風光儲聯合發電系統并網控制研究

趙一豪，朱 偉，顧小興，吳遠網

（1.常州大學機械與軌道交通學院，江蘇 常州 213164；2.江蘇星光發電設備有限公司，江蘇 泰州 225440；3.揚州大學電氣與能源動力工程學院，江蘇 揚州 225127）

0 引言

風能和太陽能作為新能源發電形式的主要來源，在全球能源結構中發揮了重要作用［1－3］。然而，由于它們的間歇性和波動性，風光發電系統輸出具有隨機的波動頻率和幅度，導致并網過程產生安全風險［4］。因此，優化大型風光儲聯合發電系統模型，分析其輸出功率波動，同時協同利用聯合系統的能量儲備及不同能源系統之間的能量交互，實現能量的高效利用，是實現新能源安全可靠并網的關鍵［5－6］。

目前，國內外學者對風光儲聯合發電系統的模型優化和控制策略等方面有大量研究［7－8］。李鳳祥等［9］采用場景分析法對風光機組出力進行預測，建立協同優化模型，降低了風光預測誤差對系統運行經濟性的影響，提高了系統運行經濟性。Swati等［10］在風光發電系統中實施了串聯補償策略，減輕了轉子側開關產生的定子諧波，同時在低風速條件下提供電壓，滿足電網需求。Vikayakumar等［11］設計了風光微電網的增強前饋控制器，并將電網側變流器接入弱電網控制，提高微電網系統穩定性。鄭懷華等［12］提出了基于非線性Lyapunov控制的儲能型控制系統，相較于傳統PI控制響應速度更快、控制精度更高、魯棒性更強。李輝等［13］針對風電機組變槳控制系統魯棒性差的問題，提出考慮參數辨識的風電機組變槳控制策略并進行了仿真實驗，驗證了改進模型具有更好的魯棒性。

但是隨著輻照度、風速等環境條件變化，光伏出力和風機出力呈現出明顯的波動性，傳統控制方法下發電功率與并網需求難以維持平衡狀態［14－15］。在光伏發電系統控制過程中波動性問題尤為突出，針對該問題有學者對擾動觀察法（P＆O）進行了改進研究。廖銀玲等［16］提出了一種基于改進粒子群算法改進的擾動觀察法，減少了傳統智能算法的迭代過程，能快速跟蹤到全局最大功率點，在光照強度突變時均具備快速精準的雙重跟蹤能力。葛傳九等［17］提出了基于布谷鳥算法和擾動觀察法相結合的控制方法，通過布谷鳥算法加快收斂速度，提升收斂精度，而后利用小步長擾動觀察法進一步提高后期的收斂精度。

在已有的模糊控制改進擾動觀察法的研究中［18］，使用dP／dU及其變化量作為模糊控制器的輸入量調整擾動步長。該方法相較于傳統方法更加快速準確地追蹤到最大功率點，但是由于輸入量的局限性，追蹤到的功率點雖已在最大值附近，但仍有提升空間，且功率輸出穩定性較差。因此本次研究將輸入量優化為dP／dU和dU，并且重新編寫了控制器結構，優化了隸屬度函數，最終對比實驗驗證了提出方法的優越之處。然后將改進后的控制方法應用到光伏發電系統中，此外，建立了風力機模型，并通過最佳葉尖速比策略控制最大功率點，保證功率穩定輸出，并且把新的光伏系統和風力發電系統并網。并網過程中，為了防止冗余能源浪費，儲能系統中蓄電池實施DC-DC控制策略平抑功率波動，削峰填谷，實現功率平衡，減小線路損耗，提高電力系統運行的穩定性和經濟性。

1 光伏發電系統

1.1 光伏發電陣列輸出特性

光伏陣列的輸出功率與輻照度和溫度有關，通過改變輻照度或溫度可改變光伏陣列的輸出。其出力表達式為［19］

式中：PPV為光伏出力；GAC為輻照度；PSTC為標準測試條件下（輻照度1 000W／m2，溫度25℃）的最大測試功率；GSTC為標準測試條件下的輻照度（1 000W／m2）；k為功率溫度系數；Tc為電池板工作溫度；Tr為參考溫度。

選擇最大功率213.15W 的光伏陣列模型，并聯數為10，串聯數為70，環境溫度選擇25℃，輻照度選擇900 W／m2和1 000 W／m2，使用Simulink建立太陽能電池模型，仿真得到該環境下光伏陣列輸出特性曲線，如圖1所示。

圖1 光伏陣列輸出特性曲線

圖1中的標記點分別為900 W／m2和1 000 W／m2輻照度條件下光伏陣列的最大功率點，即900W／m2時最大功率點電壓為2 027 V，最大功率為134 750 W，1 000 W／m2時最大功率點電壓為2 030 V，最大功率為149 006 W，以該數據為標準驗證最大功率點的跟蹤效果。

