SMES-VRB复合储能平抑再生能源功率波动协调控制

刘金虹，张辉，杨秉翰，闵阳

（1.西安理工大学自动化与信息工程学院，陕西 西安 710048；2.清华大学电力系统及发电设备控制和仿真国家重点实验室，北京 100084）

SMES-VRB复合储能平抑再生能源功率波动协调控制

刘金虹1，2，张辉1，2，杨秉翰1，闵阳1

（1.西安理工大学自动化与信息工程学院，陕西 西安 710048；2.清华大学电力系统及发电设备控制和仿真国家重点实验室，北京 100084）

为解决可再生能源的间歇性和波动性，保证微电网各发电单元之间功率平衡，加入复合储能（HESS）是行之有效的方法。提出将功率型超导储能（SMES）和能量型钒流电池（VRB）储能组成复合储能平抑含风力发电的微电网功率波动。针对现有两级滤波法的缺点，加入荷电状态（SOC）反馈，提出基于优化控制层和协调控制层的分层控制。仿真比较了两级滤波法和分层控制法平抑风电功率波动的效果及各储能SOC的动态变化，结果验证了SMES和VRB复合储能分层控制策略的有效性。

复合储能；超导磁储能；钒流电池；荷电状态；分层控制

微电网中风电、光伏等可再生能源输出功率的间歇性和波动性导致其无法直接参与电网调度，储能则是行之有效的解决方案，但是单一储能无法兼顾快速响应和持续补偿的要求。为解决这一问题，采用复合储能（HESS）方案，不仅能够提高微电网整体效率，还能增加储能装置寿命，减小成本，但必要的代价是控制相对复杂，技术不够成熟。现有的复合储能种类有很多［1-3］，主要分为功率型/短期型储能与能量型/长期型储能装置，前者包括超导储能（SMES）、超级电容储能等，后者包括铅酸电池、锂电池、钒流电池（VRB）储能等。

SMES采用无阻、高载流密度的超导线圈，响应速度快，功率大，相比于超级电容器具有更快的充放电速率和更高的效率，因此采用SMES作为功率型储能装置；而VRB为化学液相反应，电池容量大，其比容量和循环次数均要优于铅酸电池和锂电池，因此选择VRB作为能量型储能装置。因此本文采用SMES和VRB复合储能平抑可再生能源功率波动，在再生能源功率波动时，通过VRB吸收或释放低频功率，SMES吸收或释放高频功率，以抑制再生能源功率波动对直流母线电压的冲击。

复合储能的关键是功率分配及荷电状态（SOC）反馈控制等。目前功率分配策略主要有两级滤波法［4］、自适应滤波法［5-6］、模糊神经网络控制［7］、小波分解法［8］等。

文献［4］采用时间常数随SOC变化的低通滤波算法确定目标功率值，并用模糊控制将超出目标值的功率偏差在两种储能介质之间进行分配。

文献［6］设计并实现了基于中央控制单元和本地控制单元双层控制结构的储能控制，中央控制单元使用滑动平均滤波器分离功率指令中的低频成分分配给铅酸电池，并将剩余高频成分分配给SMES；本地控制器使用PI控制规律控制铅酸电池和SMES分别跟踪功率指令和电压指令。

文献［7］设计模糊神经PID控制器，采用模糊神经网络算法在线优化HESS控制参数。

文献［8］采用小波分解算法，可有效地解耦出铅酸电池及超级电容分量。

本文在传统两级滤波法中加入SOC反馈，提出基于优化控制层和协调控制层的HESS功率分层控制，实现HESS功率的精确分配，保证各储能装置SOC在合适范围内。

1 风电频谱特性及HESS架构

研究风电/光伏等再生能源发电功率的波动特性，不仅有助于制定有效的平抑策略，还能通过确定合理的平抑目标来减小所需储能容量。本文基于SMES和VRB复合储能，以风-储集群为例进行分析，分析方法同样适用于风-光-储集群。

1.1 风电频谱特性

首先对图1所示风电输出功率进行傅里叶变换，得到风电功率波动频谱如图2所示［9］，其频谱集中在0.01～1 Hz，对应的时间常数为1～100 s。1 Hz以上的高频波动可被机组“惯性”吸收，且0.01～1 Hz的功率波动对电网电压、频率等参量影响显著［10-11］。图2表明，大部分的功率波动集中在0.1 Hz以下，若取0.1 Hz作为功率型和能量型储能的分界频率，则0.01～0.1 Hz之间功率波动较慢且幅值较大，采用能量型VRB平抑；0.1～1 Hz功率波动较快且幅值较小，采用功率型SMES平抑。

