基于模糊控制的光储微网实时电价能量管理策略

姚 钢 ，王 旭 ，周荔丹

（1.上海电力大学电气工程学院，上海 200090；2.上海交通大学电力传输与功率变换控制教育部重点实验室，上海 200240）

近年来，随着能源短缺和环境问题的日益凸显，太阳能、风能等各种形式的清洁能源得到广泛应用，微网作为分布式电源接入电网的有效途径得到快速发展[1]。大量的新能源以及储能装置接入给微网带来能量调度复杂以及经济性低等问题，通过能量管理系统EMS（energy management system），可以实现新能源消纳、平抑系统功率波动、减轻分布式能源和负荷随机变化对电网稳定性带来的冲击[2-3]。

文献[4-5]总结了国内外微网EMS的研究现状，分析了其管理对象、基本功能、设计框架，阐述了其基本模型和算法，总结了其需要解决的联合调度和负荷不确定性等问题；文献[6]提出了一种以帕累托理论结合多目标遗传算法形成的分层多目标优化算法，有效提升了算法的寻优能力，且使得算法适用于微网供需两侧优化问题的求解；文献[7-8]提出了一种基于模糊控制的微网群控制方法，采用改进的模糊控制器实现对单微网的动态稳定控制，再依据群内子微网不同运行状态提出了相应的控制目标与措施，实现集群稳定控制；文献[9]提出了一种考虑分布式能源的运行约束、功率平衡约束的功率控制器，比较了实际的EMS模型和最佳潮流控制的EMS模型。

目前，储能系统的能量调度和用户需求侧响应等研究受到广泛关注[10]，文献[11-12]基于分时电价构建了包含需求侧响应的微网经济优化调度模型，采用人群搜索算法对模型进行求解；文献[13]基于实时电价，构建了实时交易下微网运行成本和污染排放目标函数，采用一种改进的粒子群优化算法对微网中分布式能源进行功率分配，实现了经济效益和环境效益最大化；文献[14-15]将需求侧响应与实时电价相结合，提出了一种微网分布式能源实时管理模型，采用一种深度自适应动态规划算法，实现了运营商与用户之间的实时交互。

本文在上述基础上，综合考虑实时电价和储能电池灵活充放电特性，针对光储微网系统提出了一种基于模糊控制优化的能量管理策略。通过采集电网实时电价、储能电池荷电状态SOC（state of charge），经模糊控制实时产生电池贡献度优化因子，将其引入EMS中，实现储能电池充放电功率的实时调节，达到优化系统功率分配和降低整体运行成本的效果。最后在Matlab/Simulink中建立光储微网仿真模型，验证了本文所提策略的可行性和有效性。

1 光储微网系统

图1为光储微网系统结构，主要由4部分组成：①光伏阵列通过boost变换器接入直流母线；②储能电池通过双向buck-boost变换器接入直流母线；③双向DC/AC变换器作为光储微网和外部交流电网之间的能量转换接口，实现了交直流系统的功率交换；④负荷单元由直流母线通过buck变换器降压后进行供电。

图1 光储微网系统结构Fig.1 Structure of photovoltaic storage microgrid system

本文能量管理系统采用双层控制：第1层为单元级控制，主要针对光伏单元、储能单元以及双向DC/AC变换器，实现系统内功率平衡以及母线电压稳定；第2层为系统级控制，由EMS进行优化调度，实现微网最佳经济运行。

1.1 光伏单元及其控制

光伏单元本地控制如图2所示。为了达到最大程度利用太阳能的目的，采用基于扰动观察法的最大功率点跟踪MPPT（maximum power point tracking）控制，保证光伏单元工作于最大功率输出模式，输出功率为

图2 光伏单元本地控制Fig.2 Local control of photovoltaic unit

式中，Upv和Ipv为光伏阵列工作电压（V）和工作电流（A）。

1.2 储能单元及其控制

储能单元本地控制如图3所示，采用双向buckboost变换器可以实现储能电池灵活充放电，快速平抑负荷波动。输入光伏单元输出功率以及负荷所需功率经过EMS计算得到储能电池参考电流，与储能电池实际电流做差后经过闭环比例积分PI（proportional integral）得到控制信号参数，即

