船舶微电网主要由直流母线、电源、负载和储能4个部分组成,其中利用风能和太阳能为该微电网提供电能驱动,储能配件则负责存储多余的风能和太阳能电量。但能量存储配件受放电电压影响,导致其负载电阻瞬间变化[1],使其供电电压形成较大波动情况。随着超导磁技术的发展,超导磁(SMES)储能装置被应用到船舶微电网内。SMES储能装置在正常运转情况下的电阻数值为0,其自身不会形成焦耳损耗,且其存储电能容量较大载流密度也较高[2]。但SMES储能装置在船舶微电网储能应用过程中,受磁场力和低温环境影响,导致超导磁材料的超导态受到影响。因此有必要对其应用在船舶微电网储能过程中进行柔性控制。目前很多学者致力于研究微电网储能控制系统,如傅守强等[3]设计的直流配电功率平滑控制系统和季宇等[4]设计的无源-滑模复合控制系统。前者从微电网中压互联装置入手,通过对其进行采样,使用PI控制器对其暂态功率进行补偿后实现微电网储能控制,后者则依据微电网光伏储能的随机特征,利用无源控制方法并结合PBC-SMC复合控制器实现微电网光伏储能控制。上述2种方法在应用过程中均存在不同程度缺陷,且并未考虑微电网储能装置存在扰动时如何对其进行控制。为此,本文设计应用SMES的船舶微电网储能柔性控制系统,提升船舶微电网储能效果。
1 船舶微电网储能柔性控制系统 1.1 系统技术框架以B/S架构为基础,设计应用SMES的船舶微电网储能柔性控制系统,该系统技术框架如图1所示。
船舶微电网储能柔性控制系统技术框架由4个部分组成,分别是船舶微电网SMES储能装置、CIRO信息采集平台、信号调理电路和人机交互中心。
1.2 硬件配置选取CRIO信息采集平台是实现的船舶微电网储能柔性控制信息采集和接收采集命令的平台,其可获取当前舶微电网储能运行参数并向人机交互中心发送实时信息,完成船舶微电网储能实时信息上传和接收人机交互中心发送的采集命令。
1.3 信号调理模块设计信号调理模块负责将CRIO信息采集平台采集到的船舶微电网SMES储能实时电压信息转换为统一区间的电流信息,其是实现船舶微电网储能柔性控制的核心步骤[5]。
将电压信息输入到接入电路电压内,其经过负载电阻后输送到两级放大器内的负极内,同时将输入电压和偏置电压输入到两级放大器正极内[6,7],经历两级放大器调理后即可输出同一区间的船舶微电网SMES储能实时电流信息。
1.4 无线传感网络服务器设计无线传感网络服务器是支撑船舶微电网储能柔性控制系统信息传输的基础,设计无线传感网络服务器信息传输流程,如图2所示。
船舶微电网储能柔性控制系统运行状态信息收集和控制命令下发是使系统启动的关键,设计系统运行状态信息收集与控制命令下发回路。
通过Crio-9082控制芯片接收船舶微电网储能柔性控制命令并执行该命令,实现船舶微电网储能柔性控制过程。
1.6 基于线性自抗扰的SMES储能装置变流器设计船舶微电网储能柔性控制系统内人机交互中心使用储能柔性控制单元实现船舶微电网SMES储能装置的柔性控制。储能柔性单元使用自编程软件形式设计的线性自抗扰的SMES储能装置变流器程序完成船舶微电网SMES储能装置的柔性控制全过程。线性自抗扰的SMES储能装置变流器设计过程如下:
船舶微电网SMES储能装置主要由交流侧储能变流器和直流侧斩波器组成。
船舶微电网SMES储能装置拓扑结构为典型的VSC结构,其交流侧和船舶微电网相连,可有效抑制船舶微电网功率不平衡现象[8]。SMES储能装置通过斩波和船舶微电网储能变流器直流侧电容连接,实现船舶微电网的充电和放电功能。
依据SMES储能装置拓扑结构,设计由跟踪微分器、线性扩张观测器和线性误差反馈控制率组成的线性自抗扰SMES储能装置变流器。构建SMES储能装置数学模型如下:
$ {y^{(n)}}(t) = {q_0} \cdot \left[ {u(t) + \frac{f}{{{q_0}}}} \right]。$ | (1) |
式中:
将式(1)内的船舶微电网总扰动数值作为未知状态变量,使船舶微电网SMES储能装置当前数值扩展出新状态,形成船舶微电网SMES储能装置状态空间,其表达公式如下:
$ \left\{ \begin{gathered} x' = x\left[ {\begin{array}{*{20}{c}} 0&0 \\ 0&1 \end{array}} \right] + \left[ \begin{gathered} {q_0} \\ 0 \\ \end{gathered} \right]u + f'\left[ \begin{gathered} 0 \\ 1 \\ \end{gathered} \right],\\ y = \left[ {1\mathop {}\limits^{} 0} \right]x 。\\ \end{gathered} \right. $ | (2) |
式中:
依据式(2)结果建立二阶线性扩张观测器推导公式后并对船舶微电网SMES储能装置状态变量和总扰动数值进行估计,其表达式如下:
$ \tilde y = {u_0} - \sigma + f \to {u_0} 。$ | (3) |
式中,
由式(3)可知,二阶线性扩张观测器作用的关键在于对船舶微电网SMES储能装置状态的实时扰动进行估计并加以消除[9-10],使补偿后的船舶微电网SMES储能装置状态形成线性积分串联状态。
将上述过程以软件自编程形式写入到人机交互中心的储能柔性控制单元内,用户通过启动该单元即可实现船舶微电网储能柔性控制。
2 实验分析以某船舶微电网为实验对象,使用本文系统对该微电网SMES储能装置进行柔性控制,以验证本文系统实际使用效果。该船舶微电网架构如图3所示。
