2. NARI Technology Development Co. Ltd., Nanjing 210061, China
当今世界面临着能源短缺与环境问题的双重压力,微电网技术作为高效利用可再生能源的重要途径之一已经得到了广泛的重视[1]。针对孤岛微电网中多种分布式电源的协调控制和能量管理,国内外学者已经进行了大量研究。文献[2]提出了一种基于柴油发电机与储能电池协调控制的改进下垂控制策略。文献[3-4]提出针对高压孤岛微电网的改进下垂控制策略,实现了负荷快速分配,提高了系统的稳定性。文献[5]提出了一种适用于低压微电网孤岛运行模式下的新型有功-频率(P-f)和无功-电压微分(Q-dU/dt)功率控制策略,实现了功率的精确分配。文献[6-8]在考虑分布式电源控制策略的基础上,对微电网的稳定性进行了研究。可见,大量文献对下垂控制策略进行了改进,然而改进后的下垂控制策略复杂程度大大增加,且适用范围受到限制。对于分布式电源并网逆变器,电流内环控制决定着系统性能。近些年,国内外学者将模型预测控制的思想应用于逆变器的电流内环控制取得了很好的效果。文献[9]将模型预测电流控制与传统的PI控制进行了详细的对比,通过理论分析与实验验证,充分论证了模型预测控制的优越性。文献[10-12]将模型电流预测控制的思想应用于逆变器控制,但是未考虑逆变器具体的应用背景。文献[13-15]将模型电流预测控制的方法应用于三相光伏并网逆变器的控制取得了理想的效果,进一步展现了模型电流预测控制的广阔应用前景。文献[16]将模型预测控制的思想引入到微电网分布式电源的外环功率控制中,提出PQ模型预测控制和V/f模型预测控制。然而,目前将基于模型电流预测控制思想的逆变器控制策略应用于微电网的研究还很少。
针对上述问题,本文建立了基于实时数字仿真平台(real time digital simulator,RTDS)的光、柴、储多源孤岛微电网仿真模型。针对该孤岛微电网系统,提出一种基于储能与柴油机协调控制的储能换流器改进PQ控制策略,并将模型预测控制的思想应用于分布式电源并网逆变器的内环电流控制,以提高电能质量,改善系统动静态性能。最后利用RTDS仿真平台对所提方法进行了验证。
1 微电源数学模型 1.1 光伏电池模型光伏电池是光伏发电系统产生电能的基本单元,关于光伏电池的建模方法很多[17],本文选用工程实用的单二极管等效电路模型。
光伏电池的等效电路如图 1所示。Iph表示光生电流,U表示光伏电池的端电压,I表示光伏电池的输出电流,Id表示流经二极管的电流,Rs和Rsh分别表示串联电阻和并联电阻用于模拟光伏电池内部损耗。
(1) |
式中:Is表示二极管的反向饱和电流,q表示电子电量,A表示二极管特性拟合系数,k表示波兹曼常数,T表示绝对温度。由式(1)可以得到光伏电池的输出特效曲线。
图 2中,Isc表示短路电流,Uoc表示开路电压,Im和Um分别为最大功率点对应的电流和电压。可见,光伏电池的输出功率存在一个最大值点,为最大限度利用太阳能,必须采取一定的控制策略使光伏电池出力跟踪最大功率点。
1.2 储能电池模型储能电池种类繁多[18],文中选用在微电网中广泛应用的锂电池作为储能系统的电源,建立了能够反映荷电状态、V-I特性的锂电池等效电路模型(图 3)。
图 3中,Voc为开路电压,Vb表示蓄电池输出电压,R0表示串联电阻,Rs和Cs用于模拟蓄电池短期暂态过程,Rl和Cl用于模拟蓄电池长期暂态过程,这些参数都是荷电状态(SOC)的函数,这些参数的确定需要对模型的精度与复杂性进行综合考虑。本文根据型号为TCL-PL-383562的锂电池实际参数进行仿真建模与参数拟合。
1.3 柴油发电机模型对柴油发电机的建模工作主要包括柴油原动机及其调速系统和同步发电机及其励磁调压系统的建模。上述各模块之间的关系如图 4所示。
图 4中,W和Wref分别表示同步发电机的实际转速与转速参考值;U和Uref分别表示同步发电机的端电压与端电压参考值;Ef表示励磁调压器的输出励磁电压;Tm柴油原动机的输出力矩。本文根据机组型号为FKS-M2200的柴油发电机实际参数进行仿真建模与参数设定。
根据上述光伏电池、锂电池储能和柴油发电机的数学模型,在RTDS仿真平台上搭建了含有光、柴、储的多源孤岛微电网模型,作为后续控制策略研究与仿真分析的基础。
2 微电源协调控制策略本文所提的光伏发电单元、储能单元与柴油发电机的协调控制系统结构如图 5所示。上层协调控制单元用于实现储能并网逆变器控制系统与柴油发电机控制系统之间的通讯,并实现储能与柴油机的协调控制。