图3 储能单元本地控制Fig.3 Local control of energy storage unit

式中：ctrbat为PI环节输出控制参数；kpb和kib为比例和积分参数；为EMS生成的储能电池参考电流；Ibat为储能电池实际运行电流。

储能电池输出功率为

式中，Ubat和Ibat为储能电池工作电压和工作电流，储能电池电压为

式中：U0为储能电池初始电压；m为容量损失系数，本文取1.05；Q为储能电池容量，A·h；∫Ibatdt为储能电池提取容量；Rb为储能电池内部电阻，Ω；A和B分别为电压变化曲线的幅值和指数系数。

储能电池SOC为

1.3 双向DC/AC变换器及其控制

双向DC/AC变换器本地控制如图4所示，采用电压电流双闭环控制。参考电流由参考电压经过PI调节后得到

图4 双向DC/AC变换器本地控制Fig.4 Local control of bidirectional DC/AC converter

式中：kpv和kiv为电压外环的比例参数和积分参数；为直流母线参考电压；Udc为直流母线实际电压。

式中：PL为负载所需功率；PF为滤波器、变换器以及其他设备的损耗功率。

2 能量管理系统

EMS为储能单元提供参考电流，使储能单元根据负荷需求进行自主充放电，实现供需平衡以及经济最优。系统运行模式由以下因素决定：①电网可用性以及实时电价；②储能电池剩余容量以及SOC；③光伏单元可用性以及负荷曲线。

对于微网系统动态功率流向，应根据实时电价$以及储能电池SOC通过模糊逻辑系统FLS（fuzzy logic system）分派策略产生电池贡献度优化因子β(β ∈[0 , 1] )，确定电池和电网的功率流，即

式中：CPV、CB分别为光伏单元和储能单元的运营成本；CG为电网的能源成本；EB为储能单元能源贡献量。将优化因子加入到储能电池的参考电流表达式中，通过实时调节该因子达到实时调节储能电池充放电功率的目的，以期最大程度地降低微网运行成本。

本文不考虑微网各部分的功率损耗，将功率损耗补偿因子α与EMS生成的参考信号结合，达到考虑功率损耗和满足负载需求的目的，考虑5%的系统功率损耗，补偿因子取值为1.05。本文提出的EMS包括8种运行模式[16]，储能电池参考电流见表1。

表1 EMS运行模式Tab.1 Operating modes of EMS

1）电网适应模式GSM（grid suit mode）

此模式下，光伏单元输出功率接近于0，电网实时电价小于标准电价$std（峰谷电价平均值），由电网满足负载需求，并通过电池贡献度优化因子β对储能电池进行合理充电，达到储能电池安全运行SOC最大限值SOCmax则停止充电，改由电网单独供电。

2）电池适应模式BSM（battery suit mode）

此模式类似于GSM模式，但此时电网实时电价高于标准电价$std，过多的使用电网电量会导致微网运行成本增加，通过电池贡献度优化因子β对储能电池进行合理放电，降低电网功率贡献度，达到SOCmin则由电网单独供电。

3）孤岛运行模式IOM（island operation mode）

此模式下，微网脱离交流电网工作，光伏单元始终运行在MPPT模式，在满足负载需求的基础上剩余功率对储能电池进行充电，达到SOCmax停止，若光伏功率不能满足负载需求，则储能电池进行放电，达到储能电池安全运行SOC最小限值SOCmin停止，进行减载运行，本文仅考虑光伏和储能联合供电情况。

4）电池空闲模式IBM（idle battery mode）

此模式下，储能电池趋于深度放电，SOC小于其最小值SOCmin，电池处于空闲状态，由光伏单元以及电网满足负载需求，无需考虑电网电价，当光伏单元有剩余功率或电网电价较低时在对电池进行充电。

