微网发电（精选4篇）
微网发电 篇1
随着经济的快速发展, 人们对电力的需求呈现指数增长的趋势, 新能源发电已成为电力产业发展的趋势。近几年, 通过对光伏发电技术的研究及创新, 光伏发电已成功应用于微网中。由于光伏发电对微网的稳定性造成影响, 因此, 分析光伏发电在微网中存在的问题, 并对光伏发电微网控制策略进行研究, 对保证光伏发电在微网的稳定性具有重要意义。
1 光伏发电技术概述
随着人们环保意识的不断增强, 节能环保的能源产业发展已成为电力能源发展的必由之路。光伏发电具有便捷、节能、无污染、环保等优点, 光伏发电技术能够有效的提高能源的供给, 是电力技术发展的重要技术。因此, 光伏发电在电力行业中被广泛的应用。
光伏发电技术在电网的应用中也存在一定的缺陷, 在电网运行中, 光伏发电技术容易影响电网供电的稳定性。同时, 光伏发电的影响因素较多, 诸如温度、光照强度等都会影响光伏发电的稳定性和供电效率。
光伏发电技术在微网的应用中, 通过电力电子接口接入, 因此, 在电力供给过程中存在负荷波动。由于负荷波动的影响, 导致整个电力系统的电压和电频都会发生变化, 最终影响供电量。因此, 只有加强光伏发电技术的研究, 才能保证电力输送的稳定, 才能提高光伏发电技术的广泛应用。
2 光伏发电应用中存在的问题
光伏发电具有非线性系统的特点, 并且光伏发电系统在发电过程中具有随机性和间断性的特点。通过采用光伏发电技术, 能够将太阳能直接转化为电能, 其中, 光伏电池是能量转化的核心元件。
光伏电池受温度、光照强度等外界因素影响较大, 外界因素直接影响光伏电池的发电效率。太阳光照强度受阴雨天的影响较大, 在光照强度变弱的情况下, 光伏电池的发电效率也会随之降低, 从而影响光伏电池的供电频率及电压。在光照强度变化较剧烈的条件下, 光伏电池的发电功率的变化愈加频繁, 影响电力系统的稳定性, 甚至电力系统会发生断电。与此同时, 光伏发电供电频率和电压的变化会引起保护器的启动, 造成电力系统中的电流谐波增加。
光伏电池属于逆变电源, 所以光伏电池在能量转化过程中无法保证供电频率和电压的稳定, 因此, 光伏发电技术容易影响电网供电的稳定性, 从而降低供电质量。为保障供电系统的稳定性, 在光伏电池和微网中添加蓄电池, 这样就可以利用光伏电池为蓄电池充电, 当光伏电池受外界因素 (光照强度) 的影响时, 蓄电池可为电力系统提供电能补偿, 保证电力系统的稳定。
目前, 光伏发电在我国电力系统的应用中采用分布式光伏发电机, 但是该发电机受光照强度影响较大, 因此, 在整个光伏发电系统中通过添加蓄电池, 能够有效的提高电力系统的稳定性。
3 光伏发电微网控制策略分析
在光伏发电系统中, 采用同步发电机能够有效的提高光伏发电微网的有效性。相比于大规模电网, 微网的供电量非常小, 采用分布式电源, 而且设备简单, 操作易行, 易于控制。由于分布式发电机组的电容量低, 在整个电网中需要多条分布式机组共同发电, 才能满足电力系统的供电需求, 但是电力系统中的发电机组的增多会提高整个系统操作的复杂性。
在光伏发电系统中, 发电机组的能量源自对太阳光, 安全环保, 但是由于气候和天气的影响, 促使光伏发电系统接收到的光照强度不稳定, 所以整个电力系统的稳定性差。同时, 分布式电源电抗能力低, 系统容易发生瘫痪。因此, 可以对分布式电源进行改造, 改造依据为同步发电机组的调频调压方法, 因此, 在整个光伏发电系统中, 加入同步发电机的算法和相应的控制器, 能够保证电力系统的输电稳定性。
光伏发电微网控制采用三相逆变电路, 而三相逆变电路的设计主要是基于二阶机电暂态模型, 因此, 三相逆变电路不仅能够提高光伏发电转子特性, 同时还能够有效的模拟定子特性。在光伏发电系统中, 电流和电压互感器能够对系统中的电流和电压进行检测, 同时, 能对检测信息进行实时反馈, 然后通过功频和励磁控制器对信息进行分析和处理, 并对相关参数进行纠正和调整, 从而保证逆变器的平衡, 确保电力系统的稳定。但是, 在电力系统中, 滤波器仅仅对高频率波段进行过滤, 而对于基波无法进行处理。
因此, 在光伏发电系统中, 采用虚拟同步发电机不仅能保证电力系统电能输出的稳定, 而且还能够有效保证电力系统的供电质量, 从而避免光伏发电对微网系统稳定性的影响, 提高微网供电的质量和其稳定性。
随着科技的发展, 促进了光伏技术和微网的快速发展, 在光伏技术应用过程中, 采用分布式光伏电组能够保证电力系统的稳定性和有效性, 提高电力系统的供电质量。因此, 电力企业应该加强对分布式光伏发电技术中, 并将其进行推广和应用。
技术创新带动了光伏技术和微网技术的发展, 同时, 也提高了分布式光伏发电装置的应用范围和性能。但是, 通过对光伏技术微电网的实际应用现状的分析, 目前, 光伏技术供电不稳定, 而且容易受到外界因素 (光照强度、温度等) 影响, 干扰电力系统的供电质量, 从而制约了光伏技术的应用。因此, 通过同步发电机组在光伏发电中的应用, 能够稳定光伏发电系统的稳定性, 提高发电系统的供电质量。相信在不久的将来, 光伏发电将会被电力系统广泛的应用, 只有这样, 电力系统的供电量才能满足大众日益增长的电能需求。
参考文献
[1]陈帆.光伏发电微网控制策略分析[J].科技与企业, 2016 (02) :85.