图1 原始风电功率曲线Fig.1 Curve of original wind power

图2 风电功率频谱Fig.2 Fluctuations of wind power in spectrum

1.2 HESS架构

目前复合储能的结构有交流侧并联型和直流侧并联型［12］，其中交流侧并联对网侧的电压、频率变化响应较快，通过DC/AC变流器快速、准确追踪参考功率，稳定公共耦合点电压，如图3a所示。

图3 HESS的两种架构Fig.3 Two architectures of HESS

直流侧并联拓扑结构中，VRB，SMES构成的HESS储能装置通过各自DC/DC变流器并联，如图3b所示。

该拓扑方案中各自DC/DC变流器有变流、调压功能，因此，可以通过它来连接端电压不同的两种储能装置，对每种储能装置直接控制，同时维持直流母线电压恒定；VRB和SMES可深充深放，故可充分利用其储能量，优化设计HESS额定容量。

本文拟研究的风-储集群以双馈感应发电机为例，将VRB和SMES组成的HESS通过各自双向DC/DC变流器连接到直流母线，各功率流向关系如图4所示。

图4 各功率流向关系图Fig.4 Diagram of each power flow

2 复合储能控制方法

2.1 传统两级低通滤波法

为便于说明HESS原理，将图2风电功率频谱按频率进行划分，如图5所示。

图5 风电功率分配示意图Fig.5 Power sharing of wind power

VRB能量密度大，用来补偿功率波动较慢且幅值较大的分量；SMES功率密度大，用来补偿功率波动较快且幅值较小的分量。

传统控制方法基于图5所示的风电功率分配图，采用两级滤波法确定VRB和SMES的功率［13］，如下式所示：

具体控制框图如图6所示。

图6 两级滤波法控制框图Fig.6 Two stage filtering control block diagram

各储能装置滤波时间常数确定后，储能的参考功率只和风电出力有关。若风电出力波动较大，则HESS补偿的参考功率也会出现较大波动。

为保证各储能装置工作在安全区域，需考虑其SOC和充放电功率限制，于是提出基于SOC反馈的改进分层控制方法。

2.2 改进分层控制方法

论文将整体控制分为优化控制层和协调控制层，如图7所示。

图7 分层控制框图Fig.7 Hierarchical control block diagram

2.2.1 优化控制层

优化控制层主要执行功率优化策略，根据平抑要求输出HESS参考功率PHESS_ref，它由一级低通滤波器LPF1和功率调节模块PCS组成。

优化控制层的目标是使复合储能SOC保持在合适的范围内，平均SOC的计算公式为

式中：SVRB,SSMES,SHESS分别为VRB，SMES及HESS的SOC；CVRB,CSMES分别为VRB和SMES的容量。

优化控制层根据各储能反馈的SOC，经PCS实时修正参考功率 Pout_ref,PHESS_ref,具体控制框图如图8所示。

图8 优化控制层Fig.8 Optimal control level

2.2.2 协调控制层

协调控制层根据优化控制层提供的HESS参考功率PHESS_ref执行HESS功率分配策略，输出各储能装置的参考功率值PVRB,PSMES,用于控制各储能双向DC/DC变换器。

协调控制层包括低通滤波器LPF2、功率调节模块PCS和限值管理模块LMM，其中LMM结构如图9所示，其作用是根据各储能装置当前SOC、功率等约束条件，制定最大、最小功率。此外，它还可修正参考功率，防止某个储能装置出力不足，减小跟踪误差。

图9 限值管理模块Fig.9 Limiting management module

图9中初始分配值PVRB先经过限幅环节，确保其参考功率不越限，再与HESS参考功率值相减得到SMES初始分配值PSMES,然后经过限幅环节得到SMES参考功率值PSMES_ref。类似地得到VRB参考功率值PVRB_ref。

3 仿真结果及分析

在Matlab/Simulink环境下，搭建风-储集群仿真模型，根据相关参考文献［14］，设置的主要仿真参数为：VRB容量70 MJ，SMES容量10 MJ，需平抑2 MW的风电功率波动，直流母线电压1 200 V。

对两级滤波法和分层控制法进行了仿真对比。对原始风电功率进行功率平抑的结果如图10所示。由图10可见，700 s前两种方法都能有效跟踪风电功率，但是随着HESS充放电过程的继续，700 s后，分层控制法比传统两级滤波法的功率波动小，传统两级滤波法的SOC进入临界工作区（SOC<0.2）。而分层控制法SOC始终大于0.2，如图11所示。因此验证分层控制法良好的功率调节能力，有效平抑风电输出功率的波动。

图10 HESS平抑效果Fig.10 Stabilizing effect of HESS

图11 复合储能平均SOCFig.11 Average SOC of HESS

4 结论

本文将SMES和VRB组成HESS用于平抑风电功率波动，提出一种基于SOC反馈的分层控制策略，Matlab/Simulink仿真结果验证该方法能有效、快速抑制风电功率波动，提高风-储集群可靠性和稳定性：

1）SMES平抑风电高频功率波动，VRB平抑风电低频功率波动，充分发挥HESS功率密度大和能量密度大的优势；

2）HESS分层优化功率分配策略中加入SOC反馈控制，优化复合储能SOC运行范围，使SMES和VRB兼具较强的充、放电能力，充分发挥HESS平抑风电功率波动的作用。

［1］唐西胜，武鑫，齐智平.超级电容器蓄电池混合储能独立光伏系统研究［J］.太阳能学报，2007，2（2）：178-183.

