含混合储能的微网孤网运行能量管理策略

秦亚斌，韩肖清，王康宁

（1.太原理工大学电气与动力工程学院，山西 太原 030024；2.山西省电力科学研究院，山西 太原 030024）

含混合储能的微网孤网运行能量管理策略

秦亚斌1，韩肖清1，王康宁2

（1.太原理工大学电气与动力工程学院，山西 太原 030024；2.山西省电力科学研究院，山西 太原 030024）

提出孤网条件下针对风光储微电网的能量管理策略。在分析微电网能量管理结构功能基础上，结合发电管理和需求侧管理，重点介绍锂电池和超级电容器协调运行模式，即锂电池根据新能源发电预测和负荷预测结果平滑系统输出；超级电容器负责短期调整，兼顾实时功率平衡和频率控制。仿真结果表明：该策略能够优化电池寿命，平衡系统功率，稳定微电网运行的目的。

微电网；新能源；混合储能；能量管理；功率平衡

0 引言

风能、太阳能作为重要的可再生能源，成为发展和研究的重点［1－2］。将风、光分布式电源和储能结合构成微电网，既利用了风能、光能在时间和地理上的互补性优势［3－4］，也发挥了储能平复系统波动、保持功率平衡的作用［5］。以往的研究常用单一电池作为储能设备，其循环寿命短、功率密度低的特点限制了电池补偿短时功率脉动的能力，也与新能源发电具有的间歇性和随机性相矛盾。超级电容器和锂电池构成的混合储能克服了锂电池的上述缺点，达到功率密度和能量密度的统一［5－7］。

对于风光互补微电网的研究已经取得了一定的成果，文献［8］利用模糊控制方法实现了风光互补系统的能量管理和运行模式转化。文献［9］论述了经济调度和优化运行的建模方法，提出了不同运行方式下微电网策略控制。文献［10］使用低通滤波技术对储能系统中的燃料电池和超级电容器进行功率分配。但多数研究还是局限于实时控制策略的分析，忽略了实时控制下极端情况（如天气突变，储能容量越限等）对系统运行的冲击影响。因此，新能源发电预测和负荷预测作为能量管理功能之一［9，11］是解决这一问题的有效手段。文献［12］虽然在能量控制策略中考虑了风光功率预测，但没有就如何利用预测数据做深入的研究。

本文将短期风、光新能源发电和负荷预测结果作为重要参考因素制定能量管理策略，实现保障系统的供需平衡，优化电池寿命和稳定系统运行的目标。提出的能量管理策略包括风光微电源发电管理、需求侧管理和混合储能协调管理三部分内容。

1 微网拓扑结构

微电网系统包含的分布式电源有4.5 kW光伏阵列（PV）、22 kW双馈风电机（DFIG），储能系统为50 kW锂电池组和50 kW超级电容器组。系统负荷分为敏感负荷和可控负荷。系统结构见图1。微电网采用交流母线连接形式，双馈风力发电平台通过Back-Back变流器与母线相连。光伏阵列通过单相Boost变换器升压到600 V后接逆变器与母线相连。锂电池组通过两电平双向Buck／Boost变换器接逆变器与母线相连。超级电容器组接口则选用具有滤波电感小、动态响应快的三电平双向Buck／Boost变换器［13－14］。

2 微电网能量管理系统结构和功能

能量管理从系统的角度对微电网整体运行进行统一规划、调整和优化，通过各电源间的协调控制，最终实现稳定性、可靠性、经济性的微电网运行目标［15－16］。本文采用的控制结构为中央控制，见图2。能量管理策略集成能量管理的主要功能构成中央控制器（MCC）［17］。MCC的任务是统筹协调各分布式电源，制定生产计划，做出生产调整。对于单个微电源需要有局部控制器（LCs）响应中央控制指令，落实控制目标，并反馈微电源、负荷实时状态信息。

