基于分布式电源的配电网电池储能控制系统设计

刘瑞清

（国网江西省电力有限公司兴国县供电分公司，江西 兴国 342400）

0 引 言

近年来，分布式电源以其清洁、高效、灵活等优点受到广泛关注。然而，分布式电源的间歇性和波动性给电网的安全稳定运行带来挑战。电池储能技术可有效缓解分布式电源的不确定性，提升电网的可靠性。文章针对分布式电源接入配电网的特点，设计一套基于电池储能的智能控制系统，并通过仿真和实验验证了其可行性和有效性。

1 分布式电源类型及其特点

分布式电源指分布在用电区域附近的小型发电设施，主要包括光伏发电、风力发电、小水电及燃料电池等。以光伏发电为例，其利用光伏效应将太阳能直接转换为电能，具有无污染、无噪音、可再生等优点[1]。然而，光伏发电受日照强度和温度等因素影响，其输出功率呈现间歇性和波动性，短期功率波动可达30%以上。风力发电同样面临风速变化导致的功率波动问题，其输出功率与风速的三次方成正比，风速变化10%将引起功率波动30%。微型燃气轮机启停频繁，其热回收蒸汽发生器启动时间需要30 ～60 min，而一次调频响应时间仅为数秒。小水电受水流量影响，其输出功率与水头和流量成正比，枯水期发电量骤减。可见，分布式电源普遍存在功率间歇性波动大和一次调频响应慢等特点，给配电网的稳定控制带来挑战。因此，需要引入电池储能系统，利用其快速充放电能力平滑分布式电源波动，维持电网频率稳定，提升供电可靠性。

2 基于分布式电源的配电网电池储能控制系统设计

2.1 智能调度算法设计

为实现分布式电源和电池储能的协调优化调度，文章设计一种基于模型预测控制（Model Predictive Control，MPC）的智能调度算法。该算法以滚动优化的方式，在每个调度周期内求解一个多时间尺度的优化问题，目标函数包括经济性、安全性和环保性等多个方面[2]。其中，经济性目标考虑电池储能的充放电成本和效率，以及分布式电源的发电成本；安全性目标考虑电网的频率和电压偏差，以及线路潮流限制；环保性目标考虑分布式电源的碳排放强度。在约束条件中，考虑电池储能的充电状态（State of Charge，SoC）限制、充放电功率限制以及分布式电源的爬坡率限制等。优化模型可表示为

式中：Pt为各个电源和储能在时刻t的出力；C为发电和储能成本函数；Δft和ΔVt分别为t时刻频率和电压偏差；E为碳排放函数；λ1、λ2、λ3为权重系数；T为时间序列，表示优化问题考虑的一段时间范围内各个时刻。

求解式（1），可以得到未来T个时刻的最优出力计划，并将第一个时刻的控制量作为当前时刻的控制指令下发给各个分布式电源和电池储能单元，从而实现滚动优化的智能调度。

2.2 数据采集与监控系统建设

为精准执行智能调度算法，需要建设一套完善的数据采集与监控系统。该系统采用分层分布式架构，主要包括现场层、站控层及调度层共3 个层次[3]。现场层主要由智能电表、量测单元（Phasor Measurement Unit，PMU）、微型气象站等设备组成，负责采集分布式电源的实时发电功率、电池储能的SoC、节点的电压以及节点的频率等数据，并通过工业以太网或光纤将数据上传至站控层。站控层采用基于高级精简指令集计算机机器（Advanced Reduced Instruction Set Computer Machines，ARM）Cortex-A9 的嵌入式平台，运行实时操作系统（Real-Time Operating System，RTOS），对现场层数据进行滤波、转换及预处理，并通过IEC 61850 协议将数据上传至调度层。调度层采用基于x86 架构的工业服务器，运行高性能实时数据库（Real-Time Database，RTDB）和监控系统，负责存储、展示和分析海量运行数据，并为智能调度算法提供数据支撑。其中，RTDB 采用内存数据库技术，支持毫秒级的数据读写，其数据模型可表示为

式中：x(t)为t时刻的系统状态矢量；PDG(t)和PESS(t)分别为分布式电源和电池储能的实时功率；V(t)和f(t)分别为节点电压和频率。

监控系统采用浏览器/服务器（Browser/Server，B/S）架构，支持跨平台访问，提供了丰富的数据可视化和分析功能，如趋势曲线、报警日志、统计报表等，有效提升了系统的可观性和可控性。

2.3 安全性与稳定性考虑

分布式电源和电池储能接入配电网，可能导致电网的电压、频率等指标超限，引发安全稳定问题。为此，文章在智能调度算法中引入电压稳定裕度（Voltage Stability Margin，VSM）和频率稳定裕度（Frequency Stability Margin，FSM）等指标，并以此为约束条件，确保系统在调度过程中始终满足安全稳定要求。其中，VSM 表示电压崩溃点与当前工作点之间的距离，可通过连续潮流方程和分岔理论计算得到；FSM 表示系统频率响应的阻尼比和超调量，可通过求解摆动方程得到。为应对电网故障等突发事件，提升系统的健壮性，文章还设计了基于自适应动态规划（Adaptive Dynamic Programming，ADP）的应急控制策略。该策略通过在线学习系统的动态特性，自适应调整控制器参数，使其在面对不确定扰动时仍能快速收敛至最优控制策略，保证系统的安全稳定运行。其数学模型可表示为