1.2 光伏發電系統最大功率點跟蹤控制

傳統的最大功率點跟蹤（MPPT）控制方法有擾動觀察法和電導增量法等。擾動觀察法跟蹤方法簡單，但易損失部分功率，且跟蹤速度和準確度較低。電導增量法相較于擾動觀察法響應快、精度高，但在實際應用中對傳感器精度要求較高，造價高。模糊控制改進的擾動觀察法利用模糊語言描述擾動前后輸入變化的大小和正負，結合光伏陣列的輸出特性制定模糊控制規則，經過模糊運算和模糊推理，自動調整擾動步長Us，以提高最大功率點跟蹤的速度和精度。

根據光伏電池輸出特性曲線分析可得如下電壓擾動表達式［20］。

式中：α為變步長速度因子，可調整跟蹤速度。

由式（2）可得，最大功率點處曲線斜率為0（dP／dU＝0），當工作點遠離最大功率點時跟蹤步長大，反之步長小。α可由式（3）估算。

式中：Ustep＿max是定步長擾動觀察法允許的最大步長，｜dP／dU｜可由式（4）估算。

式中：m為接近1的正數；UOC為光伏陣列的開路電壓。變步長速度因子α可先由式（3）和式（4）計算其范圍，再通過實驗調整決定其最終的取值。

以此可確定當前工作點離最大功率點的靠近程度，電壓變化量dU的正負也可用來判斷當前工作點的運動軌跡。綜合這些判斷結果和實際模糊控制規則，可以確定適當的擾動步長Us。

改進后的擾動觀察法流程如圖2所示?？刂圃頌镸PPT控制器從光伏陣列采集當前電壓U與電流I，而后計算當前功率P。將dP／dU和dU選擇為模糊控制器的輸入，將擾動步長Us選擇為模糊控制器的輸出。模糊控制器對輸入量進行模糊化，并根據模糊規則隸屬度函數給出輸出量的模糊值，最后進行去模糊化處理，輸出擾動步長Us。Us控制PWM波形生成器，進而控制絕緣柵雙極晶體管（IGBT）的開關，達到調控輸出功率的目的。

圖2 改進后的擾動觀察法流程

模糊化：模糊量dP／dU和Us選擇相同的模糊變量值（負大、負中、負小、零、正小、正中、正大），對應的模糊子集記為dP／dU，Us＝｛NB，NM，NS，ZO，PB，PM，PS｝。其中，dP／dU的模糊論域定義為［－5，5］，模糊子集NB、PB采用梯形隸屬度函數表示，其他模糊子集采用均勻三角形隸屬度函數表示。為減少模糊規則數、降低模糊控制調節頻率，變量dU的模糊變量值選擇為負、零、正，對應的模糊子集dU＝｛N，ZO，P｝。其中，模糊子集N、P采用梯形隸屬度函數，模糊子集ZO采用均勻三角形隸屬度函數，模糊論域定義為［－1，1］。Us的模糊論域為［－5，5］，所有模糊子集采用均勻三角形隸屬度函數表示。隸屬度函數曲線如圖3所示。

圖3 隸屬度函數曲線

為保證光伏陣列輸出具有足夠的精度和跟蹤速度，制定了Us的模糊控制規則，如表1所示。

表1 U s模糊控制規則

即表示：

對提出的模糊控制改進的MPPT控制策略進行建模仿真驗證。驗證模型使用光伏發電系統并網仿真模型。設定環境溫度為25℃保持不變，初始條件下輻照度為850 W／m2，當t＝1～1.5 s時，輻照度線性增長到1 200 W／m2，當t＝2.5～3 s時，輻照度線性下降到850 W／m2，當t＝4～4.5 s時，輻照度再次線性增長到1 200 W／m2。選定光伏陣列最大功率為184.701 6W，并聯數為2，串聯數為6，仿真時間設定為5 s，得到4種MPPT控制方法下光伏陣列的輸出功率仿真波形，如圖4所示。

圖4 輸出功率曲線

分析圖4可知，輻照度為850 W／m2時，追蹤到的最大功率點為1 850 W 左右；輻照度為1 200 W／m2時，追蹤到的最大功率點為2 650 W 左右。擾動觀察法在整個輸出過程中功率存在較大波動，且在輻照度發生變化時，波動幅度增加，穩定性較差。電導增量法在輸出過程中功率波動幅度減小，相較于擾動觀察法穩定性略有提高。傳統模糊控制擾動觀察法輸出功率相較于上述2種方法僅產生小范圍波動，穩定性再次提高，且追蹤到最大功率點所需時間縮短，但在1.5～2.5 s輻照度穩定在1 200 W／m2的過程中出現了波動，且最大功率點的追蹤效果仍有提升空間。經以dP／dU和dU為輸入的模糊控制擾動觀察法改進后，在保證最大功率點追蹤效果的同時，進一步降低了輻照度變化過程的波動，輸出功率穩定性大幅提高。