[2]金崇勇.光伏发电微网控制策略分析[J].企业导报, 2016 (12) :64.
[3]李鹏, 殷梓恒.基于μ综合方法的光伏发电系统柔性并入微网的鲁棒控制[J].中国电机工程学报, 2014 (28) :4847-4854.
微网发电 篇2
1 微网概述
所谓的微网就是一个电源系统, 其容量通常均在20KW-10MW范围内, 微电源主要包括的元件就有风力发电机以及光伏电池等, 微电源中的能量主要就来自于一些自然资源和可再生资源, 微网可以有效的将负荷以及储能装置等连接在一起, 使之成为可以控制的整体, 有效的确保孤岛与网络能够实现并列运行。
微网是一个可控的单元, 在该单元结构中, 分布着A、 B、 C三条馈线, 而在前两条馈线上, 则主要安装有储能装置以及DG两个构件, 同时连接着具有敏感性的负荷, 而且A馈线上, 还设置了可供冷以及可供热的DG, 使得能源可以实现多级利用, 而在C馈线上, 则主要连接的是并不具备敏感性的负荷, 这三条馈线在并网的模式下展开运行, 利用微网来实现对PCC以及大电网之间的连接。如果在大电网出现故障的时候, 就可以及时的将静态开关断开, 使得微网不会受到大电网故障的干扰, 实现孤岛运行。
2 微网建模分析
2.1 风电功率预测模型
一般来说, 在微网中, 要想能够使得微电源可以得到良好的管理, 就需要将微电源有效的划分为可控型微电源以及不可控型微电源两种。其中, 可控型微电源的输出功率与不可控型微电源的输出功率共同构成了微电源的输出功率。而针对可控型微电源来说, 其输出功率能够实现自主的调控。其数据流如图1 所示:
2.2 微网负荷预测模型
与风电功率动态预测模型类似, 当RBF网络输出值代入误差判别函数后不满足预测精度要求时, 调整从微网能量管理系统和SCADA得到的训练数据, 增强训练集合与预测点的关联性, 即将当前预测时间点就近扩展得到的历史微网负荷和气象数据的时间序列作为新的训练集合数据, 重新训练网络, 获得新的网络参数, 进而继续预测。
3 在发电功率和短期负荷预测的基础上分析微网经济运行策略
微网有着明显的经济性以及环保性的特点, 这是微网推广最大的优势。在目前的电力系统中, 其注重经济运行, 着重进行火电机组的经济运行优化处理, 而并不受到环境问题的干涉。但是, 在微网中有着众多的分布式电源以及储能单元, 而且每一种电源的特性都有着明显的差异, 而且这些电源系统与环境之间均有着密切的联系, 均会受到环境因素的影响, 所以, 可再生能源在利用的过程中, 需要充分的考虑到微电源这一因素, 同时也需要充分的考虑到环境成本这一运行, 从而实现网络运行的优化。
除此之外, 微网的运行模式与传统的电力系统有着明显的不同, 微网采用的运行模型一般有两种, 其一是并网运行, 其二就是孤岛运行, 这样的两种运行模式均是受到了负荷需求的影响, 微网与大电网之间的电价竞争也对微网的运行模式有着一定的影响, 因此, 要想能够对微网的经济运行进行优化的优化, 就需要充分的考虑到上述各种因素, 并利用相应的策略来实现微网经济运行的优化。
3.1并网经济运行策略
首先, 因为微电源属于不可控的能源类型, 所以, 不会对原料进行直接性的消耗, 受到的环境污染相对也较小, 所以, 要想使得微电源能够得到良好的利用, 就需要合理的对不可控微电源实施优化处理。
其次, 微网内部有着冷负荷以及热负荷的存在, 在工作运行的过程中, 需要依靠有冷热电联所产的微型燃气轮机, 在冷热负荷带动的基础上, 来更好的推动微型燃气轮机的运行。
再次, 如果在受到不可控型微电源发电量影响的前提下, 而微型燃气轮机的发电量却还无法有效的达到微网电负荷的要求, 那么就需要充分的利用到蓄电池储能装置, 利用该装置来进行对外放电处理, 同时, 针对蓄电池实施有效的监测, 保障蓄电池能够随时的处于放电的状况下, 如果蓄电池还没有实现最大化的放电要求, 那么就需要合理的依据微网电负荷的要求, 同时, 参照蓄电池在运行的过程中, 所需要的费用, 来进行大电网的售电运行。
3.2 孤岛经济运行策略
首先, 在孤岛经济运行中, 首要考虑到的因素就是不可控微型电源这一利用因素, 从而实现微电源向符合电源供电的目标。
其次, 微网包含冷热两种负荷, 并依据热定电的手段来推动微型燃气轮机的运行。
