多端口DC-DC变换器型风光互补系统的分布式模型预测控制

张 怡，刘 洋

（华北理工大学电气工程学院，河北 唐山 063210）

1 引言

太阳能和风能是两种重要的可再生清洁能源，由于两种能源之间地域分布相隔较远且受到昼夜变化、自然因素等外界条件的影响而决定其各个输出功率的大小，单独的风力发电和光伏发电会导致发电和用电负荷的不均衡[1]。

因其风力发电和光伏发电在自然条件下具有互补性，以至于利用以风光互补混合系统去发电成为一种必然的选择且对现代电力行业具有重要的研究价值[2]。

模型预测控制（model predictive control，MPC）是近几年提出用来解决系统优化问题的方法，该方法能够很好地对约束问题进行在线的处理[3-4]。

随着网络信息化技术的逐步完善，集中式控制和分散式控制的方法对于局限且系统之间没有信息交流的弊端现象，导致了系统在优化方面的耗时大、效率低，逐步地被分布式的思想所替代[5-7]。

分布式MPC是将集中式的控制方法划分为多个关联度很高的子系统，增强集中式系统中无通讯交流或交流少的缺陷且为每个子系统都设计了一个独立的控制器去优化和调节[8]。

针对大规模且地理分散的风光互补系统中，提出用分布式模型预测控制策略对其进行控制和优化，在此基础上，把多端口双向DC-DC变换器运用到风光互补系统中。

实验研究证明，该方法能够使系统稳定的实现功率平衡要求且优化效率高、时间短。

2 多端口DC-DC变换器型风光互补系统

多端口DC-DC变换器型的风光互补系统由风力、光伏和蓄电池三个独立的子系统组成，其结构，如图1所示。

图1 多端口DC-DC变换器型风光互补系统结构图Fig.1 Multi-Port DC-DC Converter Type Wind-Solar Complementary System Structure Diagram

图中：iw、is—风力和光伏发电子系统的输出电流；uw、us—风力涡轮机和光伏板的控制信号（DC/DC整流器的占空比）；ib、iL—电池和负荷的输入电流。

其中，风力和光伏发电去解决系统中多数情况下的负荷需求，当两个子系统共同发电超出负荷需求时，剩余的能量会提供给电池组[9]。而风力和光伏子系统发出的功率满足不了系统的负荷需求时，电池组会进行必要的补充。

2.1 风力子系统模型

风力发电子系统包括风机、一个多极永磁同步发电机（PMSG），整流器和DC/DC转换器。

风力发电子系统的数学模型可描述如下：

2.2 光伏子系统模型

光伏发电子系统包括由多个光伏板组成的光伏面板阵列和DC/DC 转换器，其中DC/DC 整流器把太阳能转化成电能，其结构，如图1所示。数学模型描述如下：

2.3 蓄电池模型

蓄电池组作为风光互补发电系统中的第三个子系统，不仅能在风力和光伏正常发电维持系统负荷端功率平衡条件下储存其两个系统剩余的能量，还能在风光两者供给能量不足的条件下提供自身的能量去满足负荷端的需求。其结构为一个电压源Eb串联一个电阻Rb和一个电容cb模型如下：

式中：fc(xw，xs，vc)—非线性标量函数。

3 分布式模型预测控制器

单个风光互补系统的状态空间方程为：

4 仿真实验

整个仿真过程中，取预测时域Np=10，控制时域Nc=10，采样时间Ts=10ms，仿真时间为260s，外界环境条件，如图2所示。

图2 外界环境Fig.2 External Environment

光照强度在（55～70）MW/cm2之间平稳运行，温度在（25～35）℃之间波动，风机风速在（5～15）m/s之间小幅波动，负荷需求在60s 由（3.5～4.3）MW，在100s 跌落到4MW，在150s 跌落到3.7MW，最后在190s又升至4.3MW。

风力和光伏的输出功率，如图3所示。从图3中可以看出当风力发电子系统的输出功率最大化时也不能满足系统的负荷需求，此时，光伏发电去补充且效果很好，蓄电池只有在（200～240）s进行必要的补充。蓄电池的输出功率，如图4所示。

图3 风力和光伏的输出功率Fig.3 Output Power of Wind and Photovoltaic System

图4 蓄电池的输出功率Fig.4 Output Power of Bank System

为了对比分布式模型预测控制和其他控制方法，分别对风力发电子系统和光伏发电系统做了一个（2000～4000）W 和光伏发电系统从（800～400）W的阶跃响应，其控制效果，如图5所示。

图5 风力、光伏发电子系统输出功率效果图Fig.5 Output Power Control Effect Comparison Chart of Wind and Solar

研究结果表明，分布式模型预测控制相对于传统的PID控制方法效果好很多，但略差于集中式控制方法。

从表1可以看出，在260s的仿真优化过程中，随着优化时间的变长，分布式的优化效率明显强于集中式，而且优化时间越长，其效果越明显。

表1 分布式和集中式模型预测控制优化时间对比Tab.1 Distributed and Centralized Model Predictive Control Optimization Time Comparison

综上所述，在针对大规模的风光互补发电系统中，运用分布式模型预测控制去优化和调节效果好、速率高。

5 结论

针对大规模且地理分散的风光互补系统，各个子系统优化时缺少通讯交流，提出基于模型预测控制的方法设计各个子系统的控制器去合理分配各个子系统的输出功率。

针对传统风光互补系统中风力、光伏和蓄电池三个子系统之间都要都要通过一个单独的DC-DC 变换器才能实现功率交流，进而维持整个系统功率平衡的现状，提出把多端口DC-DC变换器运用到该系统中去。

最后，通过仿真证明了该方法在保证各子系统实现通讯交流的基础上，使系统稳定可靠安全的运行，且对于传统的控制方法，优化效果好且速率高。