储能最小运行虚拟同步机微电网预测控制研究

刘 涵，陈 卓，唐文博，周东游

（贵州大学 电气工程学院，贵州 贵阳 550025）

0 引言

随着全球范围内能源危机和环境问题的加剧，越来越多的新能源发电设备通过电力电子装置接入电网[1-2]，使能源结构转型、环境污染等问题得到了有效缓解[3]。风能、太阳能等可再生能源在满足本地负荷运行的情况下将剩余能量经过并网逆变器分布式接入电网，但由于大规模分布式能源的接入以及长距离输电导致电网呈现出弱电网特性，降低了并网系统的运行可靠性[4-7]。

并网逆变器无论采用恒压、恒频控制还是下垂控制，都能实现同步发电机的下垂特性，但无法实现同步发电机的阻尼特性和惯性[8]。无论电源的波动还是负荷的切换，都会造成微网的不稳定运行[9]。而储能系统的建立，可使分布式能源系统与储能系统达到能量的双向流动，并且通过VSG技术使系统具有阻尼特性[10-12]。虚拟同步机是通过模拟同步发电机的外特性，并引入转动惯量和阻尼系数，提高并网系统的惯性和稳定性。文献[13]利用外环控制器提供虚拟惯量，实现系统暂态频率的支撑，并设计了一种基于两相静止坐标系的锁相环，实现较小的相位偏移。文献[14]利用线性控制，实现了虚拟同步机阻尼因子和转角偏差的解耦，提高系统频率的稳定性。

在风能和太阳能直接为负荷供电的应用场合，通常需加入蓄电池储能系统同时运行，以确保稳定可靠地为本地负荷供电。由于蓄电池储能系统体积较大，一方面会增加设备的占地面积，另一方面也将增大风光储荷微电网系统的建设成本。因此，在最大程度上满足风光储荷系统为本地负荷供电的前提下，减小蓄电池存储的能量和三相电网对本地负荷的供电量。文献[15]以电力系统总费用最优为目标，针对华东地区建立了风光储蓄协调运行的评价模型，通过合理的能量配置，可以提高新能源的消纳能力和系统运行的稳定性。文献[16]针对不同的天气类型，通过天气预报数据提取特征向量，并基于KPCA和SOFM神经网络模型，从波动性和爬坡性的角度分析了风光出力互补程度，确定了并网容量比例。文献[17]针对风光发电波动性的问题，通过阶段式优化与评估的方法提高了电网电压的稳定水平并减少了能量的损耗。

本文首先对风光储荷微电网的系统结构和各组成部分的工作模式进行了分析；然后研究了虚拟同步机的工作原理。针对风光储荷微电网系统的能量管理，研究了基于预测控制的能量管理方法，在满足本地负荷功率的前提下，以蓄电池储能系统储能最少为优化目标，分析了微电网系统的几种工作模式；最后，对虚拟同步机的控制策略和风光储荷微电网系统的能量管理方法进行了验证，微电网运行效率得到提升。通过当天风光发电预测数据与实际运行数据迭代运算，指导当天储能系统实时运行，实现了风光能量的有效利用，以及储能装置用电度量最小，并通过对风光负荷的预测控制，指导储能系统运行。

1 基于风光储荷的微电网系统与虚拟同步机

图1为基于风光储荷的微电网系统，其中包括风–光–储联合系统、本地负荷和三相电网。风–光–储系统通过变换器转换为直流电，经过虚拟同步机控制输出至三相电网，本地负荷直接与交流母线相接。风能和光能以最大输出能力运行，以提高系统运行效率，且在满足本地负荷需求的前提下，将剩余能量存储于蓄电池储能系统或传输至三相电网。三相电网与风能和光能发电系统之间的变换器以双向模式工作，当风光储能量不足以维持本地负荷时，通过三相电网供电来保证本地负荷的正常工作。蓄电池储能系统与交流母线之间通过双向DC-DC和虚拟同步机连接，当风能和光能充足时，对蓄电池储能系统进行储能；当风能和光能不足时，由蓄电池进行补充维持本地负荷正常工作。

