内蒙古电力技术  2022, Vol. 40 Issue (04): 21-26   DOI: 10.19929/j.cnki.nmgdljs.2022.0060
0

引用本文 

王立强, 丛雨, 曹斌, 原帅. 风光储联合发电系统数模混合仿真分析[J]. 内蒙古电力技术, 2022, 40(4): 21-26. DOI: 10.19929/j.cnki.nmgdljs.2022.0060.
WANG Liqiang, CONG Yu, CAO Bin, YUAN Shuai. Digital-Analog Hybrid Simulation Analysis of Wind-Solar-Storage Hybrid Generation System[J]. Inner Mongolia Electric Power, 2022, 40(4): 21-26. DOI: 10.19929/j.cnki.nmgdljs.2022.0060.

基金项目

内蒙古自治区科技重大专项研究项目“适应高比例新能源消纳的储能电站协调运行控制关键技术研究与示范应用”(2021ZD0026)

第一作者简介

王立强(1994),男,内蒙古人,硕士,工程师,从事新能源电力系统电磁暂态仿真研究工作。E-mail:wangliqiang2121@163.com

文章历史

收稿日期: 2022-04-08
风光储联合发电系统数模混合仿真分析
王立强 1,2, 丛雨 1,2, 曹斌 1,2, 原帅 1,2     
1. 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司, 呼和浩特 010020;
2. 内蒙古自治区电力系统智能化电网仿真企业重点实验室, 呼和浩特 010020
摘要: 针对储能参与风光联合发电的实际情况,提出一种风光储联合发电系统数模混合仿真方法。以实际风光储场站为依据,结合场站实际控制系统,建立风光储联合发电数模混合仿真平台,提出风光储指令跟踪及功率平滑控制策略,并开展仿真验证。仿真结果表明,储能参与风光联合发电能够有效提升消纳能力和指令响应范围,显著降低功率波动,数模混合仿真方法能够有效验证策略的有效性和正确性。
关键词: 风光储联合发电系统    数模混合仿真    功率平滑    功率跟踪    
Digital-Analog Hybrid Simulation Analysis of Wind-Solar-Storage Hybrid Generation System
WANG Liqiang 1,2, CONG Yu 1,2, CAO Bin 1,2, YUAN Shuai 1,2     
1. Inner Mongolia Power (Group) Co., Ltd., Inner Mongolia Power Research Institute Branch, Hohhot 010020, China;
2. Inner Mongolia Enterprise Key Laboratory of Smart Grid Simulation of Electrical Power System, Hohhot 010020, China
Abstract: In view of the flexibility and complexity of control strategy brought by the participation of energy storage in wind solar combined power generation, a hybrid simulation method of wind? solar? storage hybrid generation system is proposed. Combined with the actual control system, this paper establishes a digital?analog hybrid simulation platform for wind?solar? storage hybrid generation, puts forward the command tracking and power smoothing control strategy, and carries out simulation verification. The simulation results show that the participation of energy storage in wind and solar combined power generation can effectively improve the absorption capacity and command response range, and significantly reduce power fluctuations. The digital? analog hybrid simulation method can effectively verify the validity and correctness of the strategy.
Keywords: wind-solar-storage hybrid generation system    digital-analog hybrid simulation    power smoothing    power tracking    
0 引言

随着风光等可再生能源的大力发展和推广应用,风电场、光伏电站在电网中装机与发电容量占比日益增大。2020年国家提出“碳达峰”“碳中和”的能源发展目标,使得可再生能源的发展和利用获得进一步支持。值得注意的是,风光等可再生能源因其随机性、波动性等特征,给电网安全和稳定运行带来诸多问题和风险,如电能质量、调频问题、功率波动等,导致大规模风光接入对电网供电及安全可靠性的影响也日益增加。

