一种适用于风—光—柴发电系统的混合储能控制策略研究

朱少欣 广东海洋大学海运学院

许媛媛 广东海洋大学海运学院 南方海洋科学与工程广东省实验室(湛江)

徐茂栋 贾宪章 广东海洋大学海运学院

随着传统能源的枯竭和环境污染的日益严重，可再生能源的开发已成为全球的发展趋势。目前中国很多海岛电站都是采用技术相对落后的柴油机发电系统，其存在发电效率较低、环境污染较高等问题。与柴油发电系统相比，海岛太阳能、风能等可再生资源的利用更加环保且具有广阔的发展前景和应用价值，但孤立的风能发电系统或者光伏发电系统均无法实现资源利用的最大化，为解决这一问题，本文对风-光-柴互补发电系统开展研究。针对不同气候条件下的分布式发电系统产生的能量有所差异的问题，本文提出了基于系统荷电状态（State of charge，SOC）的能量分配策略，该策略基于荷电状态对发电系统采用不同的控制模式，充分发挥不同能源的互补优势，实现兼顾经济成本和供电可靠性的目标。

1.分布式发电系统拓扑结构

本文提出的分布式发电系统拓扑结构图1所示，主要由发电模块、储能模块和控制模块组成。其中发电模块包括蓄电池储能系统、光伏发电系统、风力发电机组、柴油发电机组、储能模块包括超级电容、磷酸铁锂电池组；控制模块主要包括整流/逆变装置、荷电状态SOC（State of charge，SOC）监测系统等。基于SOC检测系统实时监测系统输出功率的荷电状态值SOCs、磷酸铁锂电池组的荷电状态值SOC和超级电容的荷电状态值SOC。

图1 交流微电网系统结构

2.分布式电源模型

2.1 风力发电模型

图2给出了风力发电的基本原理图，将机械能的风能带动风叶转动后通过发电机把机械能转换为电能，最后经整流、逆变、变压模块并入电网。与其他可再生能源相比，风力发电工程应用技术更加成熟、广泛。

图2 风力发电模块基本原理图

风力发电机的输出功率随风速变化而变化，风电机组输出功率与风速之间的近似关系如公式（1）。

式中P（v）为风力发电机的输出功率，V为额定风速，V为切入风速，V为切出风速，P为风力发电机的额定功率。

2.2 光伏发电模型

图3给出了光伏发电的基本原理图，光伏陈列可以直接将光能转化为直流电能，在监控系统的控制下，再经过配电柜、逆变、变压模块，将直流电变为可并入电网的交流电。

图3 光伏发电系统基本结构

光伏阵列是将太阳能转换为电能的装置，它的实际输出功率可由标准额定条件下的输出功率、光照强度、环境温度计算得到。

光伏电源的出力仅与光照强度和环境温度有关，式中，P为光伏电源的输出功率；P为光伏电源额定功率；G为工作点的辐射强度；T为电池表面温度，其值与环境温度近似；k为功率温度系数。

2.3 柴油发电机组模型

柴油发电机第t个时段内的油耗量可用公式（3）表示，k为柴油机油耗系数；p（t）为t个时段内柴油发电机组出力。

柴油机组发电功率受自身功率容量约束：

式中，N为柴油机配置数量；P为单台柴油机发电机额定功率容量。

2.4 储能电池模型

根据能量守恒原理，任意时间段储能电池系统充放电分别满足以下公式：

电池充电时：

式中，E为单个标准额定容量；SOC、SOC分别为电池系统剩余电量百分比的上、下限。

式中，E(t)、E（t-1）分别为第t和第t-1个时段结束时电池系统剩余电量；I为电池系统每小时自漏电率；P（t）为第t个时段电池系统向外部电网充电功率；η为电池系统充电效率。

电池放电时：

式中，P（t）为第t个时段电池系统向外部电网放电功率；η为电池系统放电效率。

为防止储能电池系统充、放电功率过大导致其过热进而影响使用寿命，须满足：

式中，P为单个电池额定功率（k w）；N为储能电池配置数量（台）。

电池系统剩余电量百分比约束为：

3.系统荷电状态SOC的计算方法

3.1 蓄电池SOC的计算研究

目前SOC的计算方法有多种，其工程应用也趋于成熟。常见的计算方法主要包括：卡尔曼滤波算法、开路电压法、内阻法、安时计量法、人工神经网络法、模糊逻辑算法等，其中卡尔曼滤波算法和内阻法是近几年蓄电池研究使用比较普遍的算法。

内阻法计算蓄电池的SOC，其容量大小不仅与电池的运行参数如工作环境温度、终端电压等相关，同时与电解液密度、电池内阻等电池的构造参数相关。作为电池最重要参数的内阻，与容量有着紧密的联系，它不仅反映电池的寿命即电池的老化程度，而且还能反映电池当前的荷电存储状态，即电池内阻大小可以反映电池的寿命、性能和充电状态。采用内阻检测的方法检测电池的寿命与性能是目前应用较为成熟、可靠的方案。目前在实际应用中，主要利用直流放电的测量方法和利用交流信号的阻抗测量方法。利用直流放电的测量方法，通过理想的直流电路，采用瞬间达几十安培甚至上百安培的电流对蓄电池进行放电，然后对电池两端的瞬间压降进行测量，最后根据欧姆定律对电池内阻进行计算。该方法的缺点必须在静态或脱机的情况下进行，无法实现在线测量。而且蓄电池组放出的瞬间电流较大，对蓄电池组和负载均会造成较大冲击，影响电池寿命。此外，测量结果稳定性不佳，一般适用于对测量精度和安全性要求不高的场合。

