光伏微网储能系统用电峰谷差自适应控制技术

摘" 要： 光伏微网储能系统（PMESS）用电峰谷差的增大会导致电网负荷波动增大，影响电网的稳定性。为了有效降低电网的峰谷差，提出一种光伏微网储能系统用电峰谷差自适应控制技术。通过估计光伏微网发电系统的负荷，计算光伏微网储能系统的充电功率和电量，并根据该计算结果计算光伏微网储能系统的额定容量。设置用电峰谷差自适应控制约束条件，并结合二轮迭代的方式实现光伏微网储能系统用电峰谷差自适应控制。实验结果表明，所提技术可以准确估计光伏微网发电系统负荷，并将用电峰谷差控制在200 kW左右，同时，可以有效提升光伏微网储能系统的有功功率，具有良好的实际应用效果。

关键词： 光伏微网储能系统； 用电峰谷差； 自适应控制； 负荷估计； 充放电功率； 储能容量

中图分类号： TN245⁃34； TP206" " " " " " " " " 文献标识码： A" " " " " " " " " " " "文章编号： 1004⁃373X（2024）24⁃0105⁃04

PMESS adaptive control technology for peak valley difference in electricity consumption

LI Shuangying

（Qinghai Minzu University， Xining 810007， China）

Abstract： The increase in peak valley difference in electricity consumption of photovoltaic microgrid energy storage system （PMESS） can lead to increased load fluctuations in the power grid， affecting the stability of the power grid. In order to effectively reduce the peak valley difference of the power grid， a PMESS adaptive control technology for the peak valley difference in electricity consumption is proposed. By estimating the load of photovoltaic microgrid power generation system， the charging power and quantity of PMESS is calculated， and the rated capacity of PMESS based on the calculation results is calculated. The constraints for adaptive control of peak valley difference in electricity consumption are set， and combining with a two round iteration method， the PMESS adaptive control for peak valley difference in electricity consumption is implemented by means of two rounds of iteration. The experimental results show that the proposed technology can accurately estimate the load PMESS and control the peak valley difference in electricity consumption to around 200 kW， which can effectively improve the active power of PMESS and has good practical application effects.

Keywords： photovoltaic microgrid energy storage system; peak valley difference in electricity consumption; adaptive control; load estimation; charging and discharging power; energy storage capacity

0" 引" 言

光伏微网储能系统（PV⁃Microgrid Energy Storage System， PMESS）通过集成光伏发电技术和储能设备，能够实现电能的自给自足和余电上网，有效减轻电网负担。然而，光伏能源的产生受到日照强度、天气变化等多种自然因素的制约，具有间歇性和波动性的特点[1]，这给光伏微网在实际运行中的电力供需平衡带来了挑战。特别是在用电峰谷时段，电力负荷的剧烈波动对微网系统的稳定性和可靠性提出了更高要求。因此，开发一种能够自适应调整储能系统充放电策略、实现用电峰谷差自适应控制的技术，成为了解决这一问题的关键。

文献[2]通过建立共享相变储能区域联合控制架构，并运用非合作博弈方法，在不同场景下优化电力供需平衡。然而，该技术在实际应用中仍受限于储能系统的技术性能、经济成本和维护管理等因素。文献[3]以光伏微网储能系统的净负荷方差和用电支出为优化目标，力求在不确定的光伏电网负荷下实现对用电峰谷的有效控制。然而，由于负荷预测的不准确性，该方法在实际应用中可能面临挑战。文献[4]通过建立多目标优化模型并应用量子粒子群算法，实现光伏微网储能系统的优化。然而，模型假设可能与实际情况存在偏差，影响优化结果的实际效果。文献[5]以最小化用户侧电费为目标，使用粒子群算法求解，旨在降低用电峰谷差。然而，粒子群算法本身存在的局限性可能会导致优化结果不够精确。

为了优化光伏微网储能系统的运行性能，提高其对电力峰谷差的适应能力，在光伏微网储能系统中引入自适应控制技术，使得光伏微网储能系统更好地匹配电力负荷的需求，从而减少能源的浪费，提高能源的利用率。