2.1 光伏最大功率跟踪策略为高效利用太阳能,光伏发电系统采用最大功率点跟踪(maximum power point tracking,MPPT)控制。MPPT控制算法有很多种,本文采用增量电导法,计算得到最大功率点对应的电压Upv,ref。在此基础上,采用经典的并网逆变器直流电压及无功功率外环控制策略。基本原理如图 6所示。
图 6中Upv和Ipv分别表示光伏电池板输出电压与输出电流,Q和Qref分别表示光伏发电系统的输出无功功率和输出无功功率的参考值。输出变量Id,ref和Iq,ref分别是内环控制器的d轴和q轴电流参考值。
2.2 储能与柴油机协调控制策略在孤岛微电网中柴油发电机的调速器采用无差调节,而不是传统大电网中的下垂调节。当负荷突增或者可再生能源出力突降时,经过短暂调节,系统频率能够恢复到正常范围内,此时若储能发电系统采用下垂控制则出力为零,而柴油机的输出电流可能超过额定电流,这将严重影响柴油机的寿命,甚至导致过流保护动作,系统崩溃。针对上述情况,提出一种基于储能与柴油机协调控制的储能换流器改进PQ控制策略,储能发电系统外环控制原理图如图 7所示。
图 7中Pgrid和Qgrid分别表示储能发电系统的并网有功功率和无功功率,Pref和Qref分别表示协调控制器输出的储能发电系统有功功率和无功功率的参考值。输出变量Id,ref和Iq,ref分别是内环控制器的d轴和q轴电流参考值。协调控制器检测柴油机的输出功率,根据柴油机的出力状态,动态调整储能发电单元的输出功率参考值。
(2) |
式中:Po,max表示储能系统最大输出功率,SN指柴油机额定容量,PDG为柴油机输出的有功功率。当检测到柴油机运行超过额定容量90%一段时间后,协调控制器输出储能系统有功功率参考值为其最大输出功率;当柴油机运行未超过额定容量90%时,储能系统不出力,此时若需要可通过充电装置对储能进行充电。文中储能发电系统主要用于可再生能源发电及负荷波动时为系统提供有功功率支撑,若需要实现无功补偿功能,亦可以参照上述方法设置无功功率参考值Qref,这里不再赘述。
3 模型电流预测控制策略对于微电源并网逆变器,内环电流控制决定着控制器的性能,在此将新型模型预测控制的思想引入到分布式电源并网逆变器的电流控制中。建立分布式电源并网逆变器的预测模型,预测并网逆变器不同开关状态下所有可能的输出电流值。构造价值函数对输出电流预测值进行在线评估,选择出最接近输出电流参考值的预测值所对应的开关状态,并将其应用于下一个采样周期中,从而实现对输出电流参考值的快速跟踪。
图 8为分布式电源并网逆变器的结构图,其中C0表示稳压电容,uI,abc表示逆变器输出电压,Labc表示滤波电感,Rabc表示用于模拟线路损耗的电阻,uabc表示并网点交流母线电压。定义逻辑函数Si(i=a,b,c)用于表示逆变器三相桥臂上IGBT的开关状态。
(3) |
从而可以得到并网逆变器的开关状态矢量:
(4) |
式中a=ej2π/3,由此可以得到逆变器的输出电压:
(5) |
式中uDC为直流侧电压。分析式(4)和式(5)可知逆变器输出电压矢量共有8种,且Sa、Sb、Sc全为1和全为0时,输出电压矢量相同,因此逆变器仅有7种不同的输出。
建立逆变器输出电流的数学模型:
(6) |
式中i为逆变器的输出电流,对式(6)进行离散化处理,可以得到输出电流的离散模型:
(7) |
式中:Ts为采样时间,u(k+1)表示并网点交流母线下一个采样时刻的电压值,可以通过插值法或者状态估计的方法得到,Ts的取值很小时可以用u(k)近似u(k+1)。式(7)可以作为预测模型对逆变器的输出电流进行预测。
为实现不同的控制目标可以构造相应的目标函数,以控制逆变器输出电流跟踪参考值为目标,构造目标函数如下:
(8) |
式中iref为逆变器外环控制器输出的参考电流,通过选择是目标函数g最小的开关状态在下一个采样周期应用,则可以实现对参考电流的跟踪。
为体现模型电流预测控制的优越性能,以下给出基于PI的电流控制器与基于MPC的电流控制器为对比分析。其中PI控制参数的选取借助MATLAB/Simulink中的PID tuner功能,以确保控制参数选取的科学性与对比的可信度。图 9为三相并网逆变器输出有功功率指令值发生阶跃变化情况下,基于PI的电流控制器与基于MPC的电流控制器动态响应波形。
由上述分析可知,模型电流预测控制与传统的PI电流控制相比具有更好的动静态性能。且该控制策略充分利用了离散化数学模型,可以直接得到分布式电源并网逆变器的触发信号,不需要采用PWM调制器,避免了繁琐的PI控制参数的整定。同时可以根据实际需求构造不同的目标函数,提高了控制的灵活性。