再次, 如果在热定电下以及利用不可控型微电源发电的情况下, 还无法使得微型燃气轮机的发电量达到标准化的微网负荷用电需求, 那么就需要针对蓄电池储能装置进行有效的放电处理, 同时, 对蓄电池进行持续的充电服务。
最后, 如果微网中含有的不可控型微电源以及蓄电池在放电的时候, 已经达到了最小用电负荷的状态, 但是还不能够满足微网负荷的实际需求, 这时候就需要严格的依据微网所具有的敏感水平, 按照相应的顺序来进行负荷的去除。
4 结束语
通过本文的分析可以充分的了解到, 微网在发电功率以及短期负荷预测的基础上, 主要可以采用的经济运行方式就是并网运行方式以及孤岛运行方式。微电源在应用的过程中, 需要充分的考虑到风力发电机以及燃料电池等多种构件元素, 随着微网的发展, 还可以在微网中, 加入相应的微电源, 这样可以使得微网可以实现更好的经济运行, 并能够做好相应的微电源预测工作, 进一步的实现微网的可持续发展。
参考文献
[1]陈靖, 李雨薇, 习朋, 李涛.微网系统经济运行优化[J].华东电力.2012 (02)
[2]周念成, 邓浩, 王强钢, 李春艳.光伏与微型燃气轮机混合微网能量管理研究[J].电工技术学报.2012 (01)
微网发电 篇3
分布式发电(Distributed Generation,DG)是开发利用可再生能源的重要形式,在提高供电可靠性、改善电能质量等方面发挥着积极作用。微电网具备运行模式灵活、独立可控、可有效调节分布式发电等特点,因此分布式发电釆用微网形式实现可再生能源的高效利用具有重要的现实意义[1,2]。
可再生能源发电往往具有很强的间歇性和随机性,使得微网运行时不可避免地存在功率波动问题。该问题在微网实际运行中的表现形式不尽相同,但其根本的解决都在于能量平衡的控制。电池储能系统(Battery Energy Storage System,BESS)具有良好的充放电特性,不仅可以平衡微网的能量波动,还能有效地进行需求侧管理,是实现能量平衡、保证微网正常运行的重要手段。利用BESS在负荷低谷期从网侧吸收电量,在负荷高峰期放电供给微网需求,可以降低微网联络线功率的峰谷差,平滑目标负荷曲线,起到延缓输配电设备升级改造、提高电力设备利用率、降低电网可靠性成本、促进新能源利用等作用[3]。
目前文献中针对微网内分布式发电和储能容量配置的研究多是相互独立的。文献[4,5]从跟踪DG的出力波动或发电计划出发,利用储能进行功率补偿,保证出力的恒定,此时储能只作为分布式电源的附属设备。文献[6]研究了储能容量配置与负荷调节量的关系,从社会整体和投资者角度分析了储能的经济效益,但却并未结合DG展开分析。
本文在并网条件下,以微网联络线功率的峰谷差为配置目标,研究DG和BESS容量配置的评价标准,设计微网系统内分布式发电与储能优化互补的容量配置模型。设置DG出力时,考虑不确定性,研究整点时刻全年出力的概率分布,求解不同置信度下DG的出力曲线。针对目标函数,以装机容量、网侧购电量、微网功率平衡、BESS充放电平衡和充放电倍率及深度等要求为约束条件,研究模型所抽象的数学问题,选择最优软件编程求解。通过五类典型微网(办公区、居民区、高校、工业区、商场)的算例分析,研究不同类型微网配置分布式发电和储能容量的策略。
2 微网内分布式发电和储能的优化配置模型
2.1 分布式发电和储能配置策略
微网节点网络构架如图1所示。DG的强间歇性和随机性使微网存在着功率波动,而BESS良好的充放电特性则很好地解决了这一问题。图1中,微网联络线功率指微网和配电网之间交换的功率,在本文中体现为微网向配电网的实时购电。对微网联络线功率进行削峰填谷,不仅可以在负荷增长时延缓输配电设备升级改造,还可以提高电力设备的利用率和电网的可靠性[7,8]。因此,本文从延缓输配电设备升级改造、提高电力设备利用率、降低电网可靠性成本和促进新能源利用等方面出发,设置DG和BESS的配置目标为,微网联络线功率的峰谷差分别降低30%、50%,研究不同配置目标下二者的容量配置结果[9,10,11]。
从微网供电可靠性的角度出发,DG和BESS优化互补配置容量的经济性评价标准为,在分别满足配置目标和负荷需求的情况下,系统一次设备投资、安装和维护等综合成本最小。目标函数表示为:
式中,CG为DG的综合成本;Cg为首次投入成本,包含购买成本和安装成本(元/k W);PG为DG的配置容量;CS为储能的综合成本;Cs为首次投入成本,包含购买成本和安装成本(元/(k W·h));ES为储能的配置容量;u为年维护费用系数;m为设备的全寿命周期;r0为贴现率。