1" 用电峰谷差自适应控制

1.1" 光伏微网发电系统负荷估计

光伏微网储能系统在实际运行过程中，受到天气条件、光照度等多种因素的影响，这些因素的不确定性导致负荷预测存在误差[6]。如果负荷预测不准确，那么基于预测结果进行的削峰填谷调度可能无法达到预期的效果。因此，在对光伏微网储能系统用电峰谷差进行自适应控制时，对光伏微网发电系统的负荷进行估计，依据该估计结果计算光伏微网储能系统的充电功率和电量。

光伏微网发电系统实时输出功率主要由当前太阳光照度和环境温度影响[7]，且光伏微网内光伏组件的发电量和其接收到的太阳光照度成正相关关系[8]。

在标准测试STC情况下，光伏组件的额定输出功率[PS]与其额定装机容量相同[9]，计算公式如下：

[PS=ZrefΓSA]" " " " " " （1）

式中：[Zref]为标准光照度；[ΓS]表示标准光照度下，光伏组件光电转换效率；[A]表示光伏微网组件面积。

当前环境温度是直接影响光伏组件光电转换效率的因素，[T]时刻光伏组件转换效率计算公式如下：

[ΓT=ΓS-ΦQ（t）-Qref]" " " " " "（2）

式中：[Φ]表示光伏组件温度系数；[Qref]为标准参考温度，通常数值为25 ℃；[t]表示时间；[Q（t）]为[t]时光伏组件工作温度，计算公式如下：

[Q（t）=Qa（t）+ϖZeff（t）-20Zeff（t）（0.8Zref）] （3）

式中：[Qa（t）]为环境温度；[ϖ]为光伏组件额定工作温度；[Zeff（t）]表示太阳光有效光照度。

联立式（1）～式（3），则光伏微网发电系统负荷估计公式如下：

[PPV（t）=PSZeff（t）Zref·" " " " " "1-ΦQa（t）+ϖ-200.8Zref·Zeff（t）-Qref] （4）

将当前有效太阳光照度和环境温度代入式（4）内，即可得到光伏微网发电系统负荷估计结果。

1.2" 光伏微网储能系统额定容量计算

在电力需求快速变化的情况下，系统需要能够快速响应并调整储能设备的充放电策略。如果储能系统的容量设计不合理，可能会导致系统响应速度过慢，无法满足实时需求。通过计算额定容量可以确保储能系统具有足够的容量来应对电力需求的波动，避免在高峰时段出现电力短缺，或在低谷时段过度充放电。

在实际应用中，光伏微网储能系统的充放电损耗仅需考虑其中充电损耗，放电时的损耗则在充电能量变化计算时考虑。光伏微网储能系统存储的电量[Rch]计算公式如下：

[Rch=RdisPPV（t）（1-γ）]" " " " " " " "（5）

式中：[Rdis]表示光伏微网储能系统放电电量；[γ]表示充放电损耗系数。

为使光伏微网储能系统存储电量达到[Rch]，在保障光伏微网储能系统一定裕度情况下，计算光伏微网储能系统额定放电功率[Pdis，r]，公式如下：

[Pdis，r=Rch（1-ψdis）]" " " " " " " （6）

式中[ψdis]表示光伏微网储能系统放电裕度系数。

同样考虑一定裕度，则光伏微网储能系统额定的充电功率[Pch，r]计算公式如下：

[Pch，r=Pch（1-ψch）]" " " " " " " " " "（7）

式中[ψch]表示光伏微网储能系统充电裕度系数。

由式（5）～式（7）可知，光伏微网储能系统的充电功率限值要大于放电功率，其在放电过程中存在电能损耗。在保障光伏微网储能系统供电稳定情况下，其额定存储能量大于放电电量，则光伏微网储能系统的额定容量[Ress]计算公式如下：

[Ress=（1+δ）Rdis（1-γ）]" " " " " " " "（8）

式中[δ]表示光伏微网储能系统电量裕度系数。

在用电峰谷差自适应控制过程中，系统需要根据实时的电力需求和负荷变化来调整储能系统的充放电策略。通过计算光伏微网储能系统的额定容量可以使得系统更加准确地评估当前的电力需求和负荷变化，帮助系统实现用电峰谷差自适应控制。