4 仿真分析根据上述控制策略,在RTDS仿真平台上搭建如图 5所示的孤岛微电网仿真模型。其中光伏发电单元最大输出功率为1.25 MW;储能单元瞬时最大有功出力1 MW;柴油发电机容量2.2 MVA;总有功负荷4.2 MW、无功功率0.6 MVar。对所搭建的孤岛微电网模型在稳态运行过程中出现光照强度大幅下降以及负荷突变的情形进行仿真分析,以验证该孤岛微电网中各分布式电源并网逆变器的控制策略的有效性。相关仿真参数见表 1、2。
工况1 初始条件为光照强度1 000 W/m2、温度25 ℃、微电网总有功负荷需求2.1 MW、无功负荷需求为0.6 MVar。在系统达到稳态运行后,保持温度和负荷情况不变,光照强度在27~30 s内由1 000 W/m2下降至380 W/m2,37~40 s光照强度由380 W/m2恢复至1 000 W/m2。
由图 10(a)可见,20~27 s,各DG出力稳定;在27~30 s内光照强度下降,光伏出力由1.25 MW下降至0.38 MW,储能单元迅速响应与柴油发电机共同分摊由光伏出力下降引起的功率缺额,避免了柴油机过载。图 10(b)、(c)分别为系统频率和公共连接点的母线电压。20~27 s,系统电压、频率存在一定的波动,但是在允许范围内(电压波动2%以内,频率波动±0.2 Hz),这是因为整个孤岛微电网系统仅由一台柴油机提供电压、频率的支撑。27~30 s内,由于光照强度的大幅下降,系统电压、频率出现较大波动(电压波动5%以内,频率波动±1 Hz)。
上述仿真分析可知,光照强度下降时,柴油发电机和储能单元能够快速响应,维持系统稳定运行;同时储能单元与柴油发电机之间能够实现合理的功率分配,确保柴油发电机负载率在理想范围内。
工况2 初始条件为光照强度1 000 W/m2、温度25 ℃、微电网总有功负荷需求2.1 MW、无功负荷需求为0.6 MVar。在系统达到稳态运行后,在30 s时,突增有功负荷1.2 MW。
由图 11(a)可以看出,20~30 s,各DG出力稳定;在30 s时,负荷突增1.2 MW,储能单元迅速响应提供有功功率支撑,确保柴油发电机不出现过载。图 11(b)、(c)分别为系统频率和公共连接点的母线电压。可以看出30 s时由于负荷突增,系统电压、频率出现较大波动,但是能保持在允许范围内(电压波动5%以内,频率波动±1 Hz),且能够迅速恢复。
上述仿真分析可知,负荷突变时,储能单元和柴油发电机能够快速响应,维持系统稳定运行;储能单元能够迅速提供功率支撑,避免柴油发电机过载。
综上所述,在稳态情况下,光伏发电单元的并网逆变器采用最大功率点跟踪控制,确保了对太阳能的高效利用,柴油发电机和储能单元的协调控制策略,确保了柴油发电机出力在合理范围内,维持了孤岛微电网系统频率和电压的稳定。在光照强度发生较大波动和负荷突变的情况下,采用本文所提控制策略时,柴油发电机和储能单元能够快速响应,孤岛微电网的频率和电压波动在允许范围内,系统能够安全稳定运行,且柴油发电机的出力在合理范围内。
5 结论在分析了光伏、储能和柴油发电机等分布式电源数学模型的基础上建立了多源孤岛微电网的仿真模型。对该孤岛微电网中各分布式电源的控制策略进行了研究,提出了一种基于储能与柴油发电机协调控制的改进PQ控制策略。
1) 该方法根据柴油发电机的出力状态,对储能系统的控制信号进行动态调整,解决了柴油发电机短时过流的问题。
2) 推导了分布式电源并网逆变器的离散化数学模型,将模型预测控制的思想应用到并网逆变器的电流控制问题中。通过建立并网逆变器输出电流的预测模型,构造相应的目标函数,实现了对逆变器输出电流的有效控制,提高了控制器的动静态性能。
结合典型的工程案例,仿真模拟了光照强度波动,负荷突增情形下多源孤岛微电网的动态特性,为微电网的设计、规划提供参考。
[1] | 杨新法, 苏剑, 吕志鹏, 等. 微电网技术综述[J]. 中国电机工程学报 , 2014, 34 (1) : 57-70 |
[2] | 郭力, 富晓鹏, 李霞林, 等. 独立交流微网中电池储能与柴油发电机的协调控制[J]. 中国电机工程学报 , 2012, 32 (25) : 70-78 |
[3] | 张明锐, 杜志超, 黎娜, 等. 高压微网孤岛运行时频率稳定控制策略研究[J]. 中国电机工程学报 , 2012, 32 (25) : 20-26 |
[4] | 胡雯, 孙云莲. 逆变型微电源孤岛模式下的控制策略[J]. 电力自动化设备 , 2014, 34 (7) : 107-112 |
[5] | 王旭斌, 李鹏, 窦鹏冲, 等. 用于微网孤岛运行的新型功率控制方法[J]. 电力自动化设备 , 2014, 34 (6) : 122-128 |