2.2 约束条件
针对目标函数,以DG和BESS的装机容量、BESS的功率和荷电量、微网联络线功率、微网内实时功率平衡和BESS充放电平衡为约束条件,建立微网系统内分布式发电与储能优化互补的容量配置模型。
(1)DG装机容量约束。由微网内可利用的可再生能源和允许建造的分布式发电的数量而决定。
(2)储能容量约束。由微网内允许建造的储能电池组的数量而决定。
(3)储能功率约束。即充放电倍率约束,由储能系统允许充放的最大功率而决定,本文充放电倍率取0.2C。
(4)储能的荷电量约束。由储能系统要求的充放电深度而决定。根据实验数据,本文充放电区间选择10%至90%,充放电深度为80%。
(5)微网联络线功率约束。也即网侧购电量约束,由负荷曲线和削峰填谷的目标而决定。
(6)实时功率平衡约束。由微网系统内能量平衡的要求而决定。
(7)储能出力平衡约束。由储能系统一天内保持充放电平衡的要求而决定。
式中,PS_t为储能的实时充放电功率;Qt为储能的实时荷电量;PL_t为微网内负荷的实时功率;Pb_t为网侧实时购电;PG_t为DG的实时出力。PL_t、B、PG_t的值分别通过第3节的出力设置来确定。
3 出力设置
3.1 微网内负荷曲线
在DG和BESS的配置阶段,为了确保在电网约束(微网联络线峰谷差限制)下微网内负荷用电的可靠性,须充分估计负荷的用量,否则可能造成运行时DG出力强随机性引起的负荷缺电。因此,依据微网的建筑面积、用户类型、作息规律、用电量等信息选取相似小区的历史数据,按季节分析全年负荷特性,并选择最大负荷季节的平均负荷曲线作为预测负荷PL_t。
本文通过分析各类不同微网的全年负荷特性和典型参数,得到以高校、办公区、工业区、商场和居民区为代表的五类典型微网的整点时刻日负荷曲线,如图2所示。
3.2 微网联络线功率
系统未配置DG和BESS时,微网联络线的功率曲线即是微网内的实时负荷本身,因此由3.1节的负荷曲线计算可得满足峰谷差配置要求下的微网联络线目标功率曲线B。本文通过图2中负荷曲线计算得到的各个微网联络线的目标功率曲线分别如图3和图4所示(对应的峰谷差降低要求分别为30%、50%)。
3.3 分布式发电日出力曲线
目前,国内外相关研究在分布式发电出力曲线部分的设置主要采取以下方法:(1)取DG典型日的出力数据作为输入曲线[12];(2)利用经验公式,代入典型日的天气指数,得到典型日出力曲线[13];(3)将全年出力近似设为正态分布,求解平均值和标准差,得到正态分布的概率模型,然后取置信区间求解日出力曲线[14]。
DG的强间歇性和随机性要求用于计算求解的基本容量出力曲线既能客观涵盖分布式电源的出力情况,又能兼顾极端天气对容量造成的过配影响。本文在方法(3)的基础上,首先检验分布式发电出力曲线是否具有正态分布特征,然后根据校验结果,研究全年出力的概率分布模型,计算不同置信度下分布式发电的日出力曲线,不仅可以避免其他相关研究常存在的DG出力不实及过估问题,同时为用户提供多元化的配置选择,提高了研究的实用性。
3.3.1 正态分布校验
Jarque-Bera统计量是依据OLS残差来检验一组样本是否服从正态分布的一种数学方法,其表达式为:
式中,N为样本容量;s为偏度系数;k为峰度系数。若变量服从正态分布,则s为0,k为3,即JB为0;否则,JB是一个逐渐增大的值。
本文以10k W光伏的全年出力数据为样本,求得各个时刻的JB统计量,经过统计,其值均分布在[90,160]之间;通过查阅自由度为2的卡方分布表,各个JB对应的卡方值均远远小于0.004,此概率过小,不能认为样本服从正态分布。因此,分布式发电的出力曲线并不能简单地通过正态分布的概率模型来求解。
3.3.2 基于概率分布的分布式发电日出力曲线
在抽样对总体参数作出估计时,由于样本的随机性,其结论总是不确定的。用置信度来表达测量结果的可靠性或者个体对命题真实性相信的程度,即用概率表达个人信念合理性的量度。本文从置信度的概念出发,研究整点时刻全年出力的概率分布[15],建立基本容量DG出力曲线的求解方法。其步骤如下。
(1)根据DG的历史出力数据,将一天内各个时刻对应的全年出力分别进行排序,按照等微小组距T0划分区间,计算落在每个微小区间内的出力频数n。
