经济性约束下离网型风光储互补系统电压研究

马紫琬，高仕红，汤 洋，董岳昆，陈 谦，黄 京

(湖北民族大学 信息工程学院，湖北 恩施 445000)

最近几年，为弥补传统电力的不足而研究的离网型风光储互补发电系统得到了大力推广，取得了一定的社会和经济效益.离网型风光储互补发电系统主要用于偏远地区居民的生活用电、路灯照明、偏远山区的通信基站等方面.由于离网型风光储互补系统各单元间存在电能的交互，考虑各设备运行损耗、功率交互极限及电能消耗等约束条件时，系统成本对直流母线电压的稳定有较大影响[1-3].为抑制离网型风光储互补系统直流母线电压的波动，国内外学者做了大量研究，主要通过调控储能单元容量或采用电压控制手段来提高直流母线电压的稳定性.朱晔等[4]针对风光储系统，考虑碳排放成本优化运行，实现了单情景模式下的运行成本最小化，一定程度上减少了弃风弃光与削减负荷的现象.刘剑青等[5]研究了微电网运维调控的基本单元及特性，实现了微电网的仿真系统.Murty V等[6]针对复杂自然环境、蓄电池工作状态及负荷需求等问题，提出了与储能单元配合运行的多情景模式.齐志远等[7-8]针对风光互补系统能量流动，提出了最大功率跟踪、负载功率跟踪控制，直流母线电压稳定控制采用下垂控制和PQ控制策略，在一定程度上改善了直流母线电压的振荡情况.但这些文献未对风光储互补系统的负荷变动及能源调度作优化分析，从而导致系统运行成本偏高、经济性较差.杨珺等[9-10]等研究了风光储互补系统中储能单元容量配置优化问题，利用遗传算法对蓄电池和超级电容混合优化.葛维春等[11-13]等研究了微电网系统运行的经济性及环境效益，但均未考虑分时参考电价对用户负荷需求及多能源交互对系统运行成本的问题，以及未考虑经济性约束下离网型风光储互补系统直流母线电压的稳定问题.

本文针对多情景模式下直流母线电压相对稳定性的问题，深入分析储能单元容量与用户负荷量对系统直流母线电压稳定性影响的机理.在充分考虑风光储互补发电系统运行成本的前提下，通过优化配置储能单元容量和切除非关键负荷手段，采用分时参考电价模型预测控制的方法，通过典型算例验证，本文采用的控制方法能有效减小风光储互补系统直流母线电压跃升和跌落的波动幅值.

1 风光储互补发电系统模型

离网型风光储互补发电系统一般由风力发电、光伏发电、储能及负荷等基本单元组成，如图1所示.其中，风力发电和光伏发电单元为微电网的主要供能模块，储能单元为系统的备用电源.

图1 风光储互补发电系统结构图Fig.1 Structure diagram of wind-solar storage complementary power generation system

1.1 风力发电单元

风力发电机输出功率与风速之间的关系可近似表示为[14]：

(1)

其中,Pwt为风机的输出功率；Pr为额定功率；υ为实际风速；υi为切入风速；υr为额定风速；υco为切出风速.

1.2 光伏发电单元

光伏发电输出功率与光照强度和环境温度有关，其表达式为[14]：

(2)

其中,PSTC为光伏阵列标准条件下的额定输出功率；GSTC为标准条件下太阳辐射度；GC为工作点实际太阳辐射度；k为功率温度系数；TC为t时刻工作点温度，TSTC为标准条件下温度；NPV为光伏阵列单元数量.

1.3 储能单元

由储能系统充、放电功率可得到其荷电状态为[15]：

(3)

式中：t0为初始蓄电池容量时刻；ηch和ηdis分别为蓄电池的充电和放电效率；Pch(t)和Pdis(t)分别为蓄电池充电和放电功率；S为蓄电池额定容量；SOC(state of charge)为蓄电池容量；Δt为步长.

2 模糊C均值聚类算法与模型预测控制策略

模糊C均值聚类算法将某月24 h负荷划分为峰、平、谷三时段类型，并对每时段采用分时参考电价，该举措可刺激用户调整用电时段，起到削峰填谷的作用.在风光储互补发电系统中，根据运行成本最小化目标方程及各种约束条件，建立风光储互补发电系统经济运行优化模型，采用模型预测控制优化策略，增强系统的经济性运行能力.