图1 基于风光储荷的微电网系统Fig. 1 Microgrid system based on wind and solar storage-load

1.1 风光并网逆变器控制策略

为实现风光并网的高电能质量与动态响应速度，因此对风光并网控制环节，即电压环和电流环。电压环利用PI控制器实现虚拟同步机输出电压的无差拍跟踪，其控制策略为：

在电压环得到电流参考值的基础上，利用电流环对并网逆变器的电流进行控制，其电流环的PI控制策略为：

实现电压电流双环控制策略的内环控制环节控制图如图2所示。

图2 并网逆变器控制框图Fig. 2 Control block diagram of grid-connected inverter

通过内环电压电流双闭环控制策略得到虚拟同步机dq坐标系下的调制信号，并将其进一步通过dq转abc变换与SPWM调制，最终得到并网逆变器开关器件的控制信号。

1.2 虚拟同步机工作原理

当把同步发电机引入到并网逆变器[18]中时，虚拟同步机的模型如式3所示：

式中：J为虚拟转动惯量；D为阻尼系数；θ为虚拟内电势相角；ω和ωn分别为虚拟转子角频率和额定转子角频率；Tm和Te分别为虚拟机械转矩和虚拟电磁转矩。

为了对同步发电机的有功–频率下垂特性进行模拟[19]，虚拟机械功率Pm为：

式中：Pset为虚拟同步机有功功率设定值；Kf为功频下垂调差系数。

为减小虚拟同步机输出功率中的高频脉冲分量，利用低通滤波器对输出的有功功率进行滤波，得到其基波分量虚拟电磁功率Pe为：

式中：ωc为低通滤波器的截止频率。

对同步发电机的无功–电压下垂特性进行模拟，虚拟同步机的无功功率指令Qm为：

式中：Un为额定相电压有效值；Kv为无功–电压下垂调差系数。

为实现并网逆变器的无功功率能够对无功功率指令Qm无静差跟踪，加入积分环节，无功功率偏差经过积分环节得到虚拟内电势幅值为：

式中：E为虚拟内电势相电压有效值；K为无功功率积分系数。

为减小虚拟同步机中无功功率输出时的高频分量的影响，将无功功率通过低通滤波器得到其基波分量无功功率Qe为：

由虚拟同步机中的虚拟内电势相角θ和有效值E，可得虚拟内电势瞬时值为：

通过上述分析可得虚拟同步机的外环控制部分的控制示意图，如图3所示。

图3 外环控制框图Fig. 3 Control block diagram of outer loop

2 基于预测控制的风光储荷微电网能量管理

风光储荷微电网系统的能量来源与输出都为多端口，因此为实现能量的最优化控制，在满足能量对本地负荷供应的前提下，需尽可能将剩余能量传输至电网，而避免较多能量存储于蓄电池储能系统，以减小蓄电池储能系统的容量和体积。因此，在满足负荷要求的情况下，通过预测控制实现蓄电池储存电量最少的最优控制策略。风光储荷微电网系统以风电和光电为主要能量来源，风光储荷微电网系统的能量关系为：

式中：PPV为光伏发电功率；PWT为风机发电功率；PSCS为蓄电池储能系统充放电功率；PLOAD为本地负荷；PGrid为电网传输功率。

为了实现蓄电池储能系统的最优控制，令风光储荷微电网系统的价值函数的约束条件为：

通过大量统计数据得到一天中本地负荷各时间段的功率消耗情况，在固定间隔时间内对蓄电池内的能量以及负荷功率情况进行分析判断，并及时调整蓄电池在接下来的一个时间段内的充放电状态和虚拟同步机的工作状态。风电系统和光电系统的输出功率随时间一直处于波动状态，因此需及时调整风电系统和光电系统能量并网的运行状态，确保风光储荷微电网系统处于平衡状态。虚拟同步机的工作状态：通过固定时间内输出的预测控制量及时调整虚拟同步机有功功率和无功功率的控制给定量，调整虚拟同步机的功率输出工作状态，为并网系统提供转动惯量，维持并网系统运行的稳定性。风光储荷微电网系统工作状态分为以下几种，状态一：蓄电池能量足够多，风电和光电在满足本地负荷的状态下将多余能量通过虚拟同步机并网；状态二：蓄电池能量足够多，风电和光电刚好能满足本地负荷的运行；状态三：蓄电池能量不足，风电和光电在满足本地负荷的情况下，将剩余能量存储在蓄电池；状态四：蓄电池、风电和光电都不足时，从三相电网取电，以满足本地负荷的需求。

基于上述需求可列出系统目标函数如式（12）所示，式中：W为蓄电池充放电功率；PSCSP为蓄电池预测功率。随着时间变化，PSCSP的预测值将逐渐被PSCS取代，因此预测值也将逼近实际值。若蓄电池功率控制侧为吸收风电与光伏除去负荷供给的能量，以及自风电与光伏供电能力不足时补足功率，则有：

为使系统长期正常工作，系统风能与光能之和应该大于负荷，但多余的风能与光能若不能进行合理地处理，将造成浪费。因此，系统应使目标函数W=0，在这种情况下蓄电池每日功率收支平衡，即可保证蓄电池既可以“削峰填谷”，又可以将多余的能量送入电网。为实现W=0，系统总控制策略为：当W>0时，风能与光能将多余能量全部送入电网，若风能和光能供能不足时，蓄电池将为负荷补足剩余能量；当W<0时，风能与光能将多余能量全部送入蓄电池储能，若风能和光能在供能不足时，蓄电池将为负荷补足剩余能量；当W在0附近时，风能与光能将多余能量合理分配给电网和蓄电池，达到W=0的目标，若风能和光能在供能补足时，蓄电池将为负荷不足提供剩余能量。虚拟同步机预测控制策略框如图4所示。

