电网故障条件下风储联合系统无功自适应控制

刘颖明，万文阁，王晓东，刘闯闯

（沈阳工业大学 电气学院，辽宁 沈阳 110870）

0 引言

近年，大规模储能应用于风储电力系统，可以平抑功率波动，平滑输出电压，减少系统振荡，具有“削峰填谷”的作用[1]，[2]，提高了电力系统经济性和电能质量[3]。 目前，风储协调控制的研究主要着眼于储能容量优化及协调风电灵活快速的进行有功功率吸收和输出，动态调整系统的输出功率偏差，而对于储能协助风电进行无功控制的研究较少[4]～[7]。文献[8]在风电场和储能系统各种运行模式下，根据并网电网的实时无功需求，提出了无功功率指令在储能系统、 风电场和外部电网的三级协调分配策略。 所提策略能够充分发挥储能系统和风电场快速无功调节能力，有效提高电网运行效率和电压稳定性。 文献[9]分析了两种基于储能的电压稳定性控制策略，分别为PV 控制和PQ 控制，并进行了对比。 研究结果表明，在扰动或故障时，储能可以抑制电压波动和加快电压恢复。电网电压故障时，文献[10]通过比例协调控制策略，充分利用超级电容器储能的动态电压恢复器的补偿能力和风电机组的转子旋转动能，使电网电压稳定不变。

目前，对于利用储能和风电来控制电力系统电压稳定性的研究还较少。 本文针对风储联合系统的无功功率控制，提出一种基于神经元自适应控制器的风储联合系统无功功率补偿控制策略。旨在解决电网发生三相故障时导致的PCC 点电压发生变化或跌落问题。

1 风储系统的结构与模型

1.1 风储系统的结构

大部分风电场无功控制是在监测数据下，实时弥补无功偏差。但是当系统发生故障，风机处于严重失衡的功率缺额时，若对严重缺额的机组持续较长时间进行有功输出，同时承担无功补偿，可能会造成系统崩溃[11]。 储能具有良好的快速响应特性，可提高风力发电系统故障穿越能力。 因此，本文提出了风储联合系统的无功自适应控制，储能系统可以分担一部分风电场的无功补偿量，减轻风电场的负担。 风储联合系统的无功控制的基本结构如图1 所示。 神经元自适应控制器接收调度中心系统下发的无功指令，一方面将指令下发至各个风电场进行跟踪；另一方面，储能与神经元自适应控制器之间增设协调控制器，对上接收无功指令和风力发电系统实时发出的无功，对下接收储能系统状态数据并发送优化后的无功补偿量[11]。

图1 风储联合系统无功控制结构框图Fig.1 Structure diagram of reactive power control for wind farm combined with energy storage system

为了提高电力系统的稳定性，将储能系统放置在风电场并网点上，不仅可以抑制稳态下的短期电压波动，并且在系统发生故障，风电场并网点电压发生大幅跌落时，储能系统能够在故障期间迅速发出大量无功协助风电场并网点电压恢复。

1.2 风电机组无功输出能力

典型的PMSG 风力发电机组通过一个全功率背靠背变流器连接到电网，网侧变流器（Grid Side Converter，GSC）可以独立控制流入电网的有功功率和无功功率[12]。 本文网侧变流器采用定子电压定向矢量控制，由直驱风电在两相同步旋转坐标系下的数学模型可知，网侧变流器的有功功率Pgd和无功功率Qgd分别为

式中：ugd，ugq，igd，igq分别为网侧变流器在 d，q 轴方向的电压和电流。

选取电网侧电压方向与参考坐标系的d 轴方向一致，ugq=0，则：

由式（2）可知，网侧变流器与电网交换的功率仅与 igd，igq有关。

给定功率因数和d 轴电流igd-ref确定变流器最大电流imax，根据可得到 q 轴电流给定值，通过控制有功电流，使风电场最大限度的输出无功功率。

1.3 储能的无功补偿能力

本文储能系统用来辅助风电场调节直流母线电压和PCC 电压。 储能系统既可以发出有功，也可以发出无功，因此当电网发生故障时，储能系统可以快速提供无功支持，维持风电场端电压恒定。储能系统控制如图2 所示。

图2 储能系统控制框图Fig.2 Control block diagram of energy storage system

本文中，储能系统采用两电平电压源型变流器，该变流器可以对输送的有功功率进行快速控制，还可以动态补偿交流母线的无功功率。储能系统的额定值根据功率因数或PCC 电压调节的无功功率要求来适当确定，大容量的储能系统能够在故障期间降低电压并在故障清除后缩短电压恢复过程。

采用蓄电池组储能装置，根据蓄电池的荷电容量计算，其无功功率为[12]