近年来,储能逐渐在风光等可再生能源协调发电领域中发挥作用[1-3]。2011年张北地区建设了国内首个风光储电网友好型电站,将储能应用于电网削峰填谷、平滑波动等领域[4],同时有学者提出了储能在调频、调峰等方面取得的成果[5]。在储能应用方面,较多学者侧重于储能的平抑波动算法[6-11]、风储协调策略[12]的研究,并开展相应的仿真建模测试工作,以验证策略有效性[13-18]。但上述研究多侧重于理论验证。在风光储系统仿真建模方面,目前的研究主要是运用离线仿真软件进行纯数字仿真建模和策略验证[19-20],也有学者提出了数字物理混合仿真方案验证策略[14, 21],即通过新能源实物控制器结合实时仿真工具建立数模混合仿真模型。上述研究侧重于机组控制器的数模混合在环仿真,缺少场站级控制器的指令下发与闭环测试,而机组控制采用实物装置模型的仿真结果更贴近现场实际[21-25]

本文以某风光储新能源场站为例,建立风光储联合发电数模混合仿真平台,与场站控制器构建通信接口与指令响应逻辑,制订指令跟踪及平滑功率波动的控制策略,模拟调度指令开展仿真测试,以验证仿真方法与控制策略的有效性和正确性。

1 风光储联合发电系统建模

风光储联合发电系统由风电系统、光伏系统、储能系统、电网系统及场站控制器装置组成。采用RT-LAB建立数字模型,接收响应调度(场站控制器)下发的指令,并上传风光储实时的电气信息量;场站控制器主要进行调度指令的分配和下发。在接收到总指令后,按照策略对风光储分别下发相应指令值,保证新能源的最大消纳和利用。

风电系统模型结构如图 1所示,采用与实际场站相同容量的双馈风电机群。风电机组定子侧直接连接箱式变压器低压侧,转子侧经背靠背变流器连接电网,风机出口通过变压器连接至35 kV母线。在风机控制系统中,网侧部分采用典型的直流电压外环和电流内环控制,对直流母线电压进行采样,通过外环PI控制得到内环有功电流Id的参考值,再通过内环PI控制生成网侧脉冲宽度控制(Pulse Width Modulation,PWM)作用于网侧变流器,保证直流母线电压的稳定。机侧控制包含两种模式。自由发电模式下,采集机组转速信号,通过最大功率跟踪模块进行最大功率捕获,并进行桨距控制,得到内环d轴电流参考值,内环利用dq轴电流PI控制,保证风电机组在最大功率下运行;调控发电模式下,风电机组接收控制器下发的有功功率、无功功率功率指令,进而得到内环电流参考值,实现功率的指令跟踪。

图 1 风电系统模型结构 Figure 1 Model structure of wind power system 图中:Udc—直流母线电压;Idref—有功电流参考值;Iqref—无功电流参考值;Pref—有功功率指令参考值;Qref—无功功率指令参考值。

光伏发电系统采用单极式结构,拓扑和控制逻辑结构如图 2所示。光伏电池板接收辐照度和温度输入,通过DC/AC逆变到交流侧,滤波后经变压器接入35 kV母线。控制模式包含两种,自由发电运行模式和调控运行模式。自由发电运行模式下,控制系统采集光伏板输出电压U_PV和电流I_PV,经最大功率跟踪模块计算得到直流电压参考值Udcref,通过直流电压、电流双闭环控制生成PWM进行最大功率跟踪发电;在调控运行模式下,光伏系统接收控制器下发的功率参考指令,通过功率闭环控制,实现有功功率、无功功率指令跟踪响应。

图 2 光伏系统模型结构 Figure 2 Model structure of photovoltaic system 图中:U_PV—光伏板输出电压;I_PV—光伏板输出电流;Udcref—直流电压参考值。

储能系统(如图 3所示)主要作为风光资源的补充,直接接收控制器下发的功率指令,通过功率—电流双闭环进行指令跟踪,实现风光储的协调并网发电。

图 3 储能系统模型结构 Figure 3 Model structure of energy storage system
2 系统架构与控制策略 2.1 系统架构

