再生能源发电中考虑SOC的复合储能控制策略

刘金虹，张辉，杨秉翰，李洁，闵阳，杨凯

(1.西安理工大学 自动化与信息工程学院，陕西 西安 710048;2.西安交通大学 电力设备电气绝缘国家重点实验室,陕西 西安 710049)

随着再生能源爆发式增长，储能逐渐成为其发展的瓶颈，纵观现有的储能方式，没有一种储能方式能同时满足功率和能量的性能要求，因此采用复合储能(HESS：Hybrid Energy Storage System)势在必行。采用SMES及锂电池组合的复合储能方式兼具功率型及能量型储能的优势[1]。SMES负责处理快速变化的风电功率，锂电池负责处理缓慢变化的风电功率，如图 1所示[2]。

近年来，风力发电日益渗透到电网中，引起了许多电网运行问题，因为在补偿供电及负载平衡时，风机控制能力有限。由于现有的负载跟踪旋转备用设备对不平衡的响应太慢，风力发电自身功率的随机变化需要更先进的控制管理策略[3]。

本文提出一种新的复合储能SOC控制策略，实际情况下的仿真验证了控制策略的可行性和有效性。

图1 各种储能的充放电特性

1 复合储能模型

现有的储能装置有能量型和功率型之分，本文将锂离子电池和超导磁储能结合构成复合储能装置，可以消除单一储能装置的缺陷，充分发挥各自优势，SMES补偿高频功率波动部分，锂离子电池补偿低频功率波动部分。图 2所示是复合储能系统拓扑结构[4]，SMES和锂电池经DC/DC变换器连接到直流母线侧。电压源变换器通过控制SMES和锂电池的功率流向实现母线电压的稳定。

图2 复合储能系统及其拓扑

表1 系统参数

1.1 SMES简化模型

图 3所示为SMES拓扑及充放电运行等效电路。SMES的工作状态包括充电、环流、放电三个模式[5-6]。图 3(a)中，当SMES充电时，S1、S2均开通，在此期间线圈电流上升。图 3(b)中，当S2开通时，SMES处于环流并储能状态。图 3(c)SMES放电时，S1、S2均关断，SMES电流流向直流侧。

图3 SMES拓扑及等效模式

SMES的电流方程：

(1)

其中，充电时Vcoil=Vdc，环流时Vcoil=0，放电时Vcoil=-Vdc，为了计算超导电流的SOC，将电压变化的频率设置为2 kHz[7]。

SOC方程可从能量密度推导得到：

(2)

其中，WSMES为每小时可用的能量。

1.2 锂离子电池模型

许多文献中都有研究过锂离子电池充放电特性及等效模型[8]，本文不再详细论述。锂电池通过双向DC/DC变换器连接电网。通过电流数据计算SOC:

(3)

式中，Qn、SOC0分别是锂电池额定容量及初始荷电状态，为了便于精确计算电池电压及SOC，对锂电池做以下假设：

1)充放电过程中内部阻抗恒定；

2)忽略温度影响；

3)没有自放电效应；

4)无记忆效应。

2 考虑SOC的复合储能控制策略

在所设计的复合储能中，SMES负责平滑风电功率高频变化部分，锂电池负责低频部分。为了系统的、自适应的配置它们各自承担的功率部分，在考虑锂电池及SMES最优性能的基础上设计了两个滤波器。

图 4中，为了便于分析平滑风电功率输出、低通滤波器的输出以及电网功率，假设风电功率阶跃变化。由图 4可以看出，SMES承担的功率部分位于风电功率及分界线之间，锂电池承担的功率部分位于分界线及电网功率之间。

图4 SMES和锂电池功率分配关系

复合储能系统功率是锂电池和SMES功率之和，补偿原始风电输出，让期望的并网功率传输给电网，采用了滑动平均的概念确定期望的参考并网功率，进而设计一阶滤波器。

图 5显示了滑动平均的功率分配框图。功率分配时，由低通滤波器确定SMES和锂电池承担的功率部分。截止频率越高，分配给锂电池的功率越大。反之截止频率越低，分配给SMES的功率越大。

图5 滑动平均分配功率控制框图

为了系统的管理复合储能的SOC，笔者将SOC系统的分为三类：正常、警告、报警状态，如表2所示。

表2 SOC 工作状态

当SMES的SOC很大时，增大截止频率，让锂电池多承担一部分功率，如图 4所示。复合储能承担风电功率及并网功率之间的差值部分，因此两个储能装置在支撑电网功率及保障电网正常运行方面具有非常重要的作用。

并网功率通过LPF的时间常数T控制，它决定了HESS承担多大的功率。公式(4)所示为并网滤波器的传递函数。

(4)

SOC在10%～90%之间变化时，控制时间常数T使它随着SOC变化。SOC进入报警状态时刻，控制T=250 s，如图 6所示。依据风功率变化速率改变T，因为区分风功率变化是上升还是下降非常重要。比如，当锂电池基本上充满且风电功率开始下降时，T增加使并网功率下降。当锂电池基本上充满且风电功率开始上升时，T减小使并网功率上升。