1.3 光伏發電系統并網逆變控制

由上文選擇控制效果最佳的改進后的MPPT控制方法，搭配Boost升壓電路完成光伏發電系統，并配合橋式逆變電路實現光伏發電系統并網。并網逆變器控制采用電流內環和電壓外環控制，流程如圖5所示。

圖5 光伏發電系統并網逆變控制流程示意圖

2 風力發電系統

2.1 風力機模型

風力發電的基本原理是外界的自然風作用在風力發電系統的扇葉上，帶動扇葉的轉動，使其產生機械能，再通過電機將機械能轉化為電能輸送到電網。風力發電功率波動性較大，其具體出力和實際風速相關，風力發電模型為

式中：PW為風力發電出力；PR為額定功率；vc為切斷風速；vR為額定風速；vF為截斷風速。

按照貝茨定律，可求得風力機的數學模型為

式中：Cp為風能利用系數；ρ為空氣密度；R為風輪的半徑；V為風速。

根據式（6）可知，在確定了風輪機的半徑和外界風速之后，空氣密度可以看作是一個常量。因此，風力發電系統的發電功率和風能利用系數Cp成正比關系。風輪轉速與風速的比值為葉尖速比λ，其表達式為

式中：ωm為葉片的角速度；R為風輪的半徑。式（6）中，Cp可由式（8）近似表示。

式中：β為槳距角，λi由式（9）決定。

從式（8）中可以看出，風能利用系數Cp是葉尖速比λ和槳距角β的函數。當槳距角β取不同的值時，隨著β的增大，Cp會減小，而對于某個固定的β值，存在一個唯一的λopt能夠使得Cp達到最大值。固定風速，只有當風力機在某一特定轉速時，Cp才會達到最大值。對于特定的葉片，λopt是一個固定值。因此根據式（6），為了實現最大功率Pm和最高的風能利用系數Cp，需要根據風速調節風力機的轉速。

2.2 風力發電系統機側控制

使用直驅式永磁同步風力發電系統，控制策略分為機側變流器控制和網側變流器控制2部分。其中機側變流器控制策略選用基于轉子磁場定向的矢量控制，網側變流器控制策略選用基于電網電壓定向的矢量控制。風力發電系統的機側控制結構如圖6所示。

圖6 風力發電系統機側控制結構

基于轉子磁場定向的矢量控制為電流內環和轉速外環雙閉環控制策略。轉速給定值與檢測到的轉速之差經過PI控制器得到q軸電流的給定值，無功電流的設定為零。通過安裝在發電機轉軸上的編碼器測量轉子磁場位置角度，將檢測到的三相定子電流轉換為dq坐標系下的電流id和iq，電流差經過電流內環解耦控制器后得到發電機定子d軸和q軸的給定電壓。利用變換矩陣將這些電壓轉換為兩相靜止坐標系下的給定電壓，最后通過空間矢量脈寬調制（SVPWM）模塊控制開關管的連通和斷開，實現發電機定子端輸出三相電壓的實際值與給定值的跟蹤，從而實現對發電機有功功率的控制，以實現最大風能的捕獲。

2.3 風力發電系統網側控制

基于電網電壓定向的網側變流器的控制系統共有2個電流內環和1個直流電壓外環。在電壓定向的控制下，ABC靜止坐標系下的三相線電流ia、ib、ic被變換到dq坐標系下的兩相電流id、iq，對這2個分量分別進行控制，最后通過SVPWM模塊控制開關管的連通和斷開?；陔娋W電壓定向的網側變流器控制結構如圖7所示。

圖7 風力發電系統網側控制結構

3 風光儲聯合發電系統并網建模

3.1 儲能系統

雙向DC-DC變換器能夠使儲能端和負載端的電壓穩定不變，同時保持變換器兩端的電壓極性不變。通過調節變換器電流流向，使電流能夠雙向流動，從而實現能量反向，使變換器雙向工作。采用控制2個電力MOSFET（power MOSFET）的開通和關斷的方式，實現能量的雙向流動，并通過并聯直流母線電容來減小電壓波動。

蓄電池恒壓充電采用電流電壓雙閉環控制，雙閉環控制數學模型如式（10）、式（11）所示。電流閉環控制為

式中：Uref（s）是電流控制器的輸出電壓；Kpc和Kic分別是電流控制器的比例和積分增益；Iref（s）是設定電流值；I（s）是實際電池的輸出電流。電壓閉環控制為

