基于可变系数的双馈风机虚拟惯量与超速控制协调的风光柴微电网频率调节技术

赵晶晶 吕 雪 符 杨 胡晓光

(上海电力学院电气工程学院 上海 200090)



基于可变系数的双馈风机虚拟惯量与超速控制协调的风光柴微电网频率调节技术

赵晶晶 吕 雪 符 杨 胡晓光

(上海电力学院电气工程学院 上海 200090)

为了提高风光柴微电网孤岛运行时的频率稳定性，将变速恒频双馈感应风力发电机(DFIG)和柴油机作为调频电源，通过DFIG的虚拟惯量、转速和桨距角的协调控制与柴油机的一次调频相配合，共同抑制负荷波动和风速变化引起的微电网频率变化。低于额定风速时，DFIG采用虚拟惯量控制和超速控制；高于额定风速时，采用虚拟惯量控制和自动桨距角控制。以此弥补虚拟惯量控制作用时转速恢复过程的功率跌落问题，并为微网提供持久的功率支撑。为保证此调频策略在时变风速中的有效性，通过不同风速下的参数分析制定了DFIG的虚拟惯量控制系数曲线与功频静特性系数曲线，实现了可变系数控制。并在DIgSILENT PowerFactory软件平台上搭建了包含柴油机、DFIG、光伏电池的微电网模型，验证了此策略的有效性。

微电网频率调节 DFIG 虚拟惯量控制 转速与自动桨距角控制 可变系数

0 引言

频率是保证微电网安全稳定运行的重要控制参数，尤其是在孤岛运行模式下，此时一般由柴油机或储能系统承担调频任务[1]。但柴油机的频率响应速度相对较慢，在兆瓦级的中压微电网系统中，当出现较大程度的有功缺额时，依靠安装较大容量的储能系统来快速平抑频率波动是不经济的。

随着电力电子技术的日益成熟，变速恒频双馈感应风电机组由于具有较宽的转速运行范围和较大的装机容量而被广泛采用。与恒速风电机组相比，它能够根据风速变化在运行中保持最佳叶尖速比以获得最大风能。类似地，光伏电池也是通过电力电子变流器接入电网，为了保证太阳能利用率，也是运行在最大光能追踪模式下。因此，风电和光伏的大量接入使得孤岛运行的微电网等效惯量小的问题变得突出，当出现较小功率缺额时就会出现较显著的频率波动；而且它们的最大功率追踪策略使其不能为系统提供备用，当出现较大负荷扰动或发电机切机时，微电网的频率稳定性将受到严峻挑战。

为了提高孤岛运行微电网的动态频率稳定性，文献[2]提出了基于虚拟同步发电机思想的微电网逆变电源控制策略，文献[3]提出了一种虚拟惯性频率控制策略，使微电网电源具有类似于同步发电机转子的惯性。但以上文献都建立在微电网中配备了超级电容、飞轮储能等快速功率响应特性的储能装置的前提下，实际上，风电机组也可作为迅速有效的调频电源。

如何控制变速风力发电机组使其具有频率调节能力是近年的研究热点，目前国内外学者提出了一些控制策略。为了增加系统惯量，文献[4，5]提出了虚拟惯量控制的概念，文献[6]进行了进一步研究，提出了通过在风电机组转子侧变流器功率外环附加控制环节使转子转速与电网频率不再解耦的控制策略。文献[7]分析了控制参数及变流器电流限值对调频效果的影响，但只考虑了恒定风速的情况，且忽视了转速恢复过程中的功率跌落问题。以上利用附加控制环节，使DFIG转子转速与电网频率刚性耦合的虚拟惯量控制策略只能为电网提供短暂的频率支持，对减小频率稳态偏差没有贡献。因此文献[8，9]提出了使风电机组减载的控制策略。目前风电机组的备用容量一般通过调节转子转速和桨距角获取[10]。但桨距角动作属于机械过程，响应速度相对较慢，而且过于频繁的动作容易造成风电机组的机械磨损。

