含分布式储能的光伏发电系统建模与仿真

王善立,龙 军

(广西大学电气工程学院,广西南宁530004)

含分布式储能的光伏发电系统建模与仿真

王善立,龙 军

(广西大学电气工程学院,广西南宁530004)

太阳能是一种新型可再生能源且在开发利用太阳能过程中不会污染环境。太阳能发电在解决全球气候变暖及能源问题中发挥着极其重要的作用，但因受自然条件和气候因素的影响，太阳能辐照度具有极大的不稳定性，直接导致了光伏发电输出功率具有明显的波动性。为了使光伏发电系统能够提供连续稳定的电力，将分布式储能作为主要的储能方式应用于光伏发电系统中，基于PSCAD/EMTDC建立了含分布式储能的光伏发电系统仿真模型。经仿真结果表明，光伏电池最大功率跟踪点（MPPT）能够有效地提高光伏阵列的输出功率；分布式储能的介入使得光伏发电系统的输出功率曲线更趋平稳，缓和了光伏发电不稳定性对电网的冲击。

光伏；MPPT；分布式储能；建模；仿真

随着社会和经济的发展，能源的消耗在急骤增长，而人类社会的三大主要能源——煤、石油、天然气都是不可再生且面临枯竭的。为满足社会未来的可持续发展及解决化石能源带来的环境问题，大规模开发利用太阳能、风能等新能源已成现实。20世纪80年代以来，太阳电池的高速发展使得光伏发电得到了广泛应用，预计到21世纪中叶，光伏发电量将占到世界总发电量的1/5。我国近年来也持续发展和整合新能源发电，光伏发电产业的发展也得到相对的提高[1-2]。据国家能源局的统计数据，2013增加光伏发电机装机容量为12.92 GW，其中光伏电站占12.1 GW，分布式光伏为0.8 GW。

因受环境条件的影响，光伏能源的能量变化波动很大，例如浙江光伏发电示范工程中的250 kW屋顶光伏发电项目的功率最大变化率为每分钟20%。为了提高光伏发电系统出力的稳定性和连续性，需增加辅助电源以解决光能不稳定性带来的问题[3-5]。本文将分布式储能应用于光伏发电系统，通过控制分布式储能功率合理的吸收和释放，来解决光伏发电的间歇性和波动性问题，在PSCAD中建立含分布式储能的光伏发电系统模型，并对其进行仿真分析。

1　含分布式储能的光伏发电系统结构

为了实现光伏发电系统功率平缓输出，采用图1所示的含分布式储能的光伏发电系统结构示意图，该系统由光伏发电系统、光伏控制系统、储能系统、储能控制系统、逆变器和变压器等组成。其中，变换器主要用于实现光伏电池最大功率点跟踪，并将光伏阵列的较低电压提升到较高的电压，以便供逆变器使用。

图1　含分布式储能的光伏发电系统示意图

2　仿真模型建立

2.1光伏模型

太阳电池是利用半导体的光伏效应产生电动势，将光能转化为电能。太阳电池在理想情况下的等效电路[6]，可由一个反并联二极管、并联电阻的电流源等效表示，如图2。

根据基尔霍夫定律可知，光伏组件输出电流I：

图2　光伏电池等效电路

将二极管电流表达式Id和并联支路电流表达式Ish代入，公式(1)写成：

式中:Ig为光生电流，其大小受到太阳辐射G和电池温度Tc的影响，其表达如式(3)：

式中:IscR为标准光照强度GR(1 000 W/m2)和标准温度TcR(25℃)条件下的短路电流，αT为光生电流的温度系数(硅晶体太阳电池αT=0.011 7 A/K)。Io为二极管饱和电流，为关于温度Tc的函数，其表达式如式(4)：

式中:eg为禁带宽度;n为二极管的理想常数;q为库仑常数(1.6×10－19C);k为玻尔兹曼常数(1.38×10－23J/K)。

光伏阵列是将多个太阳电池模块通过串并联安装在基座上的太阳电池群，从而提高其输出的电压和电流，增加系统输出功率。典型的光伏阵列电压-电流特性曲线如图3所示。

图3　光伏阵列I-V特性曲线

2.2MPPT模型

由图2可知，在不同环境条件情况下，光伏阵列功率输出存在着不同的最大工作点，为了获得最大的功率输出，最好使光伏阵列能够跟踪并持续工作在该点。MPPT即最大功率跟踪是一种DC-DC转换器，安装于光伏阵列和负载之间，以保证光伏阵列在任何环境条件及其负荷条件下尽可能工作在其最大功率模式。MPPT的控制策略有很多，常用的两种控制策略分别是扰动观察(P&Q)法和电导增量(INC)法。与P&O法相比较，INC法能够减少在最大功率点振荡及在剧烈变化的环境条件下具有更高的控制精度[7]，而其缺点是计算时间要长于P&Q法[8]。

