风光互补微电网的建模及最大功率跟踪控制策略

李 强,胥永利,王凤军

(大唐东北电力试验研究所有限公司 新能源室，吉林 长春 130012)

风光互补微电网的建模及最大功率跟踪控制策略

李 强,胥永利,王凤军

(大唐东北电力试验研究所有限公司 新能源室，吉林 长春 130012)

为了实现风光互补系统输出功率的最大化，利用Matlab/Simulink对以风力发电系统、光伏发电系统及储能环节为基础的风光互补型微电网进行了建模，并通过仿真分析，验证了建立模型的有效性。描述了系统储能环节及逆变环节的工作原理及特点，分别针对光伏发电系统、风力发电系统，利用不同智能方法，搭建了最大功率跟踪模型，并对这些方法进行对比分析，仿真结果验证了控制策略的可行性与有效性，实现了系统功率输出最大化的目的。

风光互补微电网；建模；最大功率跟踪策略

0 引言

目前，对石油、煤炭等不可再生能源的过度消耗不仅造成了严重的环境污染，而且制约着经济的发展。风能、太阳能新能源等具有清洁无污染，取之不尽、用之不竭的特点，开发利用新能源现在已经成为世界各国的热门课题[1]。文献[2]将风光互补发电系统作为独立电源系统和清洁的供电系统，在资源利用以及系统配置方面有其合理性。文献[3]建立的光伏电池模型能够较好地模拟实际光伏的特性，但调试过于简单。文献[4]探讨了最大功率点跟踪控制方法的发展思路,对该领域今后的研究方向做了展望，指出单级式光伏逆变系统中的最大功率点跟踪己成为国内外光伏领域的一个研究热点。文献[5]提出通过预测下一个控制时刻的风速，来确定下一时刻最优功率点搜索的起始转速，再利用变步长转速扰动实现最大功率追踪，但风速估计较为困难，精度难以保证，控制比较为困难。

本文利用Matlab/Simulink软件平台搭建风光互补发电系统，验证各个系统的有效性。通过对风力发电系统、光伏发电系统的最大功率跟踪技术进行详细的论述，并利用仿真模型对其进行有效研究，以实现最大功率点跟踪的目的。

1 风光互补发电系统建模

1.1 拓扑结构

本文建立的风光互补型微电网是基于风力发电系统、光伏发电系统及储能环节搭建而成的，拓扑结构如图1所示。

图1 风光互补发电系统拓扑结构Fig.1 Structure of wind-solar generation system

本文所提出的微电网的拓扑结构简单实用，适用于偏远地区及海岛等无大电网供电的区域，能够实现自给自足供电。风力发电系统及光伏发电系统可以持续向用户供电，并将多余电能储存在储能系统中。由储能蓄电池组成的储能系统可保障用户在风、光不足等情况下的用电需求。

1.2 光伏发电系统建模

光伏电池的基本原理是基于半导体的光伏效应的能量转换，将光能直接转换为电能。光伏电池可以等效为较大平面面积的二极管，其工作原理可以用单二极管等效电路进行描述[6]。

光伏电池面积及温度有关，二极管电流IVD是pn节扩散电流总和，其表达式为

(1)

式中：q为电荷常数(1.6×10-9C)；K为玻尔兹曼常数(1.38×10-23J/K)；A为二极管因子；E为pn结空间电荷；IDO为在无光照下的饱和电流，其表达式为

(2)

式中：S为pn节面积；NC、NV为导带和价带的有效态密度；NA、ND受主杂质和施主杂质的浓度；DN、DP为电子和空穴的扩散系数；τn，τp为电子和空穴的少子寿命；EG为半导体材料的带隙。

负载电流IL表达式为

(3)

式中：UL为光伏电池输出电压，V；RS为串联等效电阻，Ω；RSH为并联等效电阻，Ω。理想电路中，RS、RSH计算时均忽略不计，此理想电池的光伏特性表达式为

短路电路试验时，RL=0，此时输出电流IL=Isc。

而在开路试验中，RL→∞，由式(5)可知开路电压UOC为

(6)

由上式可知UOC与光照强度有关，而与光伏电池的面积无关。IL-UL、PL-UL的关系曲线代表了光伏电池的外特性亦即输出特性。

根据以上公式，利用Matlab/Simulink软件平台建立了光伏电池模块，参数设置开路电压为288 V，短路电压为354 V，开路电流为13.88 A，短路电流为14.88 A，串联电阻为0.5 Ω，光照强度为1 000 W/m2，温度为20 ℃时，对模块在不同光照强度及温度下进行仿真实验研究，得到光伏电池在不同光照强度及温度下的输出特性曲线，如图2所示。

由试验结果分析可知，固定光伏电池的温度时，随着光照强度减小，最大功率点功率也不断减小。固定光照强度时，随着温度逐渐升高，最大功率点功率值也逐渐升高，符合光伏特性曲线功率，实验结果验证了此系统的有效性及正确性。