在孤岛运行的风/光/柴微电网中，为了更充分地利用风电机组的调频能力，本文提出了双馈风机的可变系数虚拟惯量与超速协调的调频策略，使风电机组虚拟惯量控制的暂态性与转速控制、柴油机一次调频的持久性相协调，共同抑制由负荷、风速变化等引起的频率波动。为了在时变风速下也能充分发挥DFIG的调频能力，本文通过试错法分析了不同风速下控制参数取值对微电网频率的影响，制定了虚拟惯量控制曲线与超速控制时的功频静特性系数曲线，避免了采用统一控制系数带来的调频过度或调频不足问题，保证了此策略在微电网实际运行中的可行性。

1 风光柴微电网系统的建模

本文在DIgSILENT PowerFactory软件平台上搭建了包括柴油机、光伏电池和DFIG风电机组3种电源的微电网。光伏电池由恒定电压源和PWM变流器替代[11]，柴油机由同步发电机替代，双馈风机模型包括桨距角控制、转子侧变流器控制、网侧变流器控制和异步电机[12]。微电网孤岛运行时，柴油机作为平衡节点；光伏电池按恒功率(P-Q)控制模式运行，假设此段时间内光伏电池一直处于最大功率运行点；DFIG风电机组在未超过额定风速时按90%次优风能追踪模式控制运行，超过额定风速后按最大风能追踪模式运行。微电网容量配置及参数如表1所示。

表1 微电网配置Tab.1 Microgrid configurations

微电网结构如图1所示。其中负荷均为恒功率负荷。柴油机配有调速器(gov_IEESGO)和自动电压调节器(avr_SEXS)。参数见附录。

图1 微电网结构示意图Fig.1 Microgrid system schematic

2 DFIG虚拟惯量控制

2.1 虚拟惯量控制原理

同步发电机的转子运动方程标幺制公式为

(1)

式中，H为发电机组惯性时间常数；ω为转子转速；PT和PE分别为同步发电机的机械功率和电磁功率。

当电网频率发生变化时，在调速器还来不及动作的短暂时间内，同步发电机的机械功率不变，而转速会发生变化，由式(1)知，此时电磁功率会随转速变化做出相应改变来阻尼频率变化。

为模拟同步发电机组的惯量特性，使DFIG的转速与频率不再解耦，虚拟惯量控制将电网频率变化率作为输入变量引入转子侧变流器外环功率控制环节。在电网频率跌落时，增大DFIG有功功率参考值，释放的转子动能参与频率调节。由于DFIG转子转速一般在0.67～1.33 pu范围内运行[13]，所以虚拟惯量控制环节的加入可充分利用这部分转子动能，从而弥补微电网惯量小的缺点。

虚拟惯量控制环节如图2所示。为了减小误差，时间常数T取为0.1 s；受变流器容量限制，Pmax取值为1.2 pu；为了防止转速下降过低，ωmin取值为0.67pu；风电机组的惯性时间常数一般为4～12s[14]，但Kin的取值并不是简单的2Hω的乘积，因为双馈风机最大功率跟踪环节的输入是转子转速，加入虚拟惯量控制后频率跌落时转子转速的下降使其不再运行在最大功率运行点，考虑到最大功率跟踪环节的上述特性，Kin的取值要大于2Hω。

图2 虚拟惯量控制Fig.2 Virtual inertial control block diagram of DFIG

2.2 低于额定风速时虚拟惯量控制系数取值分析

风速不同时，DFIG转子转速不同，转子中贮存的动能不同，加入虚拟惯量控制环节后能提供额外有功支持也不同。而Kin的取值会直接影响到DFIG的调频效果，因此本文通过试错法对不同风速下Kin的取值分别进行了分析。

在30 s时投入2 MW临时负荷。7 m/s风速工况下Kin不同取值时DFIG的有功功率、转子转速、电网频率如图3所示。

图3 7 m/s风速下虚拟惯量控制效果分析Fig.3 Performance of virtual inertia control under 7 m/s wind speed