本文采用INC法，该控制算法是通过比较工作电压与最大功率点间的电压关系，以此来确定增量的方向，调整工作电压以获得最大输出功率。在太阳光照强度变化的情况下，使得光伏阵列的功率输出变化较为平稳。INC控制算法的流程如图4。

图4　MPPT组件及其控制策略

在PSCAD中构建含MPPT的DC-DC转换控制器如图5所示。

图5　含MPPT的DC-DC转换控制器

2.3锂电池模型

用于构建电池储能系统的电池种类有很多，主要包括铅酸蓄电池，Ni-Cd电池，Ni-MH电池和Li-ion电池等。在本文中采用锂电池组作为分布式储能元件，并基于Shepherd方程[9]构建锂电池组件模型，用于实现其性能。锂电池的等效电路可用一个受控电压源与一个常数值的电阻串联表示，如图6。

图6　电池等效电路

该锂电池组件的等效模型方程如式(5)：

式中:Ebat内部电压(V)；Eo为电池电压常量(V)；SOC为电池荷电状态(%)；Q为电池容量(Ah)；A为指数区振幅(V)；B为指数区时间常数的倒数(1/Ah)；Vbat为输出端电压(V)；Ibat为电池电流(A)；Rbat为内部电阻(Ω)；K为极化常数(V/Ah)或极化电阻(Ω)。

在PSCAD中搭建3.6 V 1 Ah Li-ion电池组件，该电池组件如图7所示。

图7　Li-ion电池组件及其参数

图7中Ibat为输入信号，即电池的充电电流，Reset为控制信号，用于控制电池的充放电状态，SOC为输出信号，即电池荷电状态，Vbat为输出信号，即电池的输出电压。

除此之外，还需要搭建电池控制组件，以对电池的充放电状态进行实时有效的控制[10]，电池控制组件如图8所示。在本模型当中搭建了额定参数为500 V 139 Ah的电池组，并设定SOC＜0.2(即电池电量小于20%)时，对电池进行充电；SOC＞0.9 (即电池电量大于90%)时，对电池进行放电。当光伏输出功率大于参考值时，判定SOC状态之后决定是否需要对电池进行充电；反之，电池放电。

图8　电池控制系统

2.4分布式储能控制系统模型

在本模型中，将储能组件在光伏发电系统的DC侧并入，即在DC-DC转换器和SVC逆变器之间。图9为DESS控制系统模型。

SVC采用基于电网电压定向的矢量控制策略，在PSCAD中建立由外环控制直流母线电压的稳定和内环实现有功和无功的解耦控制模型。

图9　DESS控制系统模型

3　动态仿真与分析

3.1MPPT仿真结果

基于PSCAD所搭建的模型，在标准测试环境 (1 000 W/m2，25℃)下的光伏阵列功率输出结果如图10。

图10　标准条件下PV输出功率比较

由仿真结果可知，额定功率为50 kW的光伏阵列系统在输出稳定之后，光伏阵列功率输出在MPPT开启状态下要比关闭状态高出约6 870 W。

据某地某晴天且无飘云情况下，10点至15点的太阳辐射和温度数据，应用于该模型中，其计算仿真结果如图11。

图11　MPPT对光伏功率输出的影响

由仿真结果说明，MPPT能够在同样环境条件下，有效地提高光伏阵列的输出功率。

3.2含分布式储能的光伏发电系统仿真结果

3.2.1独立运行模式下仿真

在光伏阵列实际工作环境中，常会因为其上方飘云的影响，使得照射到光伏阵列的太阳辐射发生剧烈变化，导致其输出功率产生较大的波动。对含分布式储能的光伏发电系统在独立运行模式进行仿真，结果如图12。

图中PV线表示光伏发电系统在该环境条件下的功率输出曲线，PV with Bat线表示的是加入分布式储能(DESS)之后的光伏功率输出曲线。由仿真结果可知，分布式储能能够使得光伏功率输出曲线趋于平稳，有效地解决光伏输出功率的波动性。