从时间尺度上讲，能量管理又分为长期计划和短期调整［18］。图3为时间尺度下的微网能量管理流程。一方面，依靠中短期负荷预测和发电预测之间的配比关系，制定相应的生产计划，初步解决各电源之间的功率调度问题；另一方面，为了防止短时气候突变或者是负荷变动造成系统不稳定，配合系统状态调整各微电源的功率参考值，达到系统功率平衡、电压频率稳定的目的。

图1 微电网系统结构

图2 微电网能量管理系统结构

3 微电网能量管理策略

3.1 风、光微电源发电管理

风光储微电网中，光伏电源和双馈风机都属于不可控电源。在当今电力发展和低碳经济要求下，微电网运行要求最大限度的利用新能源，所以风光微电源通常运行在最大功率跟踪（MPPT）模式下。但在风、光发电已满足负荷需求和超过锂电池存储容量，且为孤网运行时，可根据气象条件或者白天夜晚时段制定具体的弃风、弃光计划，将新能源运行模式变换为限制功率输出模式，给定功率输出参考值。

图3 时间尺度下的微网能量管理流程

3.2 需求侧管理

需求侧管理在能量管理中也非常重要，在本文提出的风光储微电网系统中，负荷分为可控负荷和重要负荷。当系统的总发电量小于负荷需求时，不可避免要按重要性等级切除负荷。因此，根据能量计算结果在需要切负荷操作时，通过指定负荷切除计划切除可控负荷，保障重要负荷的不间断供电。具体的切除量和切除时间可按照能量管理系统收集的用户用电要求以及各微电源状态决定。同样，可在风、光微电源输出有余量时增加可控负荷。

3.3 混合储能协调管理

混合储能系统中超级电容器具有功率密度大、响应速度快、循环寿命长的特性，适宜处理经常性的瞬时功率尖峰波动，这些瞬时波动可能来自外界环境变化、负荷波动等。但其供电时长受制于较小的能量密度。锂电池具有能量密度大的优点，可以在一定时期内提供稳定的有功输出，但频繁的充放电会严重影响锂电池的寿命。因此，锂电池按照预测结果制定生产计划，超级电容器负责实时功率平衡，完成计划调整。

4 孤岛模式下微电网运行与控制

本文采用MCC和LCs相结合的控制方式，MCC根据风、光微电源输出功率预测结果制定锂电池生产计划，并根据电池、微电源状态完成发电管理和需求侧管理，同时为超级电容器给定功率参考值，实现瞬时功率平衡。

4.1 中央控制器

能量管理策略是中央控制器的核心。孤网运行时，任意时刻微电网系统中均应满足功率平衡。

4.1.1 锂电池

锂电池不仅根据风、光新能源输出功率预测结果pF·G和负荷预测结果pF·load确定充放电周期，并且每个周期采用该周期T内系统需求和供给能量差Epe（T）与锂电池本周期初始能量剩余Esoc（T）或锂电池本周期最大可充电能作为电源模式转换、负荷切换的参考因素。锂电池的各时段功率参考值pLi·ref（t），见式（1）。Epe（T）、Esoc（T）的计算公式分别参考式（2）、式（3）、式（4）和式（5）。

式（3）、式（4）中，ηC和ηD分别为电池充放电效率，假设自放电率为0。式（5）中，E表示锂电池满状态时所储存的能量。

当pF·G＜pF·load时，锂电池充电。充电周期内，若Epe＞soc，说明当前锂电池不能容纳该周期内过剩的产能，需要将新能源变为限制功率输出模式减少出力，或增加定量可控负荷。

当pF·load＞pF·G时，锂电池放电。放电周期内，若Epe＞Esoc，说明当前锂电池剩余能量不足以补偿该周期内的能量缺额，应该保证此时不可控电源运行在MPPT模式，并按重要级适当切除定量负荷。锂电池控制基本流程图如图4所示。

4.1.2 超级电容器

图5为超级电容器参考功率，如图5所示，对于超级电容器实时功率的参考值和△pf两部分构成。应实时功率平衡要求，psc·ref由实际的负荷功率pload、新能源输出功率pG以及锂电池输出功率pLi共同决定，如式（7）所示。△pf是超级电容器为消除系统频率偏差的额外输出的调节功率，可以根据有功频率下垂特性（见图6）经式（8）计算得到，式（8）中，k为调差系数，△f为频率偏差，fn为参考频率50 Hz，ft为t时刻的系统频率。