如图3所示，虚拟惯量控制的作用使微电网频率跌落到最低点的时间得到延缓。Kin=10时，发生负荷扰动时DFIG的输出功率增加到0.285 pu，转子转速下降到0.679 pu，系统频率最低值比不加控制时提升了45 MHz；Kin=20时，DFIG输出功率则增加到0.345 pu，转子转速跌落到0.679 pu，系统频率最低值比不加控制时提升了68 MHz。由此可见，微电网出现扰动时，其频率跌落程度与Kin取值有关，随着Kin取值的增大，DFIG能提供的有功支撑增大，但转速跌落程度随之加深。为了防止DFIG转子过度减速引起发电机失步停机，7 m/s风速工况下Kin的取值为20。

由图2知，加入虚拟惯量控制后，DFIG有功功率的增加值ΔPin与微电网频率变化率df/dt和虚拟惯量控制系数Kin的乘积呈正比，而不同大小的负荷扰动引起不同程度的频率变化率，因此ΔPin会有不同程度的增加，转子转速的跌落程度也会随之不同，但它们的变化趋势和图3相同。本文分析的2MW的负荷扰动是考虑了微电网出现较大功率缺额的情况，此时临时负荷容量占DFIG额定功率的40%(2MW/5MW)。在如7m/s的低风速工况下，为了防止出现更大功率缺额时功率增加值过大导致转速跌落过深，本文设置了如图2所示的DFIG的调频死区，转子转速高于0.67时，输出的逻辑值为1，否则为0。输出的逻辑值与功率增加值相与，即得到调频信号。

在风速达到额定风速14m/s前，加入临时负荷后，DFIG的有功功率、转子转速和微电网频率变化情况与图3相近，为了更直观地分析Kin取值对微电网动态频率偏差、DFIG功率跌落值和转速恢复时间的影响，分别给出9 m/s、11 m/s和13 m/s风速下Kin不同取值时上述变量的取值曲线，如图4所示。

图4 9、11、13 m/s风速下虚拟惯量控制效果分析Fig.4 Performance of virtual inertia control under9、11 and 13 m/s wind speeds

随风速增大，DFIG的转速升高，出现负荷扰动时风电机组可提供的功率支撑变大，所以随Kin取值增大，微电网动态频率偏差逐渐变小，但功率跌落值和转速恢复时间则分别增大。比较知，在9 m/s的风速下，Kin取值大于30后，电网动态频率偏差并未显著改善，功率跌落值和转速恢复时间却有明显增加，因此Kin取30。同理，在11～13 m/s风速区间内，为了平衡微电网动态频率偏差、DFIG功率跌落值和转速恢复时间，Kin均取40。

2.3 高风速下虚拟惯量控制系数取值分析

当风速超过14 m/s的额定风速后，风电机组受到功率限制和转速限制，此时桨距角开始动作，以限制风机捕获的机械功率，并将转子转速维持在1.2 pu。

在15 m/s的高风速工况下，30 s时投入2 MW临时负荷，加入虚拟惯量控制并取不同控制系数时，DFIG的有功功率、转子转速、桨距角和微电网频率变化如图5所示。

图5 15 m/s风速下虚拟惯量控制效果分析Fig.5 Performance of virtual inertia control under 15 m/s wind speed

由图5a～图5c知，频率跌落时，桨距角随转速的降低而减小，风机捕获的机械功率因此增加。增加的这部分机械功率一部分可加速转子，从而避免转速恢复过程中电磁功率的严重跌落；另一部分可输送到电网中参与频率调节，从而进一步减小动态频率偏差。所以，在风速超过额定值的高风速工况下，DFIG可在最大风能追踪的基础上为微电网提供迅速、有效的频率支持。由图5c、图5d，Kin取40时，动态频率偏差比Kin取30时降低了13 MHz，但转速恢复值过高引起桨距角增大相对严重，有功功率跌落值由Kin取30时的0.975 pu跌落到0.958 pu。综合考虑，高风速下Kin取值为30，此时频率跌落最低值比DFIG不参与频率调节时提升了200 MHz。

根据本节分析，不同风速下虚拟惯量控制系数Kin的合适取值不同，风速较低时DFIG可释放的转子动能较少，Kin取值不宜过大；随着风速升高，DFIG可释放的转子动能变大，为了提供足够的功率支撑，Kin取值也相应变大。本文根据试错法得出了如图6所示的风速与Kin取值的关系曲线，使风机在实际运行中，可根据风速选取合适的虚拟惯量控制系数，从而保证较好的调频效果。