3.2.2并网运行模式下仿真

以某地光伏发电工程为实例，该工程中由分布式储能光伏发电系统与电网同时为其供电。比较仅光伏发电系统与加入分布式储能之后的光伏发电系统运行对电网负荷情况的影响，仿真结果如图13。

图12　系统独立运行模式仿真结果

图13　系统并网模式下仿真结果

图中，B-load曲线表示办公楼用电负荷曲线，N-load曲线表示电网侧的功率曲线，N-load with DESS曲线表示加入分布式储能(DESS)之后电网侧的功率曲线，PV曲线表示的是光伏发电系统的输出功率。由仿真结果可知，在同样满足办公楼用电的条件下，未安装分布式储能的光伏发电系统对电网冲击较大(N-load曲线出现较大的波动)。而含分布式储能的光伏发电系统不仅能减少办公楼对电网的依赖(N-load with DESS曲线明显低于B-load曲线),且能够使光伏发电的功率平滑输出(N-load with DESS曲线明显较N-load曲线平滑)，对电网不会造成大的冲击。

4　结论

本文建立了含分布式储能的光伏发电系统的模型，重点对该系统中的MPPT和分布式储能系统进行仿真分析，仿真结果表明MPPT能够实时跟踪光伏阵列的最大功率点，显著提高光伏阵列的输出功率；分布式储能系统的介入使得光伏发电系统稳定地输出功率，在与电网联合供电时，能够有效地降低光伏发电系统的不稳定性对电网的冲击。本文通过对分布式储能在光伏发电系统中应用的建模与仿真，为解决其他新能源发电中存在的类似不稳定问题提供了有效的解决思路，以期进一步推广和应用新能源发电技术。

[1]吴达成.我国光伏发电政策影响分析[J].太阳能,2013(10): 25-30.

[2]曹石亚,李琼慧,黄碧斌,等.光伏发电技术经济分析及发展预测[J].中国电力,2012(8):64-68.

[3]LIU S Y,DOUGAL R A.Dynamic multiphysics model for solar array[J].IEEE Transactions on Energy Conversion,2002,17(2): 285-294.

[4]刘建涛,张建成,马杰,等.储能技术在光伏并网发电系统中的应用[J].电网与清洁能源,2011(7):62-66.

[5]刘建斌,易灵芝,王根平,等.超级电容器在光伏发电系统中的应用[J].湖南工业大学学报,2009(5):55-59.

[6]RAJAPAKSE A D.Simulation of grid connected photovoltaic system[J].PULSE,2008(10):6-7.

[7]TUNG Y J M,HU A P,NAIR N K.Evaluation of micro controller based maximum power point tracking methods using dSPACE platform[C]//Australian University Power Engineering Conference. Auckland,Australian University Power Engineering Conference：2006.

[8]YU Z,OGBOENYIRA K.Renewable Energy Through Micro-In verters[EB/OL].[2015-01-23].http://powerelectronics.com/power_semiconductors/power_microinverters_computercontrolled_improve_0409/.

[9]MITRA P,HEYDT G T,VITTAL V.The impact of distributed photovoltaic generation on residential distribution systems[C]//North American Power Symposium(NAPS).Champaign,IL:IEEE, 2012:1-6.

[10]黄磊磊,张建成,杨珺,等.光伏储能系统电池能量管理研究[J].电力科学与工程,2012(8):7-12.

Modeling and simulation of a PV system with DESS

WANG Shan-li,LONG Jun
(College of Electrical Engineering,Guangxi University,Naning Guangxi 530004,China)

A PV system based on DESS was proposed.Such a PV system took advantage of MPPT in the PV system and the strong point in the DESS and improved the original running condition of PV system.The simulation model of PV system based on PSCAD/EMTDC containing DESS was built.And the result of the simulation shows that MPPT can effectively improve the power output of the PV system and DESS can solve the problem of extreme fluctuations in the output power of the PV system fairly reducing the bad impact from the instability of PV system to the net.

PV;MPPT;DESS;modeling;simulation

TM 914

A

1002-087 X(2016)10-1973-03

2016-03-23

广西科学研究与技术开发项目（桂科攻1377001-2）

王善立（1987—），男，海南省人，硕士研究生，主要研究方向为能源优化利用。