1.3" 用电峰谷差自适应控制实现

额定容量是一个相对保守的估计，它没有考虑到所有可能的优化条件。通过设置用电峰谷差自适应控制约束条件，并结合二轮迭代的方式，可以根据实时的用电负荷情况调整储能系统的充放电策略，从而最大限度地提高系统的运行效率，完成对光伏微网储能系统的用电峰谷差的自适应控制。其详细实现过程如下。

1.3.1" 首轮迭代

在首轮迭代用电峰谷差自适应控制中，仅考虑光伏微网储能系统电量约束，以光伏微网储能系统最大可充放电容量[Emax]与储能系统实际充放电电量相等作为原则，则首轮迭代用电峰谷差自适应控制需要满足的约束条件如下：

[Rch-Rdis≤εRmax≥Rch≥RdisRmax-Rch≤μ]" " " " " " " "（9）

式中：[ε]、[μ]均表示用户设置的储能系统电量阈值；[Rmax]表示光伏微网储能系统存储的最大电量。

依据公式（9）约束条件，首轮用电峰谷差自适应控制步骤如下。

Step1：设定光伏微网储能系统初始电量值和[μ]、[ε]数值，迭代步长设置为[ΔP1]。

Step2：将一天作为一个周期，在该周期内将充放电[Pch]、[Pdis]的峰值和谷值的均值作为迭代初始值，以步长[ΔP1]向下迭代，利用公式（5）计算当前光伏微网储能系统存储电量[Rch]，直至其满足公式（9）约束条件后，计算光伏微网储能系统充电边际功率[PH1]。[PH1]公式为：

[PH1=Pch-χ·ΔP1]" " " " " "（10）

式中[χ]为光伏微网储能系统功率负荷标准差。

Step3：运用Step2相同方法，计算光伏微网储能系统放电边际功率[PH2]。

1.3.2" 二轮迭代

在二轮迭代用电峰谷差自适应控制过程中，以电量恒定作为原则，以光伏微网储能系统额定充放电功率[Pch，r]、[Pdis，r]和额定容量[Ress]作为约束，在步长为[ΔP2]的情况下，对首轮迭代用电峰谷差自适应控制中得到的光伏微网储能系统充放电边际功率进行约束，实现光伏微网储能系统用电峰谷差自适应控制。其详细步骤如下。

Step1：将首轮迭代过程中得到的光伏微网储能系统充放电边际功率[PH1]、[PH2]和光伏微网发电系统负荷估计[PPV（t）]作为基础[10⁃11]，从[PPV（t）]曲线峰值开始，按照步长[ΔP2]逐级向下寻找光伏微网储能放电功率不满足约束条件情况，即发生越限情况。

Step2：当光伏微网储能在[t]时刻发生越限时，则将该时间点的光伏微网储能放电功率当作额定功率[12⁃13]，在该额定功率基础上继续逐级向下寻找放电功率越限情况。在该过程中，[PH1]和[PH2]同时逐级向下迭代，直至放电电量满足公式（9）约束条件为止，再利用公式（10）确定当前光伏微网储能放电边际功率数值。在该放电边际功率约束下，获得光伏微网储能系统不同时刻放电功率，利用该放电功率控制光伏微网储能系统在不同时刻放电，缩小光伏微网储能系统用电峰谷差。

Step3：同理，运用上述步骤可计算光伏储能系统不同时刻的充电功率，可控制光伏微网储能系统在不同时刻充电。

利用上述二轮迭代用电峰谷差自适应控制技术可以实现对光伏微网储能系统用电峰谷差的控制。

2" 实验分析

2.1" 实验设置

以某区域光伏微电网作为实验对象，光伏微电网见图1。

该光伏微网储能系统光伏峰值功率为210 W，储能系统蓄电池最大充放电电流均为200 A，充电效率为0.921 5。运用本文技术对该区域光伏微网储能系统用点峰谷差进行控制，验证本文技术的应用性。

对光伏微网发电系统负荷进行估计是构建光伏微网储能系统数学模型的基础，以该光伏微网储能系统某时间段作为实验对象，使用本文技术对其负荷进行估计，估计结果如图2所示。分析图2可知，该光伏微网储能系统在不同时间点的负荷均不同，但整体负荷呈现峰状分布。本文技术对该光伏微网储能系统负荷的估计结果与其实际负荷曲线完全吻合，说明本文技术可准确获得光伏微网储能系统当前负荷数值，将该数值作为光伏微网储能系统的基础。