图6 不同风速下Kin取值Fig.6 Kin value at different wind speed

通过本节的动态仿真可知，虚拟惯量控制只能提供短暂的功率支撑，对减小系统的稳态频率偏差没有贡献。但虚拟惯量控制可迅速响应频率变化率df/dt，为常规机组的调频器动作提供一定的响应时间[15]，而且它对动态频率偏差的显著减小可避免微电网频率跌落太深而出现甩负荷的情况。

本文分析的是单台风机的情况，如果微电网中有若干台风机，在风电场内风速相同，不考虑内部调频分配的情况下可对风电场进行等值处理，通过多台风电机组的集中将风电场视为等值机组；如果考虑到风电场内部风速不同，各风电机组处于不同运行区域的情况，需要通过多台风电机组的建模对风电场层面的功率分配和调频控制进行分析。在风电场层面上此调频策略仍可适用，但在风电渗透率较高的系统中功率跌落问题会更加严峻。因为在一般情况下，加入虚拟惯量控制后风电机组参与调频的持续时间只有数秒左右，而转速恢复时间则长达10 s以上，在短暂的功率支撑后，如果若干台风电机组同时退出调频，会带来较严重的功率跌落，此时这部分功率缺额只能由柴油机承担，而频繁的调速器动作容易造成其机械磨损。所以风机的适当减载十分必要。

3 DFIG超速控制

3.1 超速控制原理

根据空气动力学知识，风机捕获的机械功率为

(2)

式中，ρ为空气密度；A为风力机叶片迎风扫掠面积；Cp为风能利用系数；Vw为进入风力扫略面积前的空气流速。

由式(2)知，在风速给定的情况下，风轮获得的功率将取决于风能利用系数，风能利用系数是风力机叶尖速比λ的函数，如图7所示。

图7 不同桨距角下Cp(λ) 曲线 Fig.7 Cp(λ) curve when pitch angle varies

可见Cp(λ)曲线是桨距角β的函数，桨距角逐渐增大时Cp曲线显著减小。在桨距角不变的情况下，存在一个最大λ值使风机获取最大功率。如果在任何风速下都能保证叶尖速比λ=λopt，就可维持风力机在Cpmax下运行。而叶尖速比

(3)

式中，R为风轮半径。

由式(3)知，风速变化时，只要调节风轮转速，使叶尖速度与风速之比保持不变，就可获得最佳风能利用系数，由此可得出风机的最大功率跟踪曲线。

为了解决低于额定风速时虚拟惯量控制加入后引发的功率跌落问题，同时为微电网提供长久的频率支撑，需要使风电机组像常规机组一样留有备用容量，目前主要有如图8所示的两种减载方式。

图8 超速与变桨法获得备用Fig.8 Change rotor speed or pitch angle to obtain reserve power

如图8，风机运行在B点和C点都可获得备用功率。但由文献[16]知，B点是不稳定运行点，而且超速运行在C点可获得更多的转子动能。D点是变桨点，在不改变转速的情况下增大桨距角也可限制机械功率的获取。但由文献[17]知，直接桨距角控制由于风电机组机械系统的频繁动作，不但增加了风机检修费用，而且容易导致风力机寿命减短。当风速低于额定风速，即转子转速达到1.2 pu前，风机通过两种方式均可获得备用功率。当风速达到或超过额定值后，转子转速维持在1.2 pu，此时只能通过适当增加桨距角限制风机捕获的机械功率。由资料知，风速达到及超过额定值的运行工况只占风电场年运行时间的很小一部分比例，由文献[18]知，接入葡萄牙电网的所有风电场出力超过额定功率50%的运行时间只占风电场年运行时间的10%，通过观测我国某海上风电场的风速数据也可发现类似情况。而且如图5所示，高风速情况下转子转速高，扰动出现时输出功率可达到1.2 pu，参与调频时间较长，而且几乎不存在功率跌落的问题。因此，在高风速情况下，本文只采用虚拟惯量控制。

