基于混合储能SOC分级优化的风光功率平抑策略＊

雷 博，杨国华，2，李 卿，王鹏珍 ，唐 浩

（1.宁夏大学电气工程与自动化系，宁夏银川750021；2.宁夏沙漠信息智能感知重点实验室，宁夏银川750021）

基于混合储能SOC分级优化的风光功率平抑策略＊

雷 博1，杨国华1，2，李 卿1，王鹏珍1，唐 浩1

（1.宁夏大学电气工程与自动化系，宁夏银川750021；2.宁夏沙漠信息智能感知重点实验室，宁夏银川750021）

超级电容器与蓄电池构成的混合储能系统（HESS）是解决风光互补型微电网功率波动性的有效途径。本文针对HESS的控制，提出了一种基于电池荷电状态（SOC，State of Charge）分级优化的策略，设计了优化控制层和协调控制层两级平抑系统，并结合超级电容器与蓄电池SOC状态的分级反馈控制，使风光互补型微电网出力波动所造成的电能质量问题得到了很大改善，避免了因蓄电池过充过放而造成的循环寿命减少。通过在Matlab/Simulink环境下搭建系统的模型仿真，验证了该控制策略的有效性。

风光互补发电系统；微电网；功率平抑；荷电状态优化；双层控制

1 引言

近年来，太阳能和风电并网能力不断提高，逐渐成为解决大电网成本高、维护难、灵活性差等问题的有效途径［1］。但因为风能和太阳能的间歇性和随机性，难以提供连续和稳定的功率输出，从而会对电网的稳定性和可靠性产生很大影响［2］。在微电网中加入大容量能量存储系统，可以快速调整有功和无功功率的吞吐，能够起到有效抑制功率波动、提高电网可靠性、改善电能质量等的重要作用［3－4］。

电力调度中心为了保证电力系统可靠稳定运行，对大型可再生能源发电厂有功功率的输出提出了要求，文献［5］规定了不同装机容量的风电场在不同时间段内输出功率的波动标准，而这个风电并网功率波动标准也可以引申到风光发电并网功率波动控制中。文献［6］提出了一种基于遗传算法的储能容量生命周期费用优化配置方法，利用蓄电池和超级电容器的互补运行特性，优化了蓄电池的工作状态，减少了储能系统的成本。文献［7－9］应用滑时间常数的低通滤波器算法对风光发电输出功率的波动进行平抑，该算法虽然可以有效地滤除输出功率的高频波动，但它是基于统一平滑时间常数滤波器，导致储能系统的充放电次数大大增加，缩短了蓄电池的循环寿命。文献［10］结合低通滤波器与SOC反馈调节控制策略，可以实现滤波器时间常数的调节，但不能动态调整SOC的大小，也不能实时跟踪风光功率波动调整，因此，这种方法也不能满足风光在不同时间段内的输出功率波动标准。

以上的控制策略由于不能实现SOC大小的动态调整，导致很难保证微电网在不同时期内的平滑度需求。本文在已有的混合储能系统控制策略基础上，提出了基于SOC实时调整滤波时间常数的分级优化平抑方法，通过建立优化控制层和协调控制层，保证了两种储能系统的SOC均在合适范围内，实现了混合储能功率的准确分配，并通过系统模型仿真，验证了控制策略的有效性。

2 模型分析

图1所示为基于蓄电池和超级电容器HESS的风光互补发电系统的结构图，其主要由风电机组、光伏阵列、超级电容、铅酸蓄电池、能量管理系统及相应变换器组成［11］。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、频率变化的响应较快，能够通过DC/AC变流器快速、准确地追踪参考功率并稳定公共耦合点电压［13］。该模型采取的是交流侧并联型复合储能结构，通过设置双向DC－DC变换器为前级，连接混合储能装置，控制储能充放电功率的方向和大小，并将逆变器设置为后级，与变换器和变压器相连，完成将直流母线上的直流电逆变成与电网同步的交流电的功能，同时可以稳定直流母线的电压。

图1 混合储能风光互补发电系统结构图

3 SOC的估算

SOC精确估算是电池管理系统的核心，将直接影响蓄电池的使用寿命和充放电效率。目前，常用的SOC估算方法有安时计量法、开路电压法、神经网络法、阻抗分析法、卡尔曼滤波法等［14］。但以上任何单一的方法都有其局限性，本文对SOC的估算综合了安时计量法、开路电压法和卡尔曼滤波法，对SOC进行了比较准确的估算，其估算流程图如图2所示，其具体方法如下：