(2)由n/N计算出力数据落在每个微小区间内的概率p(i),求得各个时刻下全年出力的概率密度。
(3)分别将每个p(i)对微小区间进行积分,求得各个时刻下全年出力的概率分布F(x)。
(4)取置信度1-α,分别从各个时刻的概率分布曲线F(x)上查找α对应的横坐标,即功率P(t),按照时间顺序连线,求得该置信度下的分布式发电出力曲线。
(5)选取多个置信度,求得分布式发电在不同置信度下的日出力曲线。
本文采用10k W光伏整点时刻的出力数据,样本容量N为181(1~6月),T0取0.1。通过以上求解方法,得到各个时刻下光伏出力的概率分布,如图5所示。其中,每条曲线分别对应一个时刻,未显示时刻出力为0;纵坐标为概率分布,当出力达到该时刻下的最大输出功率后,取值恒为1。
研究13∶00时刻的概率分布曲线,当x=6.7k W时,P(6.7≤θ≤10)=0.3094=1-α,置信度1-α=30.94%。其含义是,若用户选取光伏出力的置信度为30.94%,那么13∶00时刻的最小功率值为6.7k W。分别查得此置信度下其他时刻对应的最小功率值,按照时间顺序连线,可得置信度为30.94%下的光伏日出力曲线,如图6所示。
结合置信度的定义[16],置信度1-α越大,可靠性就越好,代表涵盖到的坏天气越多,而相反置信下限x值越小,即计算功率值越小,求得的曲线出力就越差;置信度1-α越小,可靠性就越差,代表涵盖到的坏天气越少,而相反置信下限x值越大,即计算功率值越大,求得的曲线出力就越好。综合考虑置信度和可靠性的关系,本文选取11个置信度(50%、55%、60%、65%、70%、75%、80%、85%、90%、95%、100%),求得不同置信度下光伏整点时刻的日出力曲线,如图7所示。
可以看出,随着置信度的不断增大,曲线的出力水平越来越差,与上文分析结果一致;当置信度大于75%时,出力接近为0,这是由于数据选取的前半年(1~6月)包含的坏天气比后半年(7~12月)更多,造成整体出力偏小。综上,综合天气指数越好,求得的DG出力曲线也越好;综合天气指数越差,求得的DG出力曲线也越差。
4 数学建模
根据优化模型是否满足标准线性规划的要求可以论证优化模型是否属于线性规划问题。具体论证方法如下。
各装置的参考成本如表1所示。
(1)令PG=10k(将光伏容量PG转化为10k W的倍率k),并在目标函数中增加变量PS_1,…,PS_24,Q1,…,Q24,目标函数可转化为:
(2)已知PL_t和B,令B-PL_t=M,约束条件式(10)和式(11)可转化合并为:
(3)分别代入办公区负荷、微网联络线功率约束2和50%置信度的光伏出力曲线(PL_t、B、PG_t),各约束条件可分别转化为:
可以看到,目标函数为最小化的线性函数;模型包括50个决策变量,122个约束条件,其中式(16)~式(18)为决策变量约束,式(19)~式(21)为资源不等式约束,式(22)为资源等式约束;PS_t价值系数为0,故允许为负。因此,该模型满足标准线性规划的要求,是线性规划模型。
5 算例求解
LINGO作为线性规划通用的求解器,语言编写简单,求解过程迅速,可大大提高求解多个置信度和多个微网配置结果的效率[17,18]。本文选择LINGO软件分别对五个典型微网进行算例求解,输入图2中各个微网的负荷曲线、图3和图4的微网联络线功率目标曲线、图7不同置信度下的光伏出力曲线,编程求得两种配置目标下随置信度不同而变化的光伏和储能容量的优化配置结果,如图8所示。其中,光伏1、光伏2对应左侧纵坐标轴,其值为光伏容量/峰值负荷;储能1、储能2对应右侧纵坐标轴,其值为储能容量/峰值负荷。光伏1、储能1对应峰谷差降低要求为30%的光伏和储能配置结果;光伏2、储能2对应峰谷差降低要求为50%的光伏和储能配置结果。
对比图8(a)~图8(e),分析可见:
(1)运用LINGO求解多个微网内分布式发电和储能的配置容量时,将基本单位不同置信度下的DG出力曲线存入已编好的程序,然后只需输入负荷曲线、配置目标、置信度,即可一一进行求解。
(2)置信度越高,求得的DG出力曲线越差,即包含DG出力不足的情况越多,相应的分布式发电和储能的配置容量越大;当置信度增大到某一值,分布式发电出力降为0,其配置容量也降为0,而储能的配置容量则继续增大。
(3)峰谷差率越大的微网,分布式发电和储能的配置容量也越大;随着联络线功率峰谷差降低要求的提高,二者所需配置的容量也大幅度增大。