通过调整DFIG的最大风能追踪曲线，使DFIG在低于额定风速时追踪10%减载次最优功率曲线，在频率跌落时，风电机组即可增加有功出力，此时风机的功率-频率关系类似于柴油机参与一次调频的功率-频率下垂特性，如图9所示。

图9 DFIG频率特性曲线Fig.9 Frequency response cure of DFIG

频率跌落时，风电机组增加的有功率ΔP与频率差值Δf关系如下

(4)

式中，Rw为风电机组的调差系数。

在虚拟惯量控制的基础上加入下垂控制环节，此时DFIG的协调控制如图10所示。其中Kd是风电机组的功频静特性系数，Kd=1/Rw。

图10 虚拟惯量与超速协调控制框图Fig.10 Coordinated virtual inertia and overspeed control block diagram of DFIG

由式(4)可知，调差系数决定了频率发生单位变化时，发电机组输出功率的变化量。实际中，发电机组的调差系数可以整定，一般来说，汽轮机组调差系数的整定范围是2.5%～8%[19]，水轮机组调差系数的整定范围是0～10%[20]。对风电机组来说，调差系数不是一个定值，因为风速不同时，风机捕获的机械功率不同，可用的备用功率不同，因此风机可承担的调频任务不同。为了保证不同风速下风机调频能力的充分发挥，与第2节类似，本文对DFIG功频静特性系数Kd的取值分别在不同风速下进行分析。

3.2 不同风速时功频静特性系数取值分析

7 m/s风速工况下，30 s投入2 MW临时负荷后Kd不同取值时对应的DFIG的有功功率、风能利用系数、转子转速、微电网频率如图11所示(Kin均取20)。

图11 7 m/s风速下下垂控制效果分析Fig.11 The performance of droop control under 7 m/s wind speed

由图11c可知，下垂控制的加入使DFIG转子转速跌落加深，此时有更多转子动能释放，这部分动能可转变为电磁功率参与频率调节，使微电网频率最低值进一步提高；而且额外功率支撑结束后风机不再运行在减载点，备用功率的释放不仅可弥补转速恢复过程中对电磁功率的吸收，而且可提供长久的功率支撑。由图11b可知，转速稳定后DFIG的风能利用系数Cp明显增加，但7 m/s的低风速工况下DFIG捕获的功率较小，备用功率也少，而且为了避免转速下降过低，Kd取值不能过大，所以此时频率稳态值增加不明显。为了避免转子转速下降过大导致风机失步停机，Kd取值为5，此时频率最低值比只有虚拟惯量控制时提升了58 MHz，而且功率跌落问题得到了解决。

9 m/s风速工况下风电机组捕获的风能有所增加，加入下垂控制后提供的频率稳态支撑相对较明显，此时Kd不同取值时转子转速变化波形与图11类似，DFIG有功功率、微电网频率变化如图12所示(Kin均取30)。

图12 9 m/s风速下下垂控制效果分析Fig.12 The performance of droop control under 9 m/s wind speed

如图12a，Kd取20时DFIG能够根据频率偏差增发相应的有功功率，完全弥补了转速恢复过程的功率跌落；如图12b，Kd取20时动态频率偏差比只加入虚拟惯量控制时减小了163 MHz，稳态频率偏差减小了12 MHz。可见备用功率的增多使得风电机组对减小微电网动态及稳态频率偏差的贡献变得显著。

11 m/s风速下加入下垂控制后DFIG有功功率和微电网频率波形与图12类似，由试错法分析得此时Kd的合适取值为30。13 m/s风速工况下Kd取值不同时DFIG有功功率、微电网频率如图13所示(Kin均取40)。

图13 13 m/s风速下下垂控制效果分析Fig.13 Performance of droop control under 13 m/s wind speed

由图13可知，Kd取40时，即调差系数Rw为2.5%时，风机在短暂迅速的转子动能释放后回到最大功率跟踪点，从而为微电网提供了长久的功率支撑。此时动态频率偏差比仅加入虚拟惯量控制时减小了255 MHz，稳态频率偏差减小了40 MHz。