式中：Iref（s）是電壓閉環控制器的輸入參數；Kpv和Kiv分別是電壓控制器的比例和積分增益；Uref（s）是設定電壓值；U（s）是實際電池的輸出電壓。

3.2 風光儲聯合發電系統并網建模

風光儲聯合發電系統整體結構如圖8所示。對各個部分提出的控制策略進行仿真驗證，建立風光儲聯合發電系統并網模型。

圖8 風光儲聯合發電系統結構

仿真模擬某風光儲聯合發電設備并網供電，在標準測試條件（溫度25℃，輻照度1 000W／m2）下，當地空氣密度為1.2 kg／m3，風速為12 m／s，當t＝1 s時，風速變為11 m／s，輻照度變為900W／m2。該聯合發電設備中光伏陣列的最大功率為213.15W，并聯數為10，串聯數為70，風力機葉片直徑為28 m，蓄電池初始容量為80%。并網相間電壓為690 V，頻率為50 Hz，根據當地用戶用電負載情況，規定恒功率并網目標值為370 000 W，設定仿真時間為2 s。光伏發電系統、風力發電系統和儲能系統的仿真模型如圖9—圖11所示。

圖9 光伏發電系統仿真模型結構

圖10 風力發電系統仿真模型結構

圖11 儲能系統仿真模型結構

4 仿真結果分析

對風光儲聯合發電系統進行仿真，仿真結束后，得到光伏陣列和風力機的輸出功率，如圖12、圖13所示。

圖12 光伏陣列輸出功率

圖13 風力機輸出功率

圖12（a）為改進模糊控制擾動觀察法的輸入量與隸屬度函數之前光伏陣列的輸出功率，1 000 W／m2和900 W／m2輻照度條件下追蹤到的最大功率分別為149 000W 和134 750 W；圖12（b）為改進后追蹤到的最大功率，分別為149 060 W 和134 755W。由圖1可知，該條件下光伏陣列輸出最大功率點分別為149 006W 和134 750 W，優化前后追蹤結果均與理論值誤差極小，而優化后的功率曲線在仿真初期達到穩定狀態更快，且尋得最大功率點后的功率輸出更平穩，波動范圍更小。

由圖13可知，在12 m／s和11 m／s的風速條件下，機側功率輸出分別為307 000 W 和236 000W。

仿真結束后，得到并網模式下的光伏發電系統、風力發電系統和儲能系統向電網輸出的功率，仿真結果如圖14所示，其中儲能系統輸出功率小于零時蓄電池組充電，大于零時蓄電池組放電。由圖12—圖14可得本次實驗各個系統輸出功率的數據，如表2所示。

表2 風力、光伏發電系統和儲能系統的輸出功率

圖14 風力、光伏發電系統和儲能系統的輸出功率

經計算，光伏發電系統逆變效率分別為91.27%和89.79%，風力發電系統逆變效率分別為91.21%和91.10%。

蓄電池荷電狀態如圖15所示。仿真時間初始0.2 s內，由于風力發電系統和光伏發電系統的啟動時間內輸出總功率不滿足并網功率需求，需要蓄電池放電，此時3個系統同時向電網送電。當光伏陣列和風力機輸出達到最大功率點時，光伏發電系統和風力發電系統的總發電功率超過并網功率需求，系統富余電力，蓄電池充電。當到達仿真時間1 s時，發電總功率低于并網功率需求，蓄電池放電。

圖15 蓄電池荷電狀態曲線

并網有功功率、無功功率和并網電流的仿真波形如圖16所示。實際有功功率在初始0.2 s內波動后保持在并網目標值370 000 W 左右，且在仿真時間1 s，外部環境條件改變的情況下依然保持在目標值左右，保證了并網電能質量的安全穩定；無功功率經初始大范圍波動和環境條件改變的大范圍波動之后，均保持在較低值，盡可能保證送電過程中損耗最小，電流幅值穩定在440 A左右。本次仿真對并網電流進行了快速傅里葉變換分析，分別選取仿真時間0.7 s（環境變化前）的一個周期和仿真時間1.5 s（環境變化后）的一個周期，基頻為50 Hz，諧波失真率分別為0.83%和0.92%，均低于5%，達到了并網要求。

圖16 并網狀態下的有功功率、無功功率和電流曲線

5 結論

1）光伏發電系統輸出功率的穩定性受輻照度變化影響，傳統控制方法對輸出功率穩定性有一定提升，但提升幅度有限，且犧牲了部分對最大功率點的追蹤效果。

2）經改進后的模糊控制方法優化后，新型擾動觀察法在應對輻照度波動的情況時，功率輸出波動幅度小，同時保證了最大功率點的追蹤效果，相較于傳統控制方案具有優越性。

3）將改進后的擾動觀察法應用到風光儲聯合發電系統中，進行并網仿真，達到了并網功率需求和我國并網要求，優化后的光伏發電系統輸出穩定性明顯提升，再次驗證了提出控制方案的可行性和優越性。