5）经济运行模式EOM（economic operation mode）

此模式下，实时电价接近电网低谷电价$L，光伏单元正常运行，储能电池SOC小于SOCmax。此时为了降低微网运行成本并且获得一定的经济效益，以最大额定充电电流对储能电池进行充电，直到达到SOCmax停止，在电价高峰时期可由储能单元向电网出售多余的电量，赚取经济效益。

6）盈利运行模式POM（profit operation mode）

此模式下，实时电价接近电网高峰电价$H，光伏单元始终运行在MPPT模式，储能电池以最大额定放电电流进行放电，直到达到SOCmin停止，将微网内多余的能量出售给电网达到盈利目的。

7）重负荷运行模式HIM（heavy load mode）

此模式下，负载需求过高，由光伏、储能以及电网联合供电，此时电网实时电价介于高峰电价和低谷电价之间，通过电池贡献度优化因子β对电池放电功率进行优化，实时调整放电功率保证微网运行成本最低。

8）轻负荷运行模式LIM（light load mode）

此模式类似于HIM模式，但负载需求不高，光伏单元输出功率可以满足负载需求，剩余电量将以最佳费率对电池进行充电，或者出售给电网，电池的充放电速率以及对电网的影响都取决于电池贡献度优化因子β。

表1总结了本文所提EMS中8种运行模式的优化目标、运行条件以及储能电池参考电流，运行模式相互关系如图5所示。

图5 运行模式相互关系Fig.5 Interrelationship among operating modes

EMS操作流程如图6所示，采集SOC、光伏功率、储能功率、负载功率以及电网电价，步骤如下。

图6 EMS操作流程Fig.6 Operation process of EMS

步骤1判断电网是否可用，若不可用，则系统运行在ISM模式；

步骤2判断储能电池SOC是否满足约束，若不满足，则系统运行在IBM模式；

步骤3判断光伏功率是否接近于0，接近则根据实时电价在进行判断，较高则系统运行在BSM模式，较低则系统运行在GSM模式；

步骤4判断实时电价是否在峰谷，高峰则系统运行在POM模式，低谷则系统运行在EOM模式；

步骤5判断负载功率是否超出光伏单元输出功率上限，是则运行在HIM模式，否则运行在LIM模式。

3 实时电价下模糊控制优化

模糊控制是利用模糊数学的基本思想和理论达到人工精确控制的目的。为了实现微网内功率的精确分配，采集电网实时电价$和储能电池SOC通过FLS分派策略实时产生电池贡献度优化因子β，将其引入提出的EMS中，达到实时调节储能电池出力的目的，实现微网内能量的经济运行。

3.1 实时电价模型

实时电价由电力市场供需关系决定，主要包括边际成本定价模型、平均成本定价模型以及垄断定价模型[17]。本文主要研究实时电价下的能量管理策略，不对实时电价模型进行研究，采用文献[18]中参考美国加州电价结合国内实际情况构建的实时电价曲线，如图7所示。

图7 实时电价曲线Fig.7 Curve of real-time electricity price

3.2 输入隶属度函数

输入隶属度函数如图8所示。输入模糊变量包括实时电价$和储能电池SOC，$的变化范围为[0，1.4元/（kW·h）]，模糊论域为[0，0.2，0.4，0.6，0.8，1.0，1.2，1.4]，对应模糊子集为[VS，S，M，L，VL]，分别代表电价很低、低、中、高、很高，隶属度函数如图8（a）所示。储能电池SOC的变化范围为[0，1.0]，模糊论域为[0，0.2，0.4，0.6，0.8，1.0]，对应模糊子集为[VS，S，M，L，VL]，分别代表SOC很低、低、中、高、很高，隶属度函数如图8（b）所示。

图8 输入隶属度函数Fig.8 Input membership function

3.3 输出隶属度函数

输出模糊变量为电池贡献度优化因子β，变化范围为[0，1.0]，模糊论域为[0，0.2，0.4，0.6，0.8，1.0]，对应模糊子集为[VS，S，M，L，VL]，分别代表优化因子很低、低、中、高、很高，输出隶属度函数如图9所示。