如上述仿真分析，风速较高时风机的备用功率多，为了承担相应的调频任务，需要设置较大的功频静态系数；相反，风速较低时，为了保证风机的稳定安全运行，功频静态系数不能设置过大。为了保证时变风速中功频静态系数的灵活选择，本文根据试错法做出不同风速下的功频静态系数曲线，如图14所示。

图14 不同风速下Kd取值Fig.14 Kd value at different wind speed

对比第2节分析，虚拟惯量控制是对频率的变化率df/dt做出响应，在频率跌落释放转子动能，降低微电网动态频率偏差。下垂控制是对频率偏差Δf做出响应，与虚拟惯量控制结合，使转子动能的释放更加明显，进一步减小动态频率偏差；而且转速恢复后，风机不再运行在减载点，增发的备用功率可降低微电网稳态频率偏差。

目前许多国家也在研究风电减载问题，例如西班牙在电网导则中明确指出，风电机组必须有1.5%的频率备用裕度[21]；挪威、德国等国也对风电机组提出了备用容量的要求。本文通过调整风机的功率跟踪曲线实现了减载控制，在风电场层面上仍可通过此策略获取合适的备用容量。

4 实时风速下微电网频率分析

在不同风速下投入临时负荷，DFIG采用虚拟惯量控制和超速控制与柴油机共同承担微电网频率调节任务的情形已在前文做了详细分析。为了验证上述控制策略在微电网实际运行中的调频效果，根据我国某海上风电场1月份的实测风速数据拟合风速曲线如图15所示。

图15 实时风速Fig.15 Time-varying wind speed

在图15所示的时变风速下，60 s时投入2 MW临时负荷，DFIG不参与频率调节以及采用可变系数的虚拟惯量和超速控制协调的调频策略与柴油机共同承担调频任务时，微电网频率、DFIG有功功率、柴油机出力、光伏电池出力、DFIG的Kin取值、Kd取值变化情况分别如图16所示。

图16 实时风速下变系数协调控制效果分析Fig.16 Performance of coordinated control using variable coefficient under time-varying wind speed

如图16a所示，在风速波动的情况下，虚拟惯量控制和下垂控制能通过快速释放或吸收转子动能使电网的频率更加平滑。控制系数Kin和Kd取值如图16e～图16f所示。可见在变系数的调节策略下，DFIG能够根据风速选择合适的控制系数，从而抑制了由风速变化引起的频率波动，减轻了柴油机部分调频任务。由图16d可知，光伏电池按P-Q控制模式运行，有功功率与电网频率解耦，不参与频率调节，所以DFIG参与微电网频率调节的能力是不可或缺的。

在60 s临时负荷投入后，在柴油机调速器来不及动作的短暂时间内，DFIG的虚拟惯量控制和下垂控制能够分别迅速响应频率变化率和频率偏差，增加功率参考值，释放转子动能，增发备用功率，提高微电网的动态频率特性。如图16f，60 s投入临时负荷后，DFIG不参与调频时频率最低值跌落到49.227 Hz，而在可变系数协调控制策略下，频率最低值上升到49.554 Hz，动态频率偏差减小了327 MHz。可见，此调频策略不仅能在微电网正常运行的模式下抑制由风速变化引起的频率波动，还能在出现大功率负荷扰动时提供迅速有效的频率支撑。

5 结论

本文提出了虚拟惯量和超速控制结合的DFIG调频策略。首先分析了虚拟惯量控制的优缺点，通过仿真验证了其可迅速响应微电网频率变化率，对减小动态频率偏差有显著效果。但它只能提供短暂的功率支撑，而且在低风速下，转速恢复过程中会出现严重的功率跌落。所以本文在低于额定风速时使DFIG超速运行获得10%备用功率，风电机组因此可参与一次调频，不仅使功率跌落问题得到解决，风速及负荷扰动引起的动态及稳态频率偏差也可进一步降低。当高风速下出现负荷扰动时，由于自动桨距角控制的作用，功率跌落问题不再明显，而且风电机组高风速运行工况较少，因此不再设置备用。为了避免采用统一控制系数导致风机调频能力不能充分发挥，本文通过分析不同风速下虚拟惯量控制系数和功频静特性系数取值对调频效果的影响，分别制定了控制系数取值曲线，实现了DFIG的变系数调频控制。仿真表明可变系数的虚拟惯量与超速协调的控制策略可有效分担柴油机的部分调频任务。由于DFIG采用交流变频控制技术，响应速度快，对提高微电网动态频率特性有显著效果，而且适当的减载可避免波谷负荷时风电机组的切机情况，这种控制策略对较大容量微电网的频率稳定有较高的参考意义，尤其是在风电渗透率较高的情况下。