[6] | KROMMYDAS K F, ALEXANDRIDIS A T. Modular control design and stability analysis of isolated PV-source/battery-storage distributed generation systems[J]. IEEE journal on emerging and selected topics in circuits and systems , 2015, 5 (3) : 372-382 DOI:10.1109/JETCAS.2015.2462172 |
[7] | 王鹤, 李国庆. 含多种分布式电源的微电网控制策略[J]. 电力自动化设备 , 2012, 32 (5) : 19-23 |
[8] | GUAN Yajuan, VASQUEZ J C, GUERRERO J M, et al. Frequency stability of hierarchically controlled hybrid photovoltaic-battery-hydropower microgrids[J]. IEEE transactions on industry applications , 2015, 51 (6) : 4729-4742 DOI:10.1109/TIA.2015.2458954 |
[9] | KOURO S, CORTÉS P, VARGAS R, et al. Model predictive control-a simple and powerful method to control power converters[J]. IEEE transactions on industrial electronics , 2009, 56 (6) : 1826-1838 DOI:10.1109/TIE.2008.2008349 |
[10] | RODRíGUEZ J, PONTT J, SILVA C A, et al. Predictive current control of a voltage source inverter[J]. IEEE transactions on industrial electronics , 2007, 54 (1) : 495-503 DOI:10.1109/TIE.2006.888802 |
[11] | CORTéS P, ORTIZ G, YUZ J I, et al. Model predictive control of an inverter with output LC filter for UPS applications[J]. IEEE transactions on industrial electronics , 2009, 56 (6) : 1875-1883 DOI:10.1109/TIE.2009.2015750 |
[12] | 杨勇, 赵方平, 阮毅, 等. 三相并网逆变器模型电流预测控制技术[J]. 电工技术学报 , 2011, 26 (6) : 153-159 |
[13] | 金楠, 胡石阳, 崔光照, 等. 光伏并网逆变器有限状态模型预测电流控制[J]. 中国电机工程学报 , 2015, 35 (s) : 190-196 |
[14] | 孙小燕, 朱永强, 贾利虎, 等. 电网不对称故障下光伏逆变器预测控制方法[J]. 电力系统自动化 , 2015, 39 (13) : 81-86 |
[15] | 贾利虎, 朱永强, 孙小燕, 等. 基于模型电流预测控制的光伏电站低电压穿越控制方法[J]. 电力系统自动化 , 2015, 39 (7) : 68-74 |
[16] | 张保华.风光储微电网综合协调控制策略研究 [D]. 沈阳: 沈阳工业大学, 2013. http://cdmd.cnki.com.cn/article/cdmd-10142-1013179214.htm |
[17] | 黄汉奇, 毛承雄, 陆继明, 等. 光伏发电系统的小信号建模与分析[J]. 中国电机工程学报 , 2012, 32 (22) : 7-13 |
[18] | CHEN M, RINCON-MORA G A. Accurate electrical battery model capable of predicting runtime and I-V performance[J]. IEEE transactions on energy conversion , 2006, 21 (2) : 504-511 DOI:10.1109/TEC.2006.874229 |