式中：c(t)和u(t)分别为系统状态向量和控制向量；Q和R为加权矩阵。

式（3）的目标是最小化系统状态变量和控制变量的加权平方和，使得系统在最短时间内回到稳态，同时控制量不会过大，避免对系统造成二次冲击。通过求解该最优控制问题，可以得到一个最优反馈控制律，保障系统的安全稳定运行。

2.4 通信与互联互通

为实现分布式电源、电池储能与配电网之间的信息交互和协同控制，需要构建一个高可靠、低时延、多业务的通信网络[4-5]。文章采用基于IEC 61850 标准的智能变电站通信架构，利用通用面向对象变电站事件（Generic Object Oriented Substation Event，GOOSE）和采样值（Sampled Value，SV）等高速报文，实时传输保护、测控、调度等业务。同时，为提高通信网络的健壮性和可扩展性，引入基于软件定义网络（Software Defined Network，SDN）的动态组网技术。该技术将网络控制平面与数据平面分离，通过集中式控制器灵活调度和优化网络资源，提高网络的利用率和适应性，其核心是一个最优化问题，可表示为

式中：xij为节点i到节点j的流量；cij为链路（i，j）的单位传输代价；N为网络节点数。

该问题的目标是最小化网络传输的总代价，同时需要满足流量守恒和链路容量等约束条件。求解该问题可以得到最优的流量分配方案，实现网络资源的高效利用。此外，为实现不同厂商设备间的互联互通，需要遵循IEC 61970/61968 等标准，构建一个统一的信息模型和数据交换模型，无缝集成设备、系统、应用间。基于以上通信架构和技术，可以构建一个高效、可靠、灵活的配电网通信网络，为智能调度系统的实现提供坚实的基础。

3 仿真验证与实验结果分析

3.1 实验平台搭建与实验设计

为验证所设计的基于分布式电源的配电网电池储能控制系统的可行性和有效性，搭建一个硬件在环（Hardware-in-the-Loop，HIL）实验平台。该平台由一台实时数字仿真器（Real Time Digital Simulator，RTDS）、一台工控机、若干智能电表以及保护装置组成。其中，RTDS 采用RSCAD 软件，可以实时模拟分布式电源、电池储能、配电网等设备的动态特性，并通过模拟/数字转换接口与外部设备进行实时交互。工控机采用了基于x86 架构的嵌入式平台，安装了Linux 操作系统和自主开发的智能调度软件，可以通过Modbus 传输控制协议（Modbus-Transmission Control Protocol，Modbus-TCP）与RTDS 进行数据通信，实现协调控制分布式电源和电池储能。智能电表和保护装置采用符合IEC 61850 标准的智能终端，可以通过GOOSE报文与RTDS实时交换状态量和控制量。在实验设计中，针对典型的工况，如分布式电源波动、负荷突变、通信中断等，设计一系列测试案例，并全面评估系统的控制性能、通信时延、故障响应等指标，验证所提出的控制系统的优越性。

3.2 仿真结果分析

在搭建的硬件在环实验平台上，针对不同的典型工况，开展了一系列的仿真测试实验。分布式光伏电源的主要参数设置，如表1 所示。在实验过程中，通过改变日照强度和温度等参数，模拟光伏发电的波动特性。同时，电池储能系统的额定容量为1 MW·h，额定功率为500 kW，充放电效率为95%，SoC 上下限分别为90%和10%。电池储能在不同工况下的充放电功率和SoC 变化情况，如表2 所示。由表2 可知，所设计的智能调度算法能够根据光伏发电和负荷需求的变化，及时调整电池储能的充放电功率，有效平滑光伏发电的波动，维持了负荷侧的功率平衡。在光伏发电出力骤降时，电池储能能够快速响应，及时补偿功率缺口，避免负荷侧的功率中断。而在光伏发电出力过剩时，电池储能则能够及时吸收多余功率，避免电能的浪费。同时，电池储能的SoC 始终保持在合理范围内，避免发生过充过放等问题。此外，在通信中断等故障情况下，所设计的控制系统也表现出较强的健壮性和自恢复能力，能够在通信恢复后快速收敛至最优运行状态。仿真结果表明，所设计的基于分布式电源的配电网电池储能控制系统能够有效增强配电网的可再生能源消纳能力，提升供电质量，具有良好的工程应用前景。

表1 光伏电源参数设置

表2 电池储能充放电功率和SoC 变化情况

4 结 论

文章针对配电网中分布式电源和电池储能的协调控制问题，提出一种基于模型预测控制的智能调度策略。通过构建精确的系统模型和优化目标函数，实现分布式电源和电池储能的最优调度，提升配电网的经济性、安全性及可靠性。同时，搭建硬件在环仿真平台，对所提出的控制策略进行全面的性能测试和验证，为工程应用奠定基础。