附 录

调速器参数：

T1=0.3 s，T2=5 s，T3=11.88 s，K1=25 pu，T4=0.1 s，K3=1 pu，Pmax=0.95 pu。

调压器参数：

[1] 沈臣，顾伟，吴志.孤岛模式下的微电网低频减载策略分析[J].电力系统自动化，2011，35(9)：47-52. Shen Chen，Gu Wei，Wu Zhi.An underfrequency load shedding strategy for islanded microgrid[J].Automation of Electric Power Systems，2011，35(9)：47-52.

[2] 丁明，杨向真，苏建徽.基于虚拟同步发电机思想的微电网逆变电源控制策略[J].电力系统自动化，2009，33(8)：89-93. Ding Ming，Yang Xiangzhen，Su Jianhui.Control strategies of inverters based on virtual synchronous generator in a microgrid[J].Automation of Electric Power Systems，2009，33(8)：89-93.

[3] 杜威，姜齐荣，陈蛟瑞.微电网电源的虚拟惯性频率控制策略[J].电力系统自动化，2011，35(23)：26-31. Du Wei，Jiang Qirong，Chen Jiaorui.Frequency control strategy of distributed generations based on virtual inertia in a microgrid[J].Automation of Electric Power Systems，2011，35(23)：26-31.

[4] Morren J，de Haan S W H，Ferreira J A.Contribution of DG units to primary frequency control[C].IEEE Future Power Systems International Conference，Amsterdam，2005：1-6.

[5] Ekanayake J，Jenkins N.Comparison of the response of doubly fed and fixed-speed induction generator wind turbines to changes in network frequency[J].IEEE Transactions on Energy Conversion，2004，19(4)：800-802.

[6] Ramtharan G，Ekanayake J B，Jenkins N.Frequency supportfromdoubly fed induction generatorwind turbines[J].IET Renewable Power Generation，2007，1(1)：3-9.

[7] Mustafa K，Jovica V.Dynamic contribution of doubly-based wind plants to system frequency disturbances[J].IEEE Transactions on Power Systems，2009，24(22)：859-867.

[8] Almeida R G，Castronuovo E D，Pecas Lopes J A.Optimum generation control in wind parks when carrying out system operator requests[J].IEEE Transactions on Power Systems，2006，21(2)：718-725.

[9] Chang-Chien Le-Ren，Hung Chihmin，Yin Yao-ching.Dynamic reserve allocation for system contingency by DFIG wind farms[J].IEEE Transactions on Power Systems，2008，23(2)：729-736.

[10]张昭遂，孙元章，李国杰，等.超速与变桨协调的双馈风电机组频率控制[J].电力系统自动化，2011，35(17)：20-25. Zhang Zhaosui，Sun Yuanzhang，Li Guojie，et al.Frequency regulation by doubly fed induction generator wind turbines based on coordinated overspeed control and pitch control[J].Automation of Electric Power Systems，2011，35(17)：20-25.

[11]杨永恒，周克亮.光伏电池建模及MPPT控制策略[J].电工技术学报，2011，26(s1)：229-234. Yang Yongheng，Zhou Keliang.Photovoltaic cell modeling and MPPT control strategies[J].Transactions of China Electrotechnical Society，2011，26(s1)：229-234.

[12]蔡国伟，孔令国，潘超，等.风光储联合发电系统的建模及并网控制策略[J].电工技术学报，2013，28(9)：196-204. Cai Guowei，Kong Lingguo，Pan Chao，et al.System modeling of wind-PV-ES hybrid power system and its control strategy for grid-connected[J].Transactions of China Electrotechnical Society，2013，28(9)：196-204.