(4)峰值负荷集中在早上或晚上类的微网,用电峰值与光伏出力匹配度差,导致光伏的出力大部分被弃掉,依据经济性优化模型而求解的光伏容量非常小,适合单独配置储能,如工业区和居民区。此类微网负荷的峰谷差率通常较小,因此降低同等百分比峰谷差时所需配置的储能容量也较小。
(5)峰值负荷集中在白天类的微网,用电峰值与光伏出力的匹配度好,适合同时配置光伏和储能,如办公区、商场和高校。此类微网负荷的峰谷差率通常较大,因此降低同等百分比峰谷差时所需配置的容量也较大。
6 结论
微网发电 篇4
对分布式发电微网系统暂态问题的研究需要根据不同的研究目的对系统进行建模,在此基础上,获取元件的模型参数,采用准确、快速的数值方法仿真计算得到所需结果。在此过程中,元件模型参数的获取通常较为困难,需要和现场物理试验的结果相互校正;对于元件建模,由于暂态过程的时间尺度特性,元件在不同的频率范围内需采用不同的模型加以描述[1,2],如在低频范围内(0.1~3000 Hz)线路模型可用集中参数表示,而在高频范围内则需要采用分布参数线路模型,有时还需要计及元件的频率相关特性;对于仿真计算,则更多地体现在处理各种复杂问题的能力和数值求解的精度与数值稳定性方面,强调程序的建模与仿真能力。
分布式发电微网系统暂态仿真侧重于分布式发电单元、混合发电单元以及微网中各种快速变化的暂态过程的详细仿真,同时兼具含分布式电源及(或)微网的大电网的仿真能力,特别强调仿真结果的准确性和完整性,因此在系统层面采用详细的元件模型对包括电网、电力电子装置、分布式电源及各种控制器进行建模,结合电力系统电磁暂态仿真与电路仿真的基本理论与方法,可以捕捉频率范围从几百k Hz到工频之间系统中的电气量和非电气量的动态过程。
本文基于一般的暂态分析建模需求,从模型实现角度介绍了分布式发电单元中各部分元件的暂态仿真建模方法,根据模型的建模需求描述了暂态仿真程序的框架设计思路,并详细介绍了暂态仿真程序的对象与接口设计。
1 分布式发电系统暂态仿真建模
从结构上看,一个完整的分布式发电单元主要包括分布式电源、电力电子变流器、滤波器、控制器以及电网和负荷,如图1所示。从程序实现上看,各类元件需要在电气及控制系统中分别建模求解。
1.1 分布式电源建模
分布式电源是分布式发电单元的重要组成部分,对不同类型的分布式电源,其动态模型差异较大:一些分布式电源模型以静态特性为主,如光伏电池[3,4,5]、燃料电池[6];另一些则以动态特性为主,如风机[7]、微型燃气轮机[8,9]。其共性在于具有较强的非线性特性,其中大部分属于连续的非线性特性。针对于各种分布式电源模型的实现,可以通过内置于电气系统的完整模型提供给用户,也可以通过控制系统的基本元件由用户自定义完成。对于完整的内置模型建模,一方面由于目前的各种分布式电源模型尚未成熟,很多种类的分布式电源模型还在不断发展之中,内置模型不利于模型的更新与扩展,降低了程序的灵活性;另一方面,在电气系统中各种非线性元件的求解主要基于预测校正法和补偿法,前者的数值稳定性较差,而后者则必须用分布参数线路分隔多个非线性元件[10]。通过上述分析,本文采用控制系统的基本元件对各种分布式电源进行自定义建模。很多分布式电源的数学模型是以传递函数形式表示的,因此自定义的建模方式更易于模型的实现,如图2所示的单轴形式的微型燃气轮机模型。此外,由于控制系统采用基于牛顿迭代的联立求解方法,比预测校正法的数值稳定性更好。
利用控制系统元件对分布式电源建模时,电气系统中测量元件(电压表、电流表等)得到的电气量作为控制系统的输入,而将控制系统的输出以受控源(受控电压源、受控电流源等)的形式模拟分布式电源在电气系统中的外特性。图3给出了包含永磁同步电机模型的微型燃气轮机发电单元原动部分的建模示意图,其中PLL为锁相环[11],PMSM为基于传递函数的永磁同步电机模型,MT为图2给出的微型燃气轮机模型,[T(θ)]和[T(θ)]-1分别为派克(Park)变换和反变换。其他类型的分布式电源(光伏电池、燃料电池、蓄电池等)的建模方法与此类似,这里不再赘述。
在分布式发电单元中,相对于机械传动过程、热力学动态以及化学和电化学反应而言,单元中电场与磁场的相互作用通常具有相对较小的时间常数,根据经验可认为单元中机械变量、热力学变量等反映慢动态过程的参数来不及发生变化,因此可针对不同的研究目的对分布式电源模型进行适当化简,提高仿真程序的计算速度。如在燃料电池发电单元中,由于内部气体分压力的时间常数较大[12],在暂态仿真建模时可近似认为它们为常值。