图4 虚拟同步机预测控制策略Fig. 4 Predictive control strategy of virtual synchronous machine

3 仿真验证

为验证本文研究的虚拟同步机的控制方法和基于预测控制的能量管理方法的可行性与有效性，基于 MATLAB/SIMULINK平台搭建仿真模型进行验证。仿真参数如表1所示。

表1 仿真参数Tab. 1 Simulation parameters

图 5、图 6为风光并网逆变器仿真中电流波形，其电流为正弦波形，且随风光能量在突变时迅速响应，表明通过本文所述并网策略，风光系统并网正常，各个时间段并网功率稳定。

图5 光电电流Fig. 5 Photoelectric current

图6 风电电流Fig. 6 Wind power current

图 7～10为虚拟同步机工作时的仿真波形。图7为虚拟同步机网侧三相电压，由图可知，虚拟同步机启动时较为稳定，且三相电压谐波含量较低。图 8为虚拟同步机的电压频率波形。图 9为虚拟同步机的有功、无功功率波形。图10为虚拟同步机的三相电流仿真波形。在0.3 s、1 s、1.5 s和2 s时，虚拟同步机的有功和无功给定值发生改变，因此三相电压的频率发生波动，但频率波动较小，并且能看出具有阻尼特性，在频率变化时有明显的缓冲，改善了系统的频率动态特性。在有功和无功发生改变的瞬间，三相电流发生改变，且三相电流的动态响应较快。

图7 虚拟同步机网侧电压Fig. 7 Voltage at the network side of virtual synchronous machine

图8 虚拟同步机电压频率Fig. 8 Voltage frequency of virtual synchronous machine

图9 虚拟同步机有功、无功功率Fig. 9 Active and reactive power of virtual synchronous machine

图10 虚拟同步机三相网侧电流Fig. 10 Three phase-network side current of virtual synchronous machine

由图11可知，24 h内光伏板所产生的电能主要集中在7:00—17:00 h区间；由图12可知，24 h内风机所产生的功率较为平稳。图11（a）～14（a）分别为风光储荷微电网系统模拟 24 h的光电功率、风电功率、储能系统功率和负载消耗功率传输波形，图 11（b）～14（b）分别为风光储荷微电网系统模拟24 h的光电能量、风电能量、储能系统能量和负载消耗能量的传输波形。

图11 微网系统光电功率和能量Fig. 11 Photoelectric power and energy of microgrid system

图12 微网系统风电功率和能量Fig. 12 Wind power and energy of microgrid system

由图13可知，蓄电池储能系统24 h内储存能量较少，在 0—9:00和18:00—24:00区间，蓄电池储能系统工作在释能状态，将储存的能量传输给三相电网和本地负载使用；而在 10:00—15:00区间，蓄电池储能系统工作在储能状态，将光电和风电产生的能量在被本地负荷消耗后剩余的能量存储于蓄电池储能系统中。由图14可知负荷消耗功率主要集中在0—9:00和18:00—24:00；由于21:00—22:00本地负荷较大，而风电系统的功率输出比较稳定，蓄电池储能系统在此时区间输出的能量较多。

图13 微网系统储能系统功率和能量Fig. 13 Power and energy of energy storage system of microgrid system

图14仿真结果表明，本文所述预测控制算法可在无需电网输入能量情况下完成微网运行。通过对24 h内风光储荷微电网系统内部功率流动分析可知，采用预测控制可实现在满足本地负荷功率需求的前提下尽可能少的对蓄电池储能系统进行储能，最大限度的向电网传输功率，且减少向三相电网取电。并且通过对当天发电用电的预测和发电用电实际情况进行迭代，提前将多余风光能量有序送入电网。防止在蓄电池充电完成后，短时间内大量风光能量进入电网，以及蓄电池在短时间内被风光能量大量充电。

图14 微网系统负载功率和能量Fig. 14 Load power and energy of microgrid system

为方便对比，图15为没有加入预测控制时系统工作状态，蓄电池可以吸收多余的风光能量，也可以弥补不够的能量，其容量大于使用预测控制后的电池容量。在不通过电网输入能量的情况下，若通过限制风光发电量减小储能容量，则会降低风光发电效率。

图15 微网系统未加预测控制的储能系统功率和能量Fig. 15 Power and energy of energy storage system without predictive control in microgrid system

4 结论

针对风光储荷微网系统蓄电池容量较大，增加系统建设成本和体积大的问题，本文研究了基于预测控制的风光储荷微网能量管理方法。通过对虚拟同步机的工作原理和控制策略进行分析，利用虚拟同步机引入转动惯量，提高逆变器并网系统的稳定性，精确控制并网系统有功、无功的能量传输。基于预测控制的风光储荷微网能量管理方法在满足本地负荷功率需求的前提下，以蓄电池储能系统储能最少为优化目标，尽可能多的向三相电网传输能量。最后通过仿真验证了虚拟同步机控制策略的正确性和基于预测控制的风光储荷能量管理方法的有效性。