相比于内阻法，利用卡尔曼滤波方法计算蓄电池的SOC则简单许多。基于卡尔曼滤波的蓄电池SOC算法需要建立电池等效电路模型，目前常用的电池模型包括Rint模型、Thevenin模型、PNGV模型以及Randles模型。其中，Randles模型具有较高精度，其余两种等效电路模型复杂度和精度均适中，而针对电池SOC的估算，可以通过安时积分法得到，从而实现电池的状态空间模型的建立最后通过协方差矩阵来确定估计误差范围，寻求最优估计值。卡尔曼滤波方法适用于各种电池，因为它不要求电流恒定，所以尤其适合于电流波动比较剧烈的蓄电池SOC的估计。该方法在SOC初值不准时，可使SOC的估计值不断向真实值收敛，对解决电池自放电问题非常适用。

3.2 超级电容SOC的计算研究

目前国内外对于超级电容SOC算法研究比较少，在一些涉及到超级电容能量控制等问题，需要计算超级电容SOC时，往往采用一些较容易实现的算法，例如开路电压法、安时计量法及扩展卡尔曼算法等。其中，扩展卡尔曼算法不同于传统卡尔曼算法主要应用于线性定常系统，其适用于非线性储能系统SOC的计算，例如超级电容SOC的计算。

基于扩展卡尔曼滤波（extend Kalman filtering，EKF）的SOC算法，首先获得电容器端电压计算公式，进而得出一阶非线性模型系统的状态空间方程。对于一阶非线性模型超级电容器的非线性体现在其端电压与SOC的关系上，用函数F[SOC(t)]来描述。在运用EKF时，需要把非线性函数进行泰勒级数展开，去除高阶项，使非线性方程近似成线性方程，然后根据传统卡尔曼滤波算法进行SOC的估计，其算法流程如图4。

图4 EKF算法流程图

基于上述分析，本论文能量管理控制策略中蓄电池SOC基于卡尔曼滤波的二阶RC Randles等效电路模型进行计算，该等效电路模型不仅能够计算出SOC的概略值，还可以评估SOC的误差范围。超级电容SOC基于扩展卡尔曼滤波算法进行计算，进而根据不同储能模块荷电状态进行能量分配策略。

4.能量管理控制策略

海岛微电网能源管理系统关键核心和枢纽是能量管理与控制策略，微电网能源管理系统结构复杂，由非线性特性的电力电子设备构成，是属于集机械设备、电子电器于一体的非线性系统。本文提出一种基于系统荷电状态（State of charge，SOC）的能量分配策略，通过监测和比较柴油机稳定输出功率P，储能系统输出功率P，负荷功率P，风机和光伏供电功率P，并检测储能系统输出功率的荷电状态值（SOC），控制发电系统运行在四种工作模式模式，如图5所示：

图5 能量管理规则流程图

（1）模式一：风机和光伏供电，储能装置充电。P≥P，P=P-P；

（2）模式二：风机和光伏供电，储能装置不工作。P=P，P=0；

（3）模式三：风机光伏供电，柴油机组供电，储能装置充电。P≤P，P+P≥P，P=P+P-P；

（4）模式四：风机光伏供电，柴油机组供电。P≤P，P≤P，P=P+P其中工作模式一拥有最高优先级，只要满足模式一条件，系统工作方式自动进入模式一。此外，当储能系统SOC＜0.2时，系统会实施功率限制使得P=P，直至SOC≥0.2。

在保证风机和光伏正常运行及系统荷电状态的能量分配策略基础上提出以上四种运行模式，当储能系统的输出功率荷电状态SOC≥0.7时保持默认的工作模式一：风机和光伏供电，储能装置充电运行；当储能系统的输出功率荷电状态为0.2≤SOC≤0.7时，进一步判断风机和光伏的供电功率与负荷的功率大小，若风机和光伏的供电功率大于负载的供电功率，则说明此时由风机和光伏供电可满足负载的正常运行，则运行于工作模式二：风机和光伏供电，储能装置不工作；若供电功率小于负载的功率，则说明风机和光伏所供电能不满足负载所需能量，此时启动工作模式四：风机光伏供电，柴油机组供电；当储能系统的输出功率荷电状态SOC≤0.2时，再进一步判断风机和光伏的供电功率与用于负荷的功率大小，若风机和光伏的供电功率大于等于负载功率，说明此时虽然储能系统输出功率的荷电状态低但是仍能满足负载的需求，即保持默认的工作模式一继续保持风机和光伏的供电，且不断的给储能装置充电；若风机和光伏的供电功率小于负载功率，则需要其他能量进行补充，即运行工作模式三，风机光伏供电，柴油机组供电，储能装置充电。

通过判断不同储能系统输出功率的荷电状态进而判断光伏和风机的输出功率和负载使用功率的大小从而使用不同的供电方式这样能够有效合理的提高风-光-柴发电混合储能系统能源的利用率，充分发挥不同能源的优势，实现兼顾经济成本和供电可靠性的目标。

5.结语

针对交流微电网风—光—柴发电系统的混合储能系统能源利用率低的问题，本文提出一种基于系统荷电状态（State of charge，SOC）的能量分配策略，研究了不同储能模块荷电状态的计算方法，并从荷电状态的角度出发，归纳总结出发电系统的四种工作模式，对每一种工作模式进行了分析讨论。结果表明：提出的基于系统荷电状态的能量分配策略能够有效合理的提高风-光-柴发电混合储能系统能源的利用率，可为并网型和离网型微电网的发展提供一定的理论依据。