基于RT-LAB平台建立风光储并网实时仿真模型,用于执行控制器下发的调控指令,并实时采集、上传机组、场站实时信息;调度指令下发通过场站控制器进行模拟,场站控制器负责上传信息接收处理、控制逻辑策略计算和指令分配下发等任务,平台整体架构如图 4所示。电气部分模型包含电网、风电、光伏、储能四部分,仿真步长为20 μs。为保证仿真实时性,各部分占用一个仿真资源核,模型间通过解耦连接线连接,实现多核并行运算。通信部分仿真模型通过IEC104协议与场站控制器通信,各部分模型分别接收场站控制器下发的调控遥调指令,同时采集遥信、遥测量反馈给场站控制器进行策略制订和计算分配。以风电模型为例,风电系统在运行过程中,实时接收场站控制器下发的有功功率、无功功率指令值并响应输出,上报风电系统的有功输出值、无功输出值、当前有功最大可发值、无功最大可发值和相应的指令反馈值、标志位。依次完成光伏、储能、电网汇集线的指令接收和下发,实现整个系统的数模混合仿真计算。

图 4 风光储发电系统仿真结构 Figure 4 Simulation structure of wind-solar storage power generation system
2.2 控制策略

风光储联合发电系统的控制策略主要是利用储能的快速响应和功率性能来实现调控功率指令跟踪、平滑功率波动等功能。正常运行时,场站控制器下发功率指令,优先调用风电和光伏系统进行发电跟踪,当指令需求小于风光最大可发功率时,对负荷供电的同时向储能系统充电,实现风光资源的最大消纳利用;当指令需求大于风光最大可发功率时,将调用储能系统进行补充发电,以满足负荷的指令需求。

考虑到风光资源的随机性和波动性,风光发电过程中将给电网带来功率波动。光伏发电主要受到云层移动等影响,晴天输出功率相对稳定,但极端天气下,短时间功率波动可能超过装机容量的50%[4];而风电主要受风速波动的影响,其波动频率更高。以某实际投运的50 MW风电场站12 h实际运行曲线为例,其功率变化如图 5所示,可见风电场输出的功率变化频率较高。为缓解风光功率输出高频快速波动,储能系统的快速投切显得至关重要。

图 5 风电场实际发电曲线 Figure 5 Actual power generation curve of wind power plant

目前,较多学者多采用低通滤波算法进行功率平滑,这种方法适用性强、易于实现[12],即通过储能的投切弥补风光出力中功率大幅变化,从而达到功率平滑输出的目的。以图 3为例,设Pg为场站并网点总输出功率目标值,则有:

(1)

式中:Pwind为风电机组总有功实际出力;Ppv为光伏系统总有功实际出力;Pbat为储能系统总有功出力;Ploss为线路传输过程中产生的损耗。

采用低通滤波算法的传递关系为

(2)

式中:Pflter为平滑功率的目标值;s为微分算子;T为滤波时间常数;Pall为去除损耗的风光功率之和。则储能的目标输出指令为:

(3)

对式(2)(3)进行差分运算,可得:

(4)
(5)

式中,Tc为采样周期。通过式(4)、式(5)可以得出t时刻的储能指令,达到功率平滑的效果。这种方法对降低波动量效果好,充放电转换次数少[6],是同时考虑平滑效果和经济性实用性的综合方案。

3 试验分析

为验证平台及策略的正确性,基于RT⁃LAB平台建立风光储并网仿真系统,风电装机容量425 MW,光伏容量75 MW,储能系统容量140 MWh,仿真步长20 μs。分别进行有功指令跟踪试验和功率平滑输出试验,验证大容量储能系统参与功率指令跟踪和功率平滑的响应效果,同时校验数模混合仿真方法及控制策略的准确性。

3.1 有功指令跟踪试验

风光储联合发电系统并网运行,场站控制器下发有功阶跃调度指令,结果如图 6所示。第一阶段,调度指令为128 MW,此时风电光伏可发电量较大,按照比例保障风光发电,在满足调度需求的前提下对储能系统充电;第二阶段,调度指令提升至256 MW,仍为储能系统充电,荷电状态(State of Charge,SOC)一直呈增加趋势,风光按照调度需求及储能最大充电功率发电;第三阶段,调度指令为382 MW,仍小于风光的最大可发能力,但由于受风光波动的影响时刻变化,无法保证储能满功率输入,因此风光按最大可发能力发电,满足调度要求后剩余功率为储能系统充电,储能系统充电功率呈波动趋势;第四阶段,调度指令为512 MW,已超过风光总体最大可发能力之和,需储能系统配合发电,策略为优先调用风光资源满足消纳,其余由储能系统放电补充,同时补偿输出功率因风光波动造成的缺额,SOC呈下降趋势。

