 V,三相输出相电压48 V,频率50 Hz。带动三相对称阻性负载,阻值为15Ω,太阳能电池采用可调直流电压源串联电阻的方式模拟。图8为电网和太阳能电池共同供电时的稳态实验波形,由图可知,输入电流为正弦波形,输出电压幅值恒定,具有较好的正弦性。
图9给出了突变太阳能电池输出功率时的直流电压和网侧输入电流波形,由图可知,在太阳能电池功率突增时,直流电压上升,网侧电流下降,电网输出功率下降;太阳能电池功率突减时,直流电压下降,网侧电流上升,电网输出功率上升。2种情况下均最终使直流电压保持平稳。
5 结论