［2］Chen Xiao Yuan，Jin Jian Xun，Xin Ying，et al.SMES-based Hybird Energy Storage for Fast and Large Power Compensation［C］//Applied Superconductivity and Electromagnetic Devices（ASEMD），2011 International Conference on，Sydney，NSW，2011：13-16.

［3］Shim Jae Woong，Cho Youngho，Kim Seog-Joo，et al.Synergis⁃tic Control of SMES and Battery Energy Storage for Enabling Dispatchability of Renewable Energy Sources［J］.Applied Su⁃perconductivity，IEEE Transactions on，2013，23（3）：570-1205.

［4］丁明，林根德，陈自年，等.一种适用于混合储能系统的控制策略［J］.中国电机工程学报，2012，32（7）：1-6.

［5］高尚，祁新春，谢涛，等.共直流母线光伏-混合储能发电系统及其双重滤波优化控制［J］.电力系统保护与控制，2014，42（20）：92-97.

［6］施啸寒，王少荣.蓄电池-超导磁体储能系统平抑间歇性电源出力波动的研究［J］.电力自动化设备，2013，33（8）：53-58.

［7］卢芸，赵永来.基于模糊神经网络风电混合储能系统优化控制［J］.电力系统保护与控制，2014，42（12）：113-118.

［8］马速良，蒋小平，马会萌，等.平抑风电波动的混合储能系统的容量配置［J］.电力系统保护与控制，2014，42（8）: 108-114.

［9］李凯，马倩，徐红兵，等.储能系统的荷电状态管理策略及其影响评价［J］.电力系统自动化，2015，39（8）：27-32.

［10］刘昌金，胡长生，李霄，等.基于超导储能系统的风电场功率控制系统设计［J］.电力系统自动化，2008，32（16）：83-88.

［11］王育飞，符杨，张宇，等.风力发电储能系统特性分析与实验研究［J］.太阳能学报，2010，31（11）：1510-1515.

［12］Liu Fangcheng，Liu Jinjun，Zhang Haodong，et al.Stability Issues of Z+Z Type Cascade System in Hybrid Energy Stor⁃age System（HESS）［J］.IEEE Transactions on Power Elec⁃tronics，2014，29（11）：5846-5859.

［13］桑丙玉，陶以彬，郑高，等.超级电容-蓄电池混合储能拓扑结构和控制策略研究［J］.电力系统保护与控制，2014，42（2）：1-6.

［14］李军徽，朱星旭，严干贵，等.模块化VRB-EC混合储能系统配置与控制的优化［J］.电力自动化设备，2014，67（5）：67-71.

修改稿日期：2016-04-15

Hierarchical Control Strategy of SMES-VRB Based Hybrid Energy Storage to Stabilize Power Fluctuations of Renewable Energy Storage

LIU Jinhong1，2，ZHANG Hui1，2，YANG Binghan1，MIN Yang1
（1.College of Automation and Information Engineering，Xi’an University of Technology，Xi’an 710048，Shaanxi，China；2.State Key Lab of Power System，Tsinghua University，Beijing 100084，China）

To address the volatility and intermittent nature of renewable energy and ensure power balance between each power generation unit of micro-grid，adding hybrid energy storage system is proved to be an efficient method.Presented a HESS composing of a power-type Superconducting magnetic energy storage（SMES）and energy-type vanadium redox flow battery（VRB）energy storage to stabilize renewable energy power fluctuations of wind power.For the shortcomings of existing method of two-stage filter，state of charge（SOC）feedback control was added to the system，and hierarchical control strategy with optimized control layer and coordinated control layer were proposed.Stabilizing effects of wind power fluctuation and dynamic changes of SOC were compared with the method of two-stage filter and hierarchical control through simulation，and the hierarchical control effectiveness of HESS based on SMES and VRB are verified.

hybrid energy storage system（HESS）；superconducting magnetic energy storage（SMES）；vanadium redox flow battery（VRB）；state of charge（SOC）；hierarchical control

TM712

A

10.19457/j.1001-2095.20161110

国家自然科学基金（51277150/51307140）；陕西省工业攻关（2013K07-05）；陕西省教育厅产业化培育（14JF020）；清华大学电力系统国家重点实验室开放课题（SKLD16KZ01）

刘金虹（1985-），男，博士生，Email：ljhrainbow@163.com

2015-03-30