（1）蓄电池长时间静置后，通过开路电压法测出 SOC 的初始值 SOC（tk）（k＝0）

式中，U0为电池开路电压，Ua为充满时开路电压，Ub为充分放电时的开路电压。

（2）通过安时计量法测出当前状况的SOC（tk）

式中，CN为电池额定容量，I为电池电流，η为充放电效率。

（3）每隔 5分钟通过卡尔曼滤波法来修正SOC，消除安时计量中积分产生的累计误差。

图2 SOC的估算流程图

4 SOC的分层控制

混合储能系统的关键是功率分配及SOC反馈控制，其中混合储能系统可靠运行需满足储能系统充放电深度约束，即电池的荷电状态SOC需保持在最大值与最小值之间。

基于此，本文设计了SOC的五级控制策略：在［0，SOCmin）时，电池只充不放；在［SOCmin，SOClow）时，充电优先，放电限制；在［SOClow，SOCup）时，按照参考功率输出；在［SOCup，SOCmax）时，放电优先，充电限制；在［SOCmax，1）时，只放不充。其中，SOCmin＜SOClow＜SOCup＜SOCmax，SOCup为滤波时间常数上限，SOClow为滤波时间常数下限。

5 基于分层结构的混合储能控制系统

基于分层结构的混合储能控制系统的结构图如图3所示。

图3 基于分层结构的混合储能控制系统

5.1 控制系统总体说明

风电和光伏发电的输出功率P经过快速傅立叶变换（FFT），将离散时域数据转换到频域，得到风光频谱图。综合功率波动率与频谱图并进行截止频率分析，可初步得出低通滤波器LPF1的时间常数。输出功率P通过低通滤波器LPF1消除其中的高频分量，获得期望输出功率（Pexp）。功率调节模块（PCS）根据HESS的剩余容量动态调节系统的期望输出功率Pexp，使系统的SOC尽量维持在合适范围内。调节后的系统设定输出功率Pout.ref与P之差通过限值管理模块（LMM）处理得到HESS最终的设定功率 Phess.ref。

在协调控制层，Phess.ref通过低通滤波器LPF2获得其中的低频部分，再结合储能单元SOC计算出的Padj.sc反馈控制作用，可得到蓄电池的初始设定值Pbat’。Pbat’通过 LMM 进行二次分配，得到蓄电池最终设定功率PBat和超级电容最终设定功率PSC。

5.2 优化控制层算法设计

由文献［5］可知，风光储能联合发电电站输出功率波动率不能超过10%。由风光频谱图可知，低通滤波器参考截止频率区间范围为［0，0.05］Hz。故本文采用二分法在截止频率区间中找出符合波动率要求的滤波器截止频率f作为LPF1的截至频率。图4所示为优化控制层结构框图。

图4 优化控制层结构框图

优化控制算法如下：

式中，SHESS为混合储能的SOC，CBat与CSC分别为蓄电池容量和超级电容器容量。为了满足储能系统出力控制规则和储能系统设定的容量及风光输出功率的动态波动要求，算法中分别加入了电池系数KBat和超级电容器系数KSC。

5.3 协调控制层算法设计

如图5所示为协调控制层结构框图。

图5 协调控制层结构框图

协调控制层算法如下：

5.4 限值管理模块算法设计

如图6所示为限值管理模块的结构框图。

图6中共应用了三个限值模块。限值模块1保证储能电池的初始设定值PBat’不超过限定值。限值模块2保证超级电容器设定值PSC在其能力范围内。限值模块3实现功率二次分配时，获得平抑波动后所要求的功率最小化。

图6 限值管理模块结构图

具体限值条件如下：

（1）储能系统充放电深度限值

（2）储能系统充放电功率限值

PBat.out和 PSC.out分别表示蓄电池的实际功率和超级电容的实际功率，为正时表示放电，为负时表示充电。

（3）蓄电池最大充放电电流限值

蓄电池是由多个充放电储能单元组成的，过流充电或过流放电都会缩减蓄电池的寿命。

6 仿真验证

在Matlab/Simulink环境下，按图1所示风光互补发电系统结构图搭建仿真模型。根据相关参考文献［15］设置以下主要的仿真参数：风机额定功率为20kW，光伏额定功率为20kW，蓄电池额定功率为3.2kW，超级电容为10F，初始电压为 0.32kV。对低通滤波法和本文所提出的控制方法进行了仿真对比。原始风光功率进行平抑之后的结果如图7所示。对比图7中低通滤波法和本文控制法的平抑曲线，可知本文的控制策略可以很好地平抑风光功率波动。蓄电池的荷电状态如图8所示，由图可见蓄电池的荷电状态处于合理的范围之内，证明本文的控制策略在平抑风光功率波动的同时，还兼顾了储能元件的荷电状态，避免了蓄电池的过充过放，延长了其循环寿命。