系统运行可靠性的量化指标是其在运行周期内平均无故障运行时间,以其为衡量本文系统可靠性指标,设置5个运行周期每个周期为30天,统计10个运行周期内本文系统运行中断时间。
本文系统在5个运行周期内仅在第1个和第3个运行周期时分别出现1次中断情况,中断持续时间分别为0.2 min和1 min,其总中断持续时间为1.2 min。该数值说明本文系统在运行周期内平均无故障时间较长,具备良好的可靠性。
2.2 储能信息采集测试给出本文系统对该船舶微电网SMES储能装置进行采样界面,如图4所示。
可知,本文系统在采集船舶微电网SMES储能信息时,可通过设置不同采样点数值和采样频率采集不同时段或不同状态下的储能数据。也可从该画面观察到当前储能装置输出和输入电流波形。说明本文系统在采集舶微电网SMES储能信息时具备较好的可控性,信息采集能力较为全面。
2.3 储能柔性控制效果测试以船舶微电网储能输出母线电压为实验对象,应用本文系统对该输出母线电压进行柔性控制,结果如图5所示。
可知,船舶微电网储能输出母线电压在未对其进行柔性控制前,其母线电压波动区间在–0.3~1.3之间,而应用本文系统对其进行柔性控制后,其电压波动区间仅为0.6~0.9之间,且输出电压最大数值和最小数值之间差值得到有效降低,大大抑制了母线输出电压波动。说明本文系统可有效对船舶微电网储能输出母线电压进行柔性控制,使其输出电压数值波动区间较小。
以信号调理电路输出船舶微电网储能电流波形为实验对象,测试本文系统对船舶微电网储能柔性控制效果,结果如表1所示。
可知,船舶微电网储能电流在未应用本文系统进行柔性控制时,其初始电流数值呈现波浪状起伏趋势,且起伏跨度较大。而经过本文系统对其进行柔性控制后,电路数值起伏趋势与初始电流完全相同,但控制后的船舶微电网储能电流数值较初始电流数值低2.17 A。该结果说明本文系统在控制船舶微电网储能电流方面同样具备较高的性能,其应用效果较好。
3 结 语本文设计应用SMES的船舶微电网储能柔性控制系统。该系统分析SMES储能装置拓扑结构,有针对性地设计了基于线性自抗扰的SMES储能装置变流器,并以软件自编程形式将其写入到系统人机交互中心内的储能柔性控制模块内,通过启动该模块内控制器程序,实现船舶微电网储能柔性控制。经过实验验证:本文系统运行时周期内平均无故障时间较长,可靠性较高;可有效降低船舶微电网储能输出母线电压波动区间。
[1] |
张刚, 雷勇, 李永凯, 等. 基于线性自抗扰技术的SMES储能变流器控制策略[J]. 电力建设, 2020, 41(11): 78-86. DOI:10.12204/j.issn.1000-7229.2020.11.008 |
[2] |
唐洪彦, 付辉. 基于SMES技术的微电网供电稳定性仿真研究[J]. 电力电子技术, 2020, 54(2): 66-68+95. |
[3] |
傅守强, 陈翔宇, 高杨, 等. 针对中压直流配电系统的功率平滑控制方法[J]. 高电压技术, 2020, 46(9): 3245-3257. DOI:10.13336/j.1003-6520.hve.20200323002 |
[4] |
季宇, 苏剑, 丁保迪, 等. 直流微电网储能系统的无源-滑模复合控制方法研究[J]. 电测与仪表, 2021, 58(9): 63-70. DOI:10.19753/j.issn1001-1390.2021.09.010 |
[5] |
闫林芳, 刘巨, 石梦璇, 等. 基于模糊逻辑算法的直流微电网复合储能系统功率自适应分配策略[J]. 中国电机工程学报, 2019, 39(9): 2658-2670. DOI:10.13334/J.0258-8013.PCSEE.172680 |
[6] |
张福民, 白松, 李占凯, 等. 基于VSG技术的微电网储能荷电状态控制策略[J]. 电网技术, 2019, 43(6): 2109-2116. DOI:10.13335/j.1000-3673.pst.2018.1837 |
[7] |
张自东, 邱才明, 张东霞, 等. 基于深度强化学习的微电网复合储能协调控制方法[J]. 电网技术, 2019, 43(6): 1914-1921. DOI:10.13335/j.1000-3673.pst.2018.2369 |
[8] |
PAN Sheng-xiong, ZHAO Xia, LUO Ying-hong, et al. Control strategy for suppressing wind power fluctuation based on SMES/BESS hybrid energy storage[J]. Electrical Measurement & Instrumentation, 2020, 57(5): 101-106. |
[9] |
杨彦杰, 陈雨若, 唐圣学. 基于神经网络的混合储能系统能量管理策略[J]. 计算机仿真, 2020, 37(9): 88-92. DOI:10.3969/j.issn.1006-9348.2020.09.018 |
[10] |
TANG Hong-yan, FU Hui. Simulation research on microgrid loss and power supply stability based on SMES technology[J]. Power Electronics, 2020, 54(2): 66-68+95. |