图6 根据SOC计算并网功率的时间常数

2.1 正常情况

图7为正常情况下SMES及锂电池SOC的自适应剪切频率控制响应图。图 7 (a)描述的是并网功率随风电功率缓慢变化的过程，HESS补偿两者功率之差。注意T影响整个HESS SOC水平，因为功率差是由HESS提供。正常运行时，频率变化不快，因此锂电池和SMES的SOC变化平缓，如图 7 (b)所示。图 7 (c)是剪切频率变化趋势。

图7 SMES及锂电池SOC的自适应剪切频率控制

2.2 警告状态

图8为警告状态下通过功率分配控制SOC的响应图。

图 8 (a)中，因为风电功率开始下降，因此增大剪切频率，使锂电池多承担一部分功率，通过图8(c)的SOC控制使锂电池释放的功率比SMES多一些。图8(b)中，因为SOC超过80%，频率控制立即起作用。此时只需要按图 6改变T，不需要其他的并网功率控制算法。报警状态控制时，只需要将剪切频率增大或减小到合适的位置即可。

图8 通过功率分配控制SOC

2.3 报警状态

当满足以下任一条件时发出警报：

1)有一个储能装置的SOC超过90%或低于10%；

2)两个储能装置的SOC都进入警告区。

SOC进入报警状态时，HESS必须使SOC恢复到正常的水平，并且使T恢复到图 6中的峰值(标识为反向移动)。

当风电功率上升，并网功率以T=250 s快速上升，快速的电网功率跟踪可以增加稳定性。

当风电功率下降时，HESS放电，SOC下降，脱离警报区，如图 9所示。

总之，警报状态的目的是控制SMES和锂电池的总功率。

2.4 复合储能长时间运行的研究

风功率不能准确预测，意识到这一点非常重要，因此很难控制储能的状态，但是利用所提出的控制策略对SMES和锂电池进行协调控制有助于缓解这个问题。图 10给出了复合储能长时间运行的情况，试验结果表明HESS具有良好的稳定功率输出性能。

图9 HESS几乎充满且警报情况下的电网参考功率

图10 结合自适应频率及时间常数控制的一天运行

3 结 语

本文通过观测电网条件及复合储能SOC状态研究了锂电池和SMES的协调控制及运行策略。定义了三个运行状态：正常，警告、报警状态，以便系统的管理HESS。试验结果验证了所提出的控制策略的有效性。

对于最优储能容量大小，HESS运行策略非常重要，因为它与总投资及期望的性能关系密切。SOC变化和复合储能的容量大小也有关系，比如说，小型储能装置的SOC变化很大且很频繁，当储能容量取最小值时，很有必要适当地管理SOC。如果SOC管理不当，很可能导致SMES或锂电池寿命减小及未知故障。对于小型储能装置，这种情况可能更严重。所设计的HESS运行策略应该有助于减小储能容量并保证或者延长储能装置的设计寿命。

参考文献：

[1] Bizon N, Stork M, Oproescu M. Fuel cell hybrid power source for pulsed current loads[C]//2012 International Conference on Applied Electronics (AE), Pilsen, 2012:5-7.

[2] Kesler S E, Gruber P W, Medina P A, et al. Global lithium resources: Relative importance of pegmatite, brine and other deposits[J].Ore Geology Reviews, 2012, 48: 55-69.

[3] Ise T, Kita M, Taguchi A. A hybrid energy storage

with a SMES and secondary battery[J]//IEEE Transactions on Applied Superconductivity,2005, 15(2):1915-1918.

[4] Chen C, Jih-Sheng L, Yu-Bin W, et al. Design and control for LCL-based inverters with both grid-tie and standalone parallel operations[C]//Industry Applications Society Annual Meeting, 2008, IAS '08. IEEE, Edmonton, Alta, 2008:1-7.

[5] 诸嘉慧, 杨斌, 黄宇淇, 等. 基于DSP2812高温超导储能系统斩波器控制设计[J].电力电子技术, 2010, (10): 100-102.

Zhu Jiahui,Yang Bin, Huang Yuqi,et al. Control design of HT-SMES chopper based on DSP2812[J]. Power Electronics,2010, (10):100-102.

[6] 张辉, 王鑫, 路亚新, 等. 基于虚拟磁链的超导储能装置直接功率控制策略[J]. 西安理工大学学报, 2009, 25(1):62-67.

Zhang Hui,Wang Xin,Lu Yaxin,et al. A direct power control method for superconductiong magnetic energy storage system based on virtual flux[J].Journal of Xi'an University of Technology,2009,25(1):62-67.

[7] Jae W S, Youngho C, Seog-Joo K, et al. Synergistic control of SMES and battery energy storage for enabling dispatchability of renewable energy sources[J].IEEE Transactions on Applied Superconductivity, 2013, 23(3): 5701205-5701205.

[8] Min C, Rincon-Mora G A. Accurate electrical battery model capable of predicting runtime and I-V performance[J].IEEE Transactions on Energy Conversion, 2006, 21(2): 504-511.