2.1 模糊C均值聚类算法

模糊C均值FCM(fuzzy C-means)属于划分式聚类算法，用模糊的方法来处理聚类问题.模糊C均值聚类算法原理如下：某个样本Xj(j=1,2,…,n)必属于一个子集，要么完全属于，要么完全不属于.若增加特征函数μij表示样本Xj对样本Xi子集的隶属程度，特征函数μij为：

(4)

模糊C均值算法将负荷划分为峰、平、谷三时段，并确定出分时参考电价，达到削峰填谷的目的，使系统运行获得最佳经济性[16].根据文献[17]给出的30 d 24 h负荷数据，通过模糊C均值算法将负荷进行峰、平、谷时段聚类，如图2所示.

图2 负荷时段聚类Fig.2 Clustering of load periods

根据隶属度矩阵值，得出分时参考电价时段，如表1所示.

表1 参考电价时段划分Tab.1 Time division of reference electricity price

2.2 模型预测控制策略

根据分时参考电价、用电负荷及风力发电及光伏发电单元输出的电能数据，结合目标方程与约束条件，可获得风光储互补系统的运行成本.

2.2.1 目标方程 考虑到风光储互补系统的安全和经济运行，控制目标主要为风光储互补系统的储能单元，其目标方程为：

(5)

2.2.2 约束条件 当系统功率富足时，系统的剩余能量利用蓄电池储存起来；当系统功率短缺时，蓄电池释放供能以满足负荷需求.蓄电池的充放电状态约束条件为：

(6)

其中，Uch,t与Udis,t分别用0-1代表蓄电池启停，Pbat,min和Pbat,max分别为蓄电池的上下限值，SOCmin和SOCmax为荷电上下限值.功率平衡约束条件：

PPV,t+PW,t+Pbat,t=Pload,t,

(7)

其中，PPV,t、PW,t、Pbat,t与Pload,t分别为光伏、风机、蓄电池及用户用电负载功率.

根据模糊C均值算法的负荷聚类结果、系统经济运行控制的目标方程和约束条件，本文采用的模型预测控制策略流程图，如图3所示.

图3 模型预测控制优化策略流程图Fig.3 Flow chart of optimization strategy of model predictive control

3 算例分析

3.1 风光储互补系统仿真模型构建

基于Matlab/Simulink平台构建的风光储互补发电系统仿真模型，如图4所示.其中，通过调整容量设定值来实施储能单元的配置，改变不同时段非关键负荷的有功消耗量来实现负荷调整.

图4 风光储互补发电系统仿真图Fig.4 Simulation diagram of wind-solar storage complementary power generation system

其中，图4中风力发电机、光伏电池及储能蓄电池主要参数为：风力发电机额定风速9 m/s，风轮直径4 m,磁链为0.194 4，定子绕组电阻0.05 Ω，定子绕组电感6.35 mH,额定转速40 rad/s,转动惯量0.192 kg·m2,极对数36;光伏电池板开路电压44 V，短路电流14.88 A，最大功率点处电压34.8 V,最大功率点处电流13.88 A；储能蓄电池额定容量250 kW·h，额定电压200 V.

依据参考文献[18-19]提供的数据，可获得24 h内的风速曲线、光照辐射曲线及负荷用电时段，如图5所示.其中强风、弱风、强光、弱光分别是基于一般风、光情景区间内±20%得到的数据曲线.

图5 风光储数据曲线图Fig.5 Diagram of wind-solar storage complementary power system

3.2 模型验证及结果分析

为验证模型预测控制下容量配置和负荷切除策略对直流母线电压稳定性的影响，对所构建的风光储互补发电系统模型进行了仿真研究.根据不同的风速和光照辐射度，可组合9种情景模式，包括：弱风弱光、弱风一般光、弱风强光、一般风弱光、一般风一般光、一般风强光、强风弱光、强风一般光及强风强光.仅仿真验证5种典型情景模式，即弱风弱光、弱风强光、一般风一般光、强风弱光与强风强光，因其余四种情景模式与上述5种典型情景模式相似，在此不进行仿真分析.将3种不同时段负荷应用到5种典型情景中进行仿真研究，直流母线电压的波动情况如图6所示.

图6 5种典型情景模式下直流母线电压的波动情况Fig.6 Fluctuation of DC bus voltage under five typical scenarios

由图6可知，当0:00-6:00少量负荷时，6(a、b、c、d、e)直流母线电压在380 V上下振荡，振幅为±15 V，风机和储能单元为负荷提供能量；当9:00-18:00一般负荷时，6(a、c、d)直流母线电压稳定在380 V，9 h因光伏单元逐渐替代储能单元，运行出现暂态跃升并随后趋于稳定,其中6(b、e)直流母线电压幅值跃升，跃幅分别为32 V和40 V，12:00-17:00光伏为主要供电单元且供大于求；当7:00-8:00、19:00-23:00大量负荷时，6(a、c、d、e)直流母线电压跌落，跌幅分别为-30、-32、-32、-40 V，风机、光伏和储能单元供电不满足负荷需求，其中6(b)直流母线电压在380 V上下振荡，最大振幅为32 V，主电源风机单元和储能单元配合供能.