式中：Pmes，Qmes分别为储能系统向电网输送的有功功率、 无功功率；Us，IN分别为储能系统逆变器交流侧额定电压、额定电流。

2 电网故障条件下，风储系统的自适应无功控制策略

2.1 风储系统无功控制策略

电力系统的等效电路如图3 所示。

图3 电力系统等效电路图Fig.3 Equivalent circuit of the power system considered

图中： 风电场和储能系统在总线2 处集成到网络中，用于提供有功功率和无功功率；X1为忽略线路电纳后传输线电抗；Pwt，Qwt分别为风电输出的有功功率、无功功率；Gwt和Bwt分别为风电等效的电导和电纳；Qc为储能系统输出的无功功率；Bc为储能系统的等效电纳，负载主要来自总线1 的电网，部分来自风力发电机组。

根据图3 可知，负载的最大功率Pmax为

式中：E 为总线 1 处电压的幅值；q=X1（Bwt+Bc）；p=X1Gwt；X1为电网阻抗。

总线2 处的电压为

在输出最大功率条件下，总线2 的临界电压应保持在（0.95～1.05 pu）。 结合式（6），（7）可以得出，通过增加系数q（对应于增加风电场和储能系统提供的无功功率），增加了最大传递功率，同时也增加了总线2 的临界电压。 通过调节来自风电场和储能系统的无功功率，可以减轻总线2 处的长期电压波动，则传输线中的电压降ΔV 为

式中：P1和Q1分别为电网侧所需的有功功率和无功功率；R1为输电线路电阻，可忽略不计。

为了减轻PCC 电压的波动，传输线中的电压降应保持恒定。因此，风电场和储能系统所需的无功功率为

在风速高于额定值的情况下，输送到电网的有功功率为额定值，GSC 无法产生无功功率，即：

图4 风储联合系统控制框图Fig.4 Control block diagram for wind farm combined with energy storage system

由图4 可知，PCC 电压误差信号经单神经元自适应PID 控制器输出产生有功电流Id，通过改变GSC 的有功功率可得出风电场能够提供的无功功率。 电网所需无功由GSCs 和储能协调提供。电压参考值设置为1.02 pu。

在正常工作情况下，风电机组无功发电量的裕度取决于输送到电网的有功功率。 无功电流Iq由GSC 的容量和有功电流d 轴分量共同确定。PCC 电压控制器会生成有功电流分量的参考值Id，由各个风电机组平均分配。 如果风电场容量不足以提供无功电流，则由储能系统提供。则储能系统的电流参考icd-ref为

由式（11）可知，d 轴参考电流 igd-ref由控制器决定，风电场和储能系统正常控制。

2.2 神经元自适应PID控制器

电网发生故障时，即使远离风电场的位置，也会出现风电场连接点处的电压下降。 这将导致涡轮机输入功率与发电机输出功率的不平衡，而多余能量会储存在直流环节的电容器内，使直流母线电压快速上升，损坏变流器。 根据图4 可知，总线2 的电压偏差ΔV2被馈入控制器以产生一个辅助控制信号Id，最终在风电场变流器的限制下，形成两个补偿无功功率的控制信号icd-ref和igd-ref，作为风电场和储能控制器的输入。 其基本原理是通过在电网故障期间快速改变风电场和储能系统提供的无功功率量，降低PCC 的电压下降程度。 由于电压和无功功率之间的直接耦合，使用电压偏差ΔV2作为控制器的输入信号更加直观。

从ΔV2到Id的传递函数非线性，取决于网络拓扑。利用神经网络可以解决以上问题，同时避免导出分析函数。 单个神经元模型构成的神经网络就是单神经元网络。 单神经元PID 控制器输出规律为

式中：k 为采样的序号；Id（k）为第 k 次采样时控制器的输出；ωi（k） 为对应的各状态变量的权值；xi（k）为各输入状态量；φi（·）为输出神经元的激活函数。

在控制过程中，常规PID 控制参数无法改变，单神经元自适应控制器可以通过对加权系数的调整实现自适应、自学习，且结构简单，易于计算。 其控制结构如图5 所示。

图5 神经元自适应PID 控制结构Fig.5 Neuron adaptive PID control structure

设单神经元网络的激活函数为线性函数，则取φi（·）为神经比例K，且为正实数，则神经元输出为

权系数的学习使用Hebb 学习算法进行仿真实验，神经元权值更新表达式为

式中：e（k）为第 k 次采样时的偏差值；kP，kI，kD分别为3 个权值的学习速率，且系统对权值进行了归一化处理。 权值的更新是神经元不断学习的过程，新的权值是旧权值与一个学习变化量的和，当输出与设定值相等时，学习过程结束。