图 6 有功指令跟踪试验曲线 Figure 6 Active command tracking test curve
3.2 功率平滑输出试验

功率平滑模式下,场站控制器下发自由发电指令,风光按照当前最大功率进行发电,由于风速和光照的波动使得功率出现高频波动(见图 7),波动范围为400~450 MW,通过滤波算法投入储能指令,滤除风光波动中高频部分,使得功率波动幅度明显减小(见图 7),可见储能系统的参与对于功率波动有明显的抑制作用。

图 7 功率平滑试验对比 Figure 7 Comparison of power smoothing test 图中:P1—投入储能系统前;P2—投入储能系统后。
4 结语

本文建立了风光储联合发电系统数模混合仿真平台,包括风电机组模型、光伏发电模型、储能模型和电网模型,提出了场站控制器实物在环仿真架构、联合实时仿真和指令通信响应方法,以新能源场站实际功率曲线为依据,提出储能参与风光联合发电控制策略,并开展了仿真试验。仿真结果表明,提出的控制策略可有效提升风光消纳能力、降低功率波动水平,同时,提出的数模混合仿真方法可验证场站控制器策略有效性,为现场实际运行提供技术参考。

参考文献
[1]
帅挽澜, 朱自伟, 李雪萌, 等. 考虑风电消纳的综合能源系统"源-网-荷-储"协同优化运行[J]. 电力系统保护与控制, 2021, 49(19): 18-26
SHUAI Wailan, ZHU Ziwei, LI Xuemeng, et al. Source-network-load-storage"coordinated optimization operation for an integrated energy system considering wind power consumption[J]. Power System Protection and Control, 2021, 49(19): 18-26 (0)
[2]
葛维春, 滕健伊, 潘超, 等. 含风光储能源-储-荷规划与运行调控策略[J]. 电力系统保护与控制, 2019, 47(13): 46-53
GE Weichun, TENG Jianyi, PAN Chao, et al. Operation regulation strategy of source-storage-load with wind energy storage energy[J]. Power System Protection and Control, 2019, 47(13): 46-53 DOI:10.7667/PSPC20191307 (0)
[3]
孙伟卿, 罗静, 张婕. 高比例风电接入的电力系统储能容量配置及影响因素分析[J]. 电力系统保护与控制, 2021, 49(15): 9-18
SUN Weiqing, LUO Jing, ZHANG Jie. Energy storage capacity allocation and influence factor analysis of a power system with a high proportion of wind power[J]. Power System Protection and Control, 2021, 49(15): 9-18 (0)
[4]
张增辉, 邓宇豪, 李春卫, 等. 光储系统功率波动平抑策略研究[J]. 电测与仪表, 2021, 58(7): 111-116
ZHANG Zenghui, DENG Yuhao, Li Chunwei, et al. Study on fluctuation smoothing strategy of photovoltaic/storage system[J]. Electrical Measurement & Instrumentation, 2021, 58(7): 111-116 (0)
[5]
牛瑞杰, 郭俊文, 李晓博, 等. 风光储联合发电系统储能控制策略[J]. 热力发电, 2020, 49(8): 150-155
NIU Ruijie, GUO Junwen, LI Xiaobo, et al. Energy storage control strategy of wind-photovoltaic-storage hybrid system[J]. Thermal Power Generation, 2020, 49(8): 150-155 (0)
[6]
李征, 陈佳瑜, 石坤. 风电功率波动频率域分析及储能平滑功率算法优化[J]. 太阳能学报, 2020, 41(4): 184-193
LI Zheng, CHEN Jiayu, SHI Kun. Frequency domain analysis of wind power fluctuation and control strategy optimization of power smoothing[J]. Acta Energiae Solaris Sinica, 2020, 41(4): 184-193 (0)
[7]
杨蒙, 陈洁, 闫亚玲, 等. 基于滑动滤波和模糊控制的风电储能能量管理[J]. 电力电容器与无功补偿, 2019, 40(6): 196-201
YANG Meng, CHEN Jie, YAN Yaling, et al. Energy storage management of wind power based on sliding filtering and fuzzy control[J]. Power Capacitor & Reactive Power Compensation, 2019, 40(6): 196-201 (0)