另外，孤网时，锂电池作为可控功率调节器，应具有优先充电权以保证紧急情况下重要负荷的供电需求。考虑到过充、过放对电池的损害，应该预设保护锂电池边界，最大允许荷电状态（Full）和最小允许荷电状态（Empty），如图4所示。

图4 锂电池控制基本流程图

4.2 局部控制器

LCs除了采集监测功能外，最重要的是实现对单个微电源的控制。LCs按照MCC发出的功率参考值，实现对各个微电源变换器进行P／Q控制。通过适当的选取滤波电感L可实现有功、无功解耦控制，使分布式电源具有灵活运行的能力，满足系统对有功、无功的不同要求。其控制原理见图7。

图5 超级电容器参考功率

图6 下垂特性

图7 P／Q控制原理框图

5 仿真

根据图1所示微电网系统搭建模型（见图8），进行仿真。仿真时给定风、光最大输出功率的预测值，并假设预测误差在±10%以内。负荷有功功率以阶跃形式变化。锂电池、超级电容器相关参数见表1、表2。具体的预测值和负荷情况如图9所示。

图8 微电网系统仿真模型

表1 锂电池相关参数

表2 超级电容器相关参数

在仿真中，锂电池平滑系统功率输出，其充放

电区间根据pF·load和pF·G来确定。由图9可知：3.5 s前，风、光新能源输出功率大于负荷需求，锂电池处于充电阶段，其输出功率参考值按功率差额由MCC给定，局部P／Q控制器执行MCC指令控制电池输出功率。第3.5秒，有功负荷由10 kW突增为18 kW，此时负荷功率需求大于新能源输出。锂电池由充电模式转化为放电模式直到10 s。10～15 s锂电池处于充电状态。充放电期间锂电池功率输出曲线如图10a所示，电池荷电状态（SOC）变化情况如图11a所示。

图9 风、光新能源输出功率以及负荷情况

由于预测误差和负荷突变不可避免存在，超级电容器瞬时功率平衡的作用就显得至关重要。本文所提能量管理策略利用超级电容器快速响应特性，其能够补偿因外界条件突变产生的不平衡功率和锂电池延迟动作造成不平衡功率。图10b为9～12 s超级电容器的功率输出情况。对比图10a和图10b可知：能量管理安排锂电池和超级电容器运行在不同时间尺度下，负责不同性质的系统波动，达到延长锂电池寿命，提高混合储能系统的综合利用率的目的。

图11为微电网中重要负荷侧的电压和频率变化情况，显示均满足系统对电能质量要求，由此可见能量管理策略实现了微电网实时功率平衡，确保了系统运行稳定。

图10 锂电池和超级电容器与微电网的交换功率

图11 锂电池荷电状态

若将电池初始荷电状态SOC重新设定为0.2，再次仿真。由于设定锂电池保护边界Empty为0.2，能量管理策略为了防止锂电池深度放电将采取保护措施。锂电池从第3.5秒开始进入放电阶段，此时电池Esoc＝14.09 Wh，放电周期内负荷的能量缺额Epe＝22.31 Wh。Esoc＜Epe，按照能量管理策略需要计划切除定量负荷，负荷切除情况和锂电池输出功率分别如图12a和图12b所示，SOC变化如图13b所示，从图13中可以看到电池SOC被控制在0.2以上。如果没有能量比较环节，当电池SOC到达保护边界时，需求侧管理突然的切负荷措施很有可能威胁到重要负荷供电。同样，通过能量计算可以实现新能源发电管理的发电计划调整，这里不再详述。

图12 微电网的电压和频率

图13 SOC＝0.2时负荷功率和锂电池输出情况

6 结论

对于风光储微电网系统，风、光微电源是不可控电源，因此锂电池和超级电容器的协调配合很关键。通过仿真证明了本文能量管理策略的正确性和有效性，利用预测数据降低了风能、太阳能随机性对微网系统的影响，充分发挥了超级电容器快速处理系统波动的特点，延长了电池寿命。同时，发电预测和负荷预测也为风光微源模式切换、负荷投切计划提供依据，保证了重要负荷供电可靠性。

参考文献：

［1］ 虞斐，孔繁虹，许哲雄.智能电网下的新型能源管理系统设计方案［J］.华东电力，2009，37（7）：1175－1178.