[13]Wang Ye，Delille G，Bayem H.High wind penetration in isolated power systems—assessment of wind inertial and primary frequency reponese[J].IEEE Transactions on Power Systems，2013，38(3)：2412-2420.

[14]Knudsen H，Nielsen J N.Wind power in power systems-introduction to the modeling of wind turbines[M].United Kingdom：Wiley，2005，525-585.

[15]刘巨，姚伟，文劲宇，等.大规模风电参与系统频率调整的技术展望[J].电网技术，2014，38(3)：638-646. Liu Ju，Yao Wei，Wen Jinyu，et al.Prospect of technology for large-scale wind farm participating into power grid frequency regulation[J].Power System Technology，2014，38(3)：638-646.

[16]吴子双，于继来，彭喜云.高风速段次优功率追踪方式的风电调频方法[J].电工技术学报，2013，28(5)：112-119. Wu Zishuang，Yu Jilai，Peng Xiyun.DFIG’s frequency regulation method only for high wind speed with suboptimal power tracking[J].Transactions of China Electrotechnical Society，2013，28(5)：112-119.

[17]Erlich I，Wilch M.Primary frequency control by wind turbines[C].IEEE Power and Energy Society General Meeting，Minnesota，USA，2010：1-8.

[18]Estanqueiro A I，de Jesus J M F，Ricardo J，et al.Barriers (and solutions…) to very high wind penetration in power systems：the iberian case study[C].Power Engineering Society General Meeting，Berlin，Germany，2007：1-7.

[19]IEEE Recommended Practice for Functional and Performance Characteristics of Control Systems for Steam Turbine-Generator Unit[S].IEEE Std.122-1991.

[20]IEEE Recommended Practice for Preparation of Equipment Specifications for Speed-Governing of Hydraulic Turbines Intended to Drive Electric Generators[S].IEEE Std.125-2007.

[21]Langnisso O.Incentives for grid-friendly wind power plants-examples from Spain and Germany[C].Proceedings of China-US Renewable Energy Grid Integration Workshop，Beijing，2010.

Frequency Regulation of the Wind/Photovoltaic/Diesel Microgrid Based on DFIG Cooperative Strategy with Variable Coefficients BetweenVirtual Inertia and Over-speed Control

ZhaoJingjingLvXueFuYangHuXiaoguang

(Shanghai University of Electric Power Shanghai 200090 China)

To improve the frequency stability of the isolated islanding wind/photovoltaic/diesel microgrid，in this paper，the doubly fed induction generator(DFIG) and the diesel turbine are both utilized as the frequency regulation sources.Via coordinating virtual inertia control，rotor speed control，and automatic pitch control strategy，DFIG can cooperate with diesel turbine to restrain the frequency fluctuation caused by the change of the wind speed and the load.When operating at the below-rated wind speed，DFIG adoptsbothvirtual inertia control and over-speed control strategy.On the other hand，when at above-rated wind speed，DFIG utilizes virtual inertia control and automatic pitch control.Therefore，the output power drop during the recovery period of the rotor speed with virtual inertia control can be avoided.Moreover，this combined control strategy can provide permanent power support for the microgrid.In order to guarantee the efficiency of this strategy in a time-varying wind speed，an inertia coefficient curve and a droop control gain curve areplotted by analyzing parameter settings under different wind speeds，and as a result，the variable coefficient control is realized.This paper established the microgrid control model includes the diesel generator，photovoltaic power generator and DFIG using the software DIgSILENT PowerFactory.The simulation results show that this control strategy is valid.

Microgrid frequency regulation，DFIG，virtual inertia control，overspeed and automatic pitch control，variable coefficient

国家自然科学基金(51207087)，上海市重点支撑攻关计划(13160500800)，上海市教委科研创新(12YZ143)和上海绿色能源并网工程技术研究中心(13DZ2251900)资助项目。

2014-11-15 改稿日期2014-12-30

TM315

赵晶晶 女，1980年生，副教授，博士，研究方向为分布式发电与微电网技术、风力发电无功电压控制、配电网无功优化。

吕 雪 女，1990年生，硕士研究生，研究方向为风力发电频率控制、分布式发电与微电网技术。(通信作者)