[8]
热孜古丽·买买提, 陈洁, 田小壮, 等. 基于风电储能系统的功率平抑策略研究[J]. 电力电容器与无功补偿, 2019, 40(4): 188-192
Reziguli·Maimaiti, CHEN Jie, TIAN Xiaozhuang, et al. Study on Power Stabilization Strategy Based on Wind Energy Storage System[J]. Power Capacitor & Reactive Power Compensation, 2019, 40(4): 188-192 (0)
[9]
赵健, 王奕凡, 谢桦, 等. 高渗透率可再生能源接入系统中储能应用综述[J]. 中国电力, 2019, 52(4): 167-177
ZHAO Jian, WANG Yifan, XIE Hua, et al. An overview of energy storage applications in power systems with high penetration renewable energy resources[J]. Electric Power, 2019, 52(4): 167-177 (0)
[10]
张明理, 王璐, 徐建源, 等. 风光储联合发电系统复合控制策略研究[J]. 高压电器, 2018, 54(1): 64-72
ZHANG Mingli, WANG Lu, XU Jianyuan, et al. Research on Compound Control Strategy of Wind/PV/Storage Hybrid Power Generation System[J]. High Voltage Engineering, 2018, 54(1): 64-72 (0)
[11]
李山, 叶鹏, 何淼, 等. 风储联合发电系统建模与协调控制策略研究[J]. 计算机仿真, 2017, 34(7): 99-104
LI Shan, YE Peng, HE Miao, et al. Research on Modeling and Coordinated Control Strategy of Wind and Energy Storage Combined Power Generation System[J]. Computer Simulation, 2017, 34(7): 99-104 (0)
[12]
徐国栋, 程浩忠, 马紫峰, 等. 用于平滑风电出力的储能系统运行与配置综述[J]. 电网技术, 2017, 41(11): 3470-3479
XU Guodong, CHENG Haozhong, MA Zifeng, et al. An Overview of Operation and Configuration of Energy Storage Systems for Smoothing Wind Power Outputs[J]. Power System Technology, 2017, 41(11): 3470-3479 (0)
[13]
李军徽, 杨嫄嫄, 冯爽, 等. 风储联合并网发电系统建模与运行控制[J]. 电机与控制学报, 2017, 21(5): 58-65
LI Junhui, YANG Yuanyuan, FENG Shuang, et al. Modeling and operation control of wind-ES hybrid power system[J]. Electric Machines and Control, 2017, 21(5): 58-65 (0)
[14]
杨苹, 许志荣, 宋嗣博, 等. 基于RTDS的风光发电系统数字物理混合仿真分析[J]. 现代电力, 2016, 33(5): 52-58
YANG Ping, XU Zhirong, SONG Sibo, et al. Hybrid simulation analysis of wind/photovoltaic system based on real-time sigital simulator[J]. Modern Electric Power, 2016, 33(5): 52-58 DOI:10.3969/j.issn.1007-2322.2016.05.009 (0)
[15]
雷珽, 欧阳曾恺, 李征, 等. 平抑风能波动的储能电池SOC与滤波协调控制策略[J]. 电力自动化设备, 2015, 35(7): 126-131
LEI Ting, OUYANG Zengkai, LI Zheng, et al. Coordinated control of battery SOC maintaining and filtering for wind power fluctuation smoothing[J]. Electric Power Automation Equipment, 2015, 35(7): 126-131 (0)
[16]
甘思琦, 孔令国, 蔡国伟, 等. 光储联合发电系统建模及并网控制[J]. 中国电力, 2015, 48(3): 116-121
GAN Siqi, KONG Lingguo, CAI Guowei, et al. Research on system modeling and grid connection characteristics of large-scale PV-ES hybrid power system[J]. Electric Power, 2015, 48(3): 116-121 (0)