3.3 问题解决方案

由图6可知，当负荷需求较大时，未配置容量前直流母线电压不能稳定在380 V，其中情景4模式下直流母线电压的稳定性情况最差，情景3模式下次之.依据前期大量的仿真实验数据对比，分别选择150、200、250 kW·h典型数据容量进行经济性分析，通过模型预测控制策略可获得系统的运行成本及最优容量配置，如表2所示.

表2 模型预测控制日前预测容量配置前后经济性对比Tab.2 Economic comparison before and after the forecast capacity configuration of the model predictive control

由表3可知，未配置容量前，情景3与情景4运行成本出现负增长，可通过配置不同容量进行改善.当容量配置为150 kW·h时，情景2、情景3、情景4成本均偏高；当容量配置200 kW·h时，情景3可获得最佳运行成本，运行费用下降了9.454%；当容量配置250 kW·h时，情景2、情景4可获得最佳运行成本，运行费用分别下降了18.557%、74.832%，同时可满足负荷最大需求量.

情景1和情景5随着容量配置的增加，成本费用依次增高，无法满足系统的运行经济性要求，可采取切除非关键负荷的方法解决.由上述3.2可知，负荷单元依次切除13、14、15 kW负荷量，系统可获得最佳运行成本，如表3所示.

表3 模型预测控制日前预测切除负荷前后经济性对比Tab.3 Economic comparison before and after the forecast of excision load of the model predictive control

由表3可知，当情景1和情景5分别切除15 kW时，系统可获得最佳运行成本，运行费用分别下降了39.608%、12.169%.

3.4 系统稳定性分析

在保证系统运行经济性的前提下，为维持直流母线电压的相对稳定，对五种典型情景模式采取如下措施：情景1和情景5切除15 kW负荷，情景3配置200 kW·h容量，情景2和情景4配置250 kW·h容量.

3.4.1 配置容量前后直流母线电压的稳定性分析 根据上述情景2、3、4模式下的储能单元容量配置原则，容量配置前后直流母线电压的稳定情况，如图7所示.

图7 配置容量前后直流母线电压稳定性对比Fig.7 Comparison of DC bus voltage stability before and after configuring capacity

0:00-6:00和23:00-24:00时段内直流母线电压保持相对稳定，在此不作分析.由图7可知，容量配置前，18:00-22:00时段内情景2、3、4模式下的直流母线电压发生跌落，9:00-10:00时段内情景2、4模式下及13:00-17:00时段内情景3模式下的直流母线电压出现跃升.情景2、4模式下配置250 kW·h容量及情景3模式下配置200 kW·h容量后，直流母线电压趋于相对稳定.

3.4.2 负荷切除前后直流母线电压的稳定性分析 根据上述情景1、5模式下的非关键负荷切除原则，非关键负荷切除前后直流母线电压的稳定情况，如图8所示.

图8 负荷切除前后直流母线电压稳定性对比Fig.8 Comparison of voltage stability of DC bus before and after load removal

由图8可知，切除非关键负荷前，18:00-22:00时段内情景1、5模式下的直流母线电压发生跌落，9:00-10:00时段内母线电压出现跃升.情景1、5模式下切除非关键负荷后，直流母线趋于相对稳定.

综上，由图7和图8可知，光伏和风机单元的出力受太阳辐射和风速影响而实时变化，导致风光储互补发电系统直流母线电压波动.本文在5种典型情景下充分考虑了系统运行成本问题，采用配置储能容量和切除非关键负荷的方法改善电压跃升和跌落的现象，直流母线电压波动得到了抑制.

4 结论

为减少风速和光照辐射影响下直流母线电压幅值的波动，本文在充分考虑系统运行成本前提下，采用了配置储能容量和切除非关键负荷的手段.详细阐述了模糊C均值聚类分时参考电价与模型预测控制原理并编写了其算法，构建了风光储荷仿真模型.为验证所采取策略的有效性，在5种典型情景下分别对三种负荷进行研究，通过图表分析对比，本文所采取的容量配置和非关键负荷切除策略具有稳定电压振荡的作用，有效减少了直流母线电压跌落和跃升的波动幅值.