图7 混合储能平抑功率曲线

图8 蓄电池的荷电状态

7 结束语

针对风光联合发电系统的波动率平抑要求，研究了超级电容和蓄电池组成的混合储能系统的充放电特性，提出了基于SOC反馈的分层控制策略。通过Matlab/Simulink仿真，验证了该方法的有效性、可靠性和稳定性。

［1］刘振亚.全球能源发展现状与挑战［M］.北京：中国电力出版社，2015.1－30.

［2］傅书逷.中国智能电网发展建议［J］.电力系统自动化，2009，20（6）：23－26.

［3］王建宝，巫 卿，王 瑾，等.储能技术在风光发电系统中的应用［J］.电气技术，2013，（9）：91－93.

［4］Awasthi A，Karthikeyan V，Das V，et al.Energy storage systems in solar－wind hybrid renewable systems［M］.Springer International Publishing，2017.

［5］Q/GDW 392－2009，风电场接入电网技术规定［S］.国家电网公司，2009.

［6］杨国华，朱向芬，周 鑫，等.基于遗传算法的风电混合储能容量优化配置［J］.电气传动，2015，45（2）：50－53.

［7］李 勇.基于混合储能技术的风电场功率平滑控制策略研究［D］.北京：华北电力大学，2013.

［8］Jiang Q，Wang H.Two－time－scale coordination control for a battery energy storage system to mitigate wind power fluctuations［J］.IEEE Transactions on Energy Conversion，2013，28（1）：52－61.

［9］陈 刚，袁 越，傅质馨，等.储能电池平抑光伏发电波动的应用［J］.电力系统及其自动化学报，2014，26（2）：27－31.

［10］Teleke S，Baran M E，Bhattacharya S，et al.Optimal control of battery energy storage for wind farm dispatching［J］.IEEE Transactions on Energy Conversion，2010，25（3）：787－794.

［11］阿里·凯伊哈尼.智能电网可再生能源系统设计［M］.北京：机械工业出版社，2013.

［12］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，（2）：1－6.

［13］李 凡，张建成，朱立刚.平抑光伏功率波动的混合储能系统控制方法［J］.电源技术，2016，40（2）：397－399.

［14］丁孝华.智能电网与电动汽车［M］.北京：中国电力出版社，2014.

［15］李介夫，王 光，李卫国，等.一种利用混合储能系统平抑风光功率波动的控制策略［J］.东北电力大学学报，2014，（5）：32－38.

Power stabilization strategy of wind－solar complementary system based on SOC optimization of hybrid energy storage

LEI Bo1，YANG Guo－hua1，2，LI Qing1，WANG Peng－zhen1，TANG Hao1
（1.Department of Electrical Engineering and Automation，Ningxia University，Yinchuan 750021，China；2.Ningxia Desert Information Intelligent Perception Key Laboratory，Yinchuan 750021，China）

The hybrid energy storage system（HESS）composed of super－capacitor and battery is an effective way to solve the power fluctuation of wind and solar hybrid microgrid.Aiming at the control of HESS，the hierarchical optimization control strategy is proposed.The two－level stabilization system of optimal control layer and coordinated control layer is designed.Combined with the super capacitor and the SOC state of the battery graded feedback control as well as the classification of super capacitor and battery SOC state feedback control，the power quality problem that the wind and solar hybrid power grid caused by the fluctuation is greatly improved，and it is also avoided that the cycle life of the battery is reduced due to its over charge or discharge.The system model is simulated by Matlab/Simulink.The effectiveness of this control strategy is verified.

wind/PV hybrid power generation system；microgrid；power stabilization；charging state optimization；distribution control

TM912

A

1005—7277（2017）03—0017—04

国家自然科学基金项目（71263043）；宁夏回族自治区研究生教育创新计划项目（2014）

雷 博（1991－），男，陕西渭南人，硕士研究生，主要研究方向为电力系统通讯技术。

2017－01－17