[17]
任洛卿, 白泽洋, 于昌海, 等. 风光储联合发电系统有功控制策略研究及工程应用[J]. 电力系统自动化, 2014, 38(7): 105-111
REN Luoqing, BAI Zeyang, YU Changhai, et al. Research on active power control strategy for wind/photovoltaic/energy storage hybrid power system and its engineering application[J]. Automation of Electric Power System, 2014, 38(7): 105-111 (0)
[18]
王伟, 薛金花, 叶季蕾, 等. 基于SOC调控的用于抑制光伏波动的电池储能优化控制方法[J]. 电力系统保护与控制, 2014, 42(2): 75-80
WANG wei, XUE Jinhua, YE Jilei, et al. An optimization control design of battery energy storage based on SOC for leveling off the PV power fluctuation[J]. Power System Protection and Control, 2014, 42(2): 75-80 (0)
[19]
蔡国伟, 孔令国, 潘超, 等. 风光储联合发电系统的建模及并网控制策略[J]. 电工技术学报, 2013, 28(9): 196-204
CAI Guowei, KONG Lingguo, PAN Chao, et al. System Modeling of Wind-PV-ES Hybrid Power System and Its Control Strategy for Grid-Connected[J]. Transactions of China Electrotechnical Society, 2013, 28(9): 196-204 (0)
[20]
邓皓, 崔双喜, 孙彦萍, 等. 孤岛微网中风光储混合建模及仿真研究[J]. 高压电器, 2019, 55(10): 141-147
DENG Hao, CUI Shuangxi, SUN Yanping, et al. Study on Modeling and Simulation of the Wind/PV/Storage Hybrid in Islanding Micro-grid System[J]. High Voltage Apparatus, 2019, 55(10): 141-147 (0)
[21]
杨阳, 蔡旭. 基于RTDS风光储微网协调控制仿真研究[J]. 可再生能源, 2014, 32(2): 158-162
YANG Yang, CAI Xu. Coordination control simulation of wind/PV/storage power generation system based on RTDS[J]. Renewable Energy Resources, 2014, 32(2): 158-162 (0)
[22]
高建东, 黄柳柳, 沈捷, 等. 面向智能台区的风光储充能量管理策略[J]. 浙江电力, 2020, 39(5): 21-26
GAO Jiandong, HUANG Liuliu, SHEN Jie, et al. An Energy Management Strategy for Wind-Solar-Storage-Charging Based on Smart Transformer Area[J]. Zhejiang Electric Power, 2020, 39(5): 21-26 (0)
[23]
罗星岩, 马少华. 考虑经济性的大规模风光储系统容量优化配置[J]. 东北电力技术, 2021, 42(9)13-17, 25
LUO Xingyan, MA Shaohua. Optimal Configuration of Large Scale Wind and Solar Storage System Capacity Considering Economy[J]. Northeast Electric Power Technology, 2021, 42(9)13-17, 25 (0)
[24]
殷志敏, 章旭泳, 俞强, 等. 考虑蓄电池记忆效应的风光储混合系统控制策略研究[J]. 浙江电力, 2018, 37(1): 47-51
YIN Zhimin, ZHANG Xuyong, YU Qiang, et al. Study on Control Strategy for Hybrid Wind-Solar-Battery System Considering Battery Memory[J]. Zhejiang Electric Power, 2018, 37(1): 47-51 (0)
[25]
张安福. 风光联合发电系统并网对锡林郭勒电网可靠性的影响[J]. 内蒙古电力技术, 2019, 37(1): 35-40
ZHANG Anfu. Impact on Xilingol Power Grid Reliability by Grid-Connection to Wind/Solar Hybrid Generation System[J]. Inner Mongolia Electric Power, 2019, 37(1): 35-40 (0)