1.2 电力电子装置建模
除少数的分布式电源可通过同步或异步电机直接并网外,大多数类型的分布式电源需要通过电力电子装置与工频交流电网(或负荷)接口[13],用以解决不同电压等级、不同频率以及交直流系统间的能量传递问题。当前,各种形式的整流器、逆变器及斩波电路等在分布式发电单元中均获得了广泛的应用。
电力电子装置通常由电力电子开关组成。暂态仿真建模时,一般需要计及电力电子装置详细的动态过程以便进行谐波分析等系统级分析。详细模型是利用基本的元件通过拓扑连接实现对电力电子电路的建模,部分商业软件则通过内部封装向用户提供典型的电力电子装置模型。在面向系统级仿真时,包括二极管、晶闸管、IGBT等在内的各种电力电子元件可采用开关模型或双电阻模型表示。在低频场景下的应用中,如果不需要考虑电力电子装置输出的谐波成分,可基于状态空间平均模型对电力电子装置进行化简[14]。
1.3 控制器建模
分布式发电单元的控制从功能上可分为3个层面,它包括分布式电源的控制、电力电子装置自身的控制以及网络层面的电压与频率调节。从功能实现角度而言,这些控制功能多是通过对电力电子装置的控制实现的。光伏发电单元中的最大功率点跟踪MPPT(Maximum Power Point Tracking)就是一种典型的分布式电源控制;电力电子装置的控制主要是根据不同的控制目的采用不同的控制方法,如比例积分控制、滞环控制等,通过单环或双环的控制结构以达到所需的暂态和稳态控制效果;对于网络层面的控制,则根据电网运行的需要对分布式电源运行方式进行调节,可在并网逆变器处采用恒功率控制、U/f控制或下垂控制等控制策略[15]实现分布式电源和电网的交互。
对分布式发电单元中的各种控制器建模宜采用基本控制元件的组合来实现并在控制系统中计算求解。分布式发电单元的控制器模型中常含有较多不连续的非线性环节,也称硬非线性(hard nonlinearity)环节,如比较环节、选择环节等。此时,描述元件输入/输出关系的特性方程会随着输入(输出)量的变化而不同,计算求解时需要检测上述环节的控制逻辑并在元件特性变化时重新形成雅可比矩阵,这同电气系统中的开关模型在本质上是一致的,在应用伪牛顿法求解控制系统时需要特别注意。图4为基于伪牛顿法在一个步长内控制系统求解的基本流程。
1.4 网络及负荷建模
在电网侧,分布式发电单元需要对各种常见的电气元件进行建模,包括线路、变压器、滤波器及负荷等。分布式电源在运行时以接入中低压配网为主,需要考虑配电系统中参数不对称、负载不平衡甚至是接地方式的影响。本文的暂态建模仿真方法能够完全满足配电系统三相详细建模的需求,同时也具有特殊情况下单相建模的能力,能够充分反映不同网络结构、不同接地方式与不同负载水平下对分布式发电单元动态过程的影响。在一般情况下,由于配电线路的供电范围较短,采用集中参数表示的PI型等效电路或串联阻抗模型是合适的[10,16],其电气参数可由线路的几何参数计算得到[17]。在分布式发电单元中,除了作为馈线处的配电变压器实现电压调整功能外,一些情况下分布式电源的并网变压器也用以抑制注入系统的谐波,因此需要着重考虑变压器接线方式的影响。对系统中负荷的建模与传统电磁暂态仿真的负荷模型是一致的,可以采用串联阻抗和(或)异步电机模拟。对于线性阻抗支路、变压器及电机等常规电气元件的建模方法在文献[10,18]中已有介绍,此处不再赘述。
2 总体架构设计
基于前述暂态仿真算法与分布式发电单元暂态仿真的建模需求,本文采用面向对象思想,以C++语言实现了分布式发电微网系统暂态仿真程序TSDG(Transient Simulator for Distributed Generation and microgrid)。从技术层面看,分布式发电微网系统暂态仿真程序可分为3个部分,如图5所示,包括核心计算资源、基础仿真计算及高级功能需求。
2.1 计算资源层
位于最底层的是程序的核心计算资源,它具有线性稀疏方程组求解、非线性方程组求解、线性插值、特征值计算及各种数值积分等暂态仿真程序所需的多种基本数学问题的计算求解能力。部分简单的功能可根据计算需求编程实现,复杂的功能可借助现有成熟可靠的商业软件包来实现,如本文采用开源免费的sparse库[19]实现对线性稀疏方程组的求解。计算资源层与它上层的仿真计算层进行接口,用以处理仿真计算层的各种计算要求,并将计算结果的数据返回给仿真计算层。