本文中光伏的功率控制模型即为最大功率控制模块，升压模块采用Boost升压变换器，这里不再赘述。

1.3 风力发电系统建模

本文采用永磁同步发电机进行建模分析。根据贝茨理论，风机绝不可能从气流中获取超过59.3%的功率[7]。实际上，风力机的风功率利用系数(CP)最大值的范围是25% ～45%。因此，风力机能够获取的功率为

(7)

式中：ρ为空气密度，ρ≈1.225 kg/m3；Sw为风轮扫过的面积，m；v为上风向自由风速，m/s。

风能利用系数CP与风速、风机转速以及叶片桨距角有关，可近似为

图2 光伏电池特性曲线图Fig.2 Curve of the photovoltaic characteristic

(8)

式中:β为叶片桨距角，(°)；λ为叶尖速比，

(9)

式中：ω为风轮的旋转速度；R为风轮的半径。

本文利用Matlab/Simulink对CP模块进行了建模，对于模型进行仿真验证，设置由λ=0，以步长Δλ=0.01均匀增加，此时由模块计算CP值，将数据存于Matlab的workplace中，可得叶尖速比与风能利用系数关系之间的曲线如图3所示。由图3可知，CP值小于0.593，验证了贝茨理论。

图3 叶尖速比与风能利用系数关系曲线图Fig.3 Coefficient curve between tip speed ratio and wind power

利用风力机模型进行功率与角速度之间关系验证风力机模型的正确性，设置参数如下：风速固定为10 m/s，风机转速初始设置为0 rad/s，以步长0.1 rad/s均匀增加，直至200 rad/s为止，得到功率-转速曲线如图4所示。

图4 功率-转速曲线图Fig.4 Curve of power-angular velocity

由图4可知，在角速度从0 rad/s增至200 rad/s，风力机输出功率是角速度的单峰函数，与公式理论相符合，有且只有一个角速度164.2 rad/s，使在此固定风速下的输出功率为最大，此时最大功率为359.3 W。

本文中功率控制模块即最大功率跟踪模块。由于风力发电机发出的是交流电，利用Matlab/Simscape中的Universal Bridge模块进行整流输出。在未接入直流母线时，该系统也能够独立运行。

1.4 储能蓄电池建模

蓄电池通用的等效电路模型如图5所示。由图5可知，蓄电池是由内阻R和受控电压源Ek串联组成。利用Matlab/Simulink选取电压源及电阻串联即可构成蓄电池等效模型，不再赘述。

图5 蓄电池等效电路图Fig.5 Equivalent circuit of battery

1.5 逆变环节及脉冲宽度调制控制

本文中风力发电系统是由风机模块、AC/DC模块，DC/DC模块、功率控制模块组成，光伏发电系统是由DC/DC模块、功率控制模块组成，并与220 V直流母线相连接，经过逆变成交流电供给交流负载。本文采用单相桥式PWM逆变电路，以IGBT作为开关器件，采用单极性调制方式，如图6所示。

图6 单相方波全桥逆变电路图Fig.6 Circuit of the single phase square wave full bridge inverter

2 最大功率跟踪控制策略研究

2.1 光伏发电系统的最大功率跟踪技术

本文在Matlab/Simulink软件环境下建立了光伏发电最大功率跟踪系统的仿真模型。针对扰动观察法以及模糊控制法分别进行了动态仿真[8]，采样周期是0.000 1 s。在标准状况下，即外界光照强度G=1 000 W/m2，环境温度T=25 ℃时，光伏电池的具体参数如下：最大功率Pmpp=230 W，最大功率点电压Umpp=29.5 V，开路电压Uoc=35.4 V，短路电流ISC=8.54 A，最大功率点电流Impp=7.95 A。

在保持环境温度为25 ℃不变，光照强度由1 000 W/m2变化为800 W/m2，相对应的仿真输出波形如图7所示。

图7 光照强度发生变化时仿真结果Fig.7 Simulation results when the illumination intensity changes

当光照强度维持1 000 W/m2不变，环境温度由25 ℃变化为15 ℃时，相对应的仿真输出波形如图8所示。

根据图7、8可知，模糊控制法在外界条件发生变化时，可以更加快速地跟踪系统功率的变化。

图8 环境温度发生变化时仿真结果Fig.8 Simulation results when the environmental temperature changes

2.2 风力发电系统的最大功率跟踪技术

利用Matlab/Simulink中S-Function模块编写了MPPT.m文件以实现风力发电系统最大功率跟踪，其中MPPT.m文件包含了定步长扰动观察法及变步长扰动观察法来跟踪风力发电系统的最大功率点[9]。