本文将PCC 实际电压与参考电压的误差信号输入值与权值系数相乘，经神经元求和经激活函数处理后，输出风电场与储能系统所需的电流参考值Id。 风电场与储能系统的电流输出再反馈给输入，使权值发生改变，通过权值的不断调整，使系统输出最终达到预想。 最终参考电流Id′为

式中：C1，C2，C3和 C4分别为各变量的系数。

3 仿真及结果分析

为了验证风储联合系统无功功率自适应控制方案的有效性，在Matlab/Simulink 软件中建立了风储联合系统模型，忽略阻尼的影响。 搭建10 MW 风电场配电网的动态模型，储能系统经变压器升压接入功率汇聚点35 kV 母线处，接入点所处电压等级为110 kV，风力发电机额定功率Pn为2 MW，共采用5 台风机，假设风速保持不变，风速为11.8 m/s，t=1.5 s 时，电网发生故障，故障持续时间为 300 ms。 控制信号为 PCC 点电压 V2，神经元的比例系数 K＝0.12，初始权值系数 w1＝0.1，w2=0.1，w3=0.1，学习速率 kp＝0.40，kI=0.35，kD=0.40，系统的抽样时间间隔ts＝0.001 s，激励作用时间t＝0.2 s。 风电场系统接线如图6 所示。 储能系统连接在总线2 处，风电场经过远距离传输到电网。

图6 风储系统接线图Fig.6 Wiring diagram of wind storage system

根据以上仿真条件，利用Simulink 仿真平台分别对常规PID 协调控制和单神经元自适应PID协调控制的风储系统进行了比较，电网发生三相电压跌落时，采用无功协调控制方案前后对比如图7 所示。

图7 PCC 电压Fig.7 PCC voltage

由图7 可知，当电网电压跌落50%时，在常规PID 控制下电压跌落幅度仍旧较大，而在本文所提出单神经元自适应PID 协调控制策略下，风储联合系统可以有效提供无功功率支撑，电压得到明显改善，电压可以恢复到0.8 pu 左右。

图8 为风储系统在常规PID 协调调节并网点电压和风储系统在单神经元自适应PID 协调控制策略下的风电场输出无功功率比较。 电网在1.5 s 发生故障时，电压大幅跌落，风储公共耦合点电压也随之发生变化。 与常规PID 控制策略相比，采用单神经元自适应PID 的协调控制策略在电网故障初始时可以迅速向电网注入更多的无功功率，并协调风电场与储能的无功功率，由于储能无功功率的输出，为风电场分担了一部分无功任务，使风力发电出力尽可能最大，风电无功功率输出在合理范围内。

图8 风电场无功功率曲线Fig.8 Reactive power curve of wind farm

图9 为电网电压发生跌落时，两种方案下储能系统发出的无功功率。

图9 储能系统无功功率曲线Fig.9 Reactive power curve of Storage

由图9 可知，常规PID 控制下储能系统只在电网故障初始期间迅速发出大量无功功率, 支撑电压恢复，相当于故障期间电压恢复所需要的无功功率全部由风电场提供，而在单神经元自适应PID 协调控制下，储能系统可以连续平稳地输出无功功率，最终使电压上升到额定值的80%左右。 这是因为无功协调的控制方案能够将风电自身的无功调节能力与储能结合，根据无功需求实时调节，动态地补偿一定的无功功率，从而提升并网点电压。

综上，风电场能够发出约3.3 MW 的无功功率，并且在故障刚开始的时候尖峰值达到6 MW。传统控制下，故障期间基本由风电场发出无功功率，而储能系统仅在故障初始发出大量无功功率，最高可达2.5 MW，但之后基本不再提供无功功率，全由风电场发出无功功率。 在协调控制策略下，储能配合风电场也在故障期间分担了一部分的无功功率，从波形图中可以看出数值不大，大约为1 MW，因此，可以选择小容量的储能系统，与只利用无功补偿装置补偿无功功率的方式相比，能够减小投资成本，具有较好的经济性。 这样，各个无功源相互配合发出的无功功率使得风力发电系统的并网点电压得到提升，有助于其穿越电网故障。

4 结论

本文提出了一种基于神经元自适应的风储联合系统的无功功率控制策略，可以在系统发生故障的条件下增强PCC 电压恢复。 当电网发生故障、电压跌落50%时，与常规PID 控制相比，在单神经元自适应PID 协调控制策略下，风电场可以迅速注入大量无功功率，储能系统稳定输出无功功率，使PCC 电压提升到0.8 pu 左右，电压跌落得到明显改善。 并且在储能系统不需要提供无功功率、不需要参与电压调节时，可以进行风电场的功率平滑或频率调节，这方面的研究有待进一步的学习探讨。