2.2 仿真计算层
仿真计算层主要完成各种基本的仿真计算功能,包括稳态计算、暂态仿真、频率扫描等,其核心是暂态仿真功能,一个完整的暂态时域仿真流程如图6所示,它由4个部分组成。
a.读取数据文件。它包括仿真参数和元件参数两部分,前者应提供仿真步长、仿真时间、系统缺省频率等参数,后者应包括元件的基本信息(元件类型与元件名称)、拓扑连接关系(始末节点号)、元件基本参数、数据输出控制参数4个部分。
b.系统划分与初始化。由于控制系统与电气系统的元件特征不同,应在初始化前加以识别;此外,在采用控制系统元件对分布式电源及其控制器建模时,不同的分布式电源及其控制器之间是自然解耦的,也应通过拓扑连接关系加以识别。而对于初始化过程,应分为2步进行:首先,根据读取的数据文件完成模型参数的初始化、元件等效电导的计算及相关准备工作;其次,由稳态平衡点信息对模型中的电气量进行初始化,如历史量的赋值等。
c.暂态时域仿真。它涉及元件模型与系统解算2个层面,主要是对前文介绍的暂态仿真算法的实现。从系统层面看,它包括电气系统与控制系统的交替求解。电气系统解算侧重于电力电子开关模型的动作逻辑,控制系统解算则侧重于各种非线性特性的精确求解。对于元件的功能设计将在下面的详细设计中加以介绍。
d.结果输出与显示。它可以根据不同的数据格式提供灵活和可扩展的数据输出并显示。
仿真计算层通过对计算资源的调用完成仿真计算功能,并将仿真结果提供给在它之上的高级分析功能层。
2.3 高级分析功能层
高级分析功能层位于整个程序架构的最顶端,它主要根据仿真计算的结果进行各种高级应用分析,如谐波分析、参数优化等。高级分析功能层可以通过接口调用仿真计算层的仿真功能,也可以直接调用计算资源层的各种计算资源,完成不同需求的计算功能,如快速傅里叶变换等。这部分的功能实现不是本文的重点。
总体而言,相对较少的计算资源可以完成丰富的仿真计算功能,从而实现不同目的的各种类型的应用。从图5中可以看到,越往下其需求就越是相同或相似。协作和耦合是从较高层到较低层进行的,要避免从底层到高层的耦合。
3 详细设计
根据前面介绍的暂态仿真功能需求,可以从元件(Element)、算例(Case)及解算器(Solver)3个层面对模型和算法进行抽象,如图7所示。
3.1 对象设计
对于元件建模,文献[20]提出了基于支路的建模设计思想,它适用于电气系统的元件建模,但对控制元件则不适用。本文通过对元件模型的抽象,设计了元件基类,考虑到电气系统与控制系统元件的不同特征,分别派生出电气元件基类与控制元件基类,在此基础上对各种电气元件与控制元件进行建模。图8给出了TSDG中对象之间的相互关系。
从图8中可以看出,元件通过继承可以具有电气元件或控制元件的基本属性,在此基础上实现不同元件的行为特征。它们通过聚合关系构成了电气系统类与控制系统类,对不同属性的元件分别进行管理;此外,电气系统类(CElectrical System)、控制系统类(CControl System)及仿真信息类(CSim Config)通过组合实现算例类(CCase)。模型与仿真算法类(CSolver)通过算例类进行接口。
3.2 接口设计
对象通过接口与外部进行交互,接口提供了类的外部视图,隐藏了它的结构和内部行为。暂态仿真程序设计时,电气元件和控制元件在系统层面上各自具有很多相同的行为特征,可以通过接口设计实现对象的多态性,从而简化程序设计。以电气系统为例,通过在电气系统类中对所有电气元件的遍历可以实现系统层面的各种功能调用,图9给出了电气元件基类、电气系统类与电气算法类的一部分接口设计。在电气元件基类的声明中可将部分成员函数置为纯虚函数,要求派生的电气元件必须给出这些成员函数的实现,主要是考虑到各元件的上述实现必不相同。非纯虚的成员函数则没有这个限制,如有的元件模型(电阻、开关等)不参与注入电流源列向量的形成,因此,可不必给出其成员函数formlaug()的实现。
此外,在一些情况下,由第三方提供的程序(库)也需要通过接口设计封装不同的软件实现,为程序提供清晰、统一的接口,如TSDG中采用的sparse库原本是基于C语言实现的,使用时需要重新进行接口的设计与封装。
4 结语