2.2" 结果与分析

以该光伏微网储能系统某时段作为实验对象，使用本文技术对该时段光伏微网储能系统的用电峰谷差进行自适应控制，控制结果如图3所示。由图3可知，应用本文方法后，可以将功率负荷控制在3 000 kW以内，其中，波谷数值为2 780 kW左右，波峰数值为2 980 kW左右，其用电峰谷差为200 kW左右。该数值表明：应用本文技术可有效实现光伏微网储能系统用电峰谷差自适应控制，降低其峰谷差数值，应用效果较为显著。以该光伏微网储能系统8个电池荷电状态（SOC）作为衡量本文技术自适应控制光伏微网储能系统用电峰谷差效果指标，应用本文技术后，测试该8个电池荷电状态是否满足应用需求。该光伏微网储能系统为保障稳定供电，电池荷电状态（SOC）阈值为65%，测试结果见图4。分析图4可知，应用本文技术对光伏微网储能系统用电峰谷差进行自适应控制后，该光伏微网储能系统的电池荷电状态均超过65%阈值。该数值表明本文系统对光伏微网储能系统用电峰谷差进行自适应控制后，可保障储能系统电池处于稳定荷电状态并满足电池荷电状态阈值，为用户提供稳定的电源供应。

3" 结" 论

为提升微网系统稳定性，本文提出一种光伏微网储能系统用电峰谷差自适应控制技术。结果表明，该技术可自适应调整储能系统充放电策略，有效平抑了电力负荷的峰谷波动，显著提高系统的电能质量和供电可靠性。

参考文献

[1] 张琦，谢丽蓉，王威，等.考虑风电预测误差的混合储能荷电状态优化策略[J].新疆大学学报（自然科学版）（中英文），2023，40（4）：505⁃512.

[2] 张超，贾长杰，何文俊，等.基于共享聚合相变储能系统的区域联合削峰填谷策略[J].电力科学与技术学报，2022，37（5）：25⁃34.

[3] 陈睿彬，陆玲霞，包哲静，等.电池储能系统参与用户侧削峰填谷的鲁棒优化调度策略[J].电力建设，2022，43（10）：66⁃76.

[4] 李星辰，袁旭峰，李沛然，等.基于改进QPSO算法的主动配电网削峰填谷策略研究[J].电测与仪表，2022，59（2）：120⁃125.

[5] AZAROUAL M， MBUNGU N T， OUASSAID M. Toward an intelligent community microgrid energy management system based on optimal control schemes [J]. International journal of energy research， 2022， 46： 21234⁃21256.

[6] 陈岑，武传涛，康慨，等.基于改进Owen值法的分布式储能双层合作博弈优化策略[J].中国电机工程学报，2022，42（11）：3924⁃3936.

[7] 张育维，胡海涛，耿安琪，等.考虑削峰填谷的电气化铁路混合储能系统容量优化配置[J].电力自动化设备，2023，43（2）：44⁃50.

[8] 李圣清，颜石，郑剑，等.基于改进下垂法的光伏微网有功均分控制策略[J].电力电子技术，2022，56（5）：88⁃92.

[9] 李艳梅，任恒君，张致远，等.考虑储能系统调度与风电消纳的峰谷分时电价优化模型研究[J].电网技术，2022，46（11）：4141⁃4149.

[10] 李洋，陈洁，王小军，等.微电网中混合储能双层模糊控制优化策略[J].计算机仿真，2022，39（6）：103⁃107.

[11] 李忠文，吴龙，程志平，等.参与微电网频率调节的光伏发电系统模糊自适应功率控制[J].电机与控制学报，2023，27（9）：126⁃138.

[12] 王小昔，雷勇，张汀.基于光伏发电量预测的含氢储能微网分段优化调度[J].科学技术与工程，2023，23（19）：8218⁃8226.

[13] 李铁成，胡雪凯，侯小超，等.一种统一并离网模式的串联型光伏微网分层分布式控制策略[J].电工电能新技术，2023，42（6）：1⁃12.

作者简介：李双营（1977—）， 男，山西方山人，博士研究生，副教授，研究方向为遥感测量。