在标准状况下，当风速由10 m/s升至15 m/s时，相对应的仿真波形输出如图9所示。由图9可知，变步长扰动观察法，跟踪最大功率点时更加快速稳定，而定步长扰动观察法容易陷入局部震荡。

图9 风速发生变化时仿真结果Fig.9 Simulation results when the environmental temperature changes

3 结论

本文基于Matlab/simulink环境，搭建了含小型风力发电系统、光伏发电系统、储能单元的孤立运行微电网模型，并利用各自特性进行验证，证明了模块的有效和正确性。利用不同智能方法实现了风力发电系统、光伏发电系统的最大功率点跟踪，并对比不同方法的优劣性。

[1]袁越, 李振杰, 冯宇, 等． 中国发展微网的目的方向前景[J]． 电力系统自动化, 2010, 34(1)： 59-63． YUAN Yue, LI Zhenjie, FENG Yu, et al． The prospect of development of micro-grid in China[J]． Automation of Electric Power Systems, 2010, 34(1)： 59-63．

[2]黄鑫． 风光互补发电系统的发展与应用[J]． 黑龙江科技信息, 2013, 31： 98． HUANG Xin． Development and application of wind solar hybrid power generation system[J]． Heilongjiang Science and Technology Information, 2013, 31： 98．

[3]杨永恒, 周克亮． 光伏电池建模及MPPT控制策略[J]． 电工技术学报, 2011, 26(S1)： 229-234． YANG Yongheng, ZHOU Keliang． Modeling and MPPT control strategy for photovoltaic cells[J]． Journal of electrical engineering, 2011, 26(S1)： 229-234．

[4]周林, 武剑, 栗秋华, 等． 光伏阵列最大功率点跟踪控制方法综述[J]． 高电压技术, 2008, 34(6)： 1145-1154． ZHOU Lin, WU Jian, LI Qiuhua, et al． An overview of the maximum power point tracking control method for photovoltaic array[J]． High Voltage Technology, 2008, 34(6)： 1145-1154．

[5]陈明霞, 曾宇． 关于风力发电系统效率优化控制研究[J]． 计算机仿真, 2016, 33(2)： 142-146． CHEN Mingxia, ZENG Yu． Study on optimal control of wind power system efficiency[J]． Computer Simulation, 2016, 33(2)： 142-146．

[6]金结兵． MPPT太阳能充放电控制器的研究与实现[D]． 武汉： 武汉理工大学, 2013． JIN Jiebing． Research and implementation of MPPT solar charge and discharge controller[D]． Wuhan： Wuhan University of Technology, 2013．

[7]何金波． 直驱永磁同步风力发电机组功率平滑控制策略研究[D]． 重庆： 重庆大学, 2009． HE Jinbo． Research on power smoothing control strategy of permanent magnet synchronous wind turbine[D]． Chongqing： Chongqing University, 2009．

[8]张书林． 单相光伏并网发电MPPT算法和逆变控制策略的研究[D]． 南昌： 华东交通大学, 2014． ZHANG Shulin． Research on MPPT algorithm and inverter control strategy for single phase photovoltaic grid connected photovoltaic[D]． Nanchang： East China Jiaotong University, 2014．

[9]宋雨倩． 直驱永磁风力发电机组建模与控制策略研究[D]． 保定： 华北电力大学, 2013． SONG Yuqian, Dynasty． Modeling and control strategy of direct driven permanent magnet wind turbine[D]． Baoding： North China Electric Power University, 2013．

李强

(编辑 蒋毅恒)

Modeling and Research on the Maximum Power Point Tracking Control Strategy of Wind-Solar Hybrid Micro-Grid

LI Qiang, XU Yongli, WANG Fengjun

(New Energy Department of Datang Northeast Electric Power Test and Research Institute， Changchun 130012, Jilin Province, China)

In order to maximize the output power of the wind and solar hybrid power generation system, the software Matlab/Simulink was applied to set up a model of wind and solar hybrid micro-grid based on the wind power generation system, photo-voltaic power generation system and energy storage. The validity of the established model is verified by the simulation analyses. More importantly, several significant issues was accomplished, i.e., the working principle and characteristics of the energy storage link and inverter link. Several different intelligent methods to build maximum power point tracking model were used, aiming at photo-voltaic wind power generation system, respectively. Different methods are analyzed and compared, and the simulation results show great feasibility and effectiveness to maximize power output.

wind-solar hybrid micro-grid; model; the maximum power point tracking control strategy

TK89

A

2096-2185(2016)02-0050-05

2016-08-28

李 强(1989—)，男，硕士，助理工程师，主要研究方向为分布式发电系统，建模，302914284@qq.com；

胥永利(1972—)，男，本科，工程师，主要研究方向为新能源领域，继电保护，619946833@qq.com；

王凤军(1986—)，男，本科，助理工程师，主要研究方向光伏发电技术，逆变技术，137566429@qq.com。