［2］ Mehdi D，Jamel B，Xavier R.Hybrid Solar-wind System with Battery Storage Operation in Grid-connected and Standalone Mode：Control and Energy Management-Experimental Investigation［J］.Energy，2010，35（6）：2587－2597.

［3］ 周思明，刘天琪，李兴源，等.风光储互补微电网系统的建模与仿真［J］.华东电力，2012，40（7）：1161－1164.

［4］ 李金鑫，张建成，周阳.风光储联合发电系统能量管理策略研究［J］.华东电力，2011，39（12）：2026－2028.

［5］ 张建华，黄伟.微电网运行控制与保护技术［M］.北京：中国电力出版社，2009.

［6］ 李少林，姚国兴.风光互补发电蓄电池超级电容器混合储能研究［J］.电力电子技术，2010，44（2）：12－14.

［7］ 侯世英，房勇，孙韬，等.混合储能系统在独立光伏发电系统功率平衡中的应用［J］.电网技术，2011，35（5）：183－187.

［8］ 李光明.风光互补发电系统能量管理和控制研究［D］.武汉：华中科技大学，2010.

［9］ 张建华，苏玲，陈勇，等.微网的能量管理及其控制策略［J］.电网技术，2011，35（7）：24－28.

［10］ Zhou T，Bruno F.Energy Management and Power Control of a Hybrid Active Wind Generator for Distributed Power Generation and Grid Integration［J］.IEEE Power and Energy Magazine，2011，58（1）：95－104.

［11］ 陈昌松，段善旭，殷进军，等.基于发电预测的分布式发电能量管理系统［J］.电工技术学报，2010，25（3）：150－156.

［12］ 丛雨，关勇，刘海涛.风光互补发电系统方案设计及控制策略优化分析［J］.内蒙古电力技术，2012，30（1）：10－13.

［13］ Lu D，Fakhama H，Zhou T，et al.Application of Petri Nets for the Energy Management of a Photovoltaic Based Power Station Including Storage Units［J］.Renewable Energy，2010，35：1117－1124.

［14］ 金科，杨孟雄，阮新波.三电平双向变换器［J］.中国电机工程学报，2006，26（18）：41－46.

［15］ Liu X，Wang P，Poh C L.A Hybrid AC／DC Microgrid and Its Coordination Control［J］.IEEE Transactions on Smart Grid，2011，2（2）：278－286.

［16］ Katiraei F，Iravani M R.Power Management Strategies for a Microgrid With Multiple Distributed Generation Units［J］. IEEE Transactions on Power Systems，2006，21（4）：1821－1831.

［17］ Antonis G T，Nikos D H.Centralized Control for Optimizing Microgrids Operation［J］.IEEE Transactions on Energy Conversion，2008，23（1）：241－248.

［18］ Lu D，Franois B.Strategic Framework of an Energy Management of a Microgrid with a Photovoltaic-Based Active Generator［C］／／Advanced Electromechanical Motion System＆Electric Drive Joint Sympposium.Lille，France，2009：1－6.

TM76

A

1672－6871（2014）04－0031－07

国家国际科技交流与合作专项基金项目（2010DFB63200）；山西省青年科技研究基金项目（2011021015－2）；山西省科技攻关基金项目（20120321005－02）

秦亚斌（1987－），男，山西吕梁人，硕士生；韩肖清（1964－），女，山西武乡人，教授，博士，博士生导师，主要从事电力系统运行与控制、新能源发电的教学与研究工作.

2013－06－28