图9 输出隶属度函数Fig.9 Output membership function

3.4 模糊控制规则

本文工作目标是在满足负载需求的基础上降低微网运行成本。若储能电池SOC较高且电价相对较高，则利用储能电池大功率放电以购买更少的高价电力；若储能电池SOC较低且电价相对较低，则利用储能电池大功率充电以获取更多的低价电力；若储能电池SOC和电价处于其他状态，则需要根据规则确定储能电池的充放电功率。设计的模糊控制规则如表2所示。

表2 模糊控制规则Tab.2 Fuzzy control rules

4 仿真实验及结果分析

为了验证本文所提策略的正确性和有效性，采用Matlab/Simulink仿真软件，搭建了图1的仿真平台，其中直流母线额定电压为750 V，微电网与大电网最大交换功率为110 kW，系统负荷峰值80 kW，光伏单元最大输出功率为50 kW，储能电池额定电压为300 V，容量为500 A·h。在图6所示的EMS操作流程中，微网可以在8种模式下平稳运行，为了简化分析，进行2次实验，每次实验包括4种运行模式。

实验1：4种运行模式（GSM，BSM，ISM和IBM）的微网功率变化曲线如图10所示，储能电池SOC变化曲线如图11所示，直流母线电压如图12所示。

图10 实验1微网功率变化曲线Fig.10 Curve of microgrid power in Experiment 1

图11 实验1储能电池SOC变化曲线Fig.11 Curve of energy storage battery SOC in Experiment 1

图12 实验1直流母线电压变化Fig.12 Changes in DC bus voltage in Experiment 1

0～0.5 s，微网运行在GSM模式，负载功率为80 kW，光伏出力约为0，电网电价低于标准电价，经过模糊控制产生电池贡献度优化因子β为0.3，电网发出功率105 kW，向负载提供功率80 kW，向储能电池提供功率25 kW，电池SOC上升，母线电压稳定在750 V。

0.5～1.0 s，微网运行在BSM模式，负载功率为80 kW，光伏出力约为零，电网电价高于标准电价，经过模糊控制产生电池贡献度优化因子β为0.7，电网发出功率25 kW，储能电池释放功率55 kW，共同满足负载需求，电池SOC下降，母线电压稳定在750 V。

1.0～1.5 s，微网运行在ISM模式，切除电网工作，负载功率为80 kW，光伏单元输出功率50 kW，不能满足负载需求，此时以微网安全稳定运行为目标，储能电池释放功率30 kW保证负载可靠运行，电池SOC下降，母线电压稳定在750 V。

1.5～2.0 s，微网运行在IBM模式，储能电池SOC低于其下限值，为了防止电池过放导致受损，使其处于空闲状态。负载功率为80 kW，光伏单元输出功率50 kW，此时不考虑电网电价，电网发出功率30 kW，共同满足负载需求，电池SOC不变，母线电压稳定在750 V。

实验2：其他4种运行模式（EOM，POM，HIM和LIM）的微网功率变化曲线如图13所示，储能电池SOC变化曲线如图14所示，直流母线电压如图15所示。

图13 实验2微网功率变化曲线Fig.13 Curves of microgrid power in Experiment 2

图14 实验2储能电池SOC变化曲线Fig.14 Curve of energy storage battery SOC in Experiment 2

图15 实验2直流母线电压变化Fig.15 Changes in DC bus voltage in Experiment 2

0～0.5 s，微网运行在EOM模式，负载功率为80 kW，光伏单元输出功率50 kW，电网电价接近谷值，储能电池以最大额定充电电流进行充电，直到达到SOC上限，电网输出功率70 kW，向负载提供功率30 kW，向储能电池提供功率40 kW，电池SOC上升，母线电压稳定在750 V。

0.5～1.0 s，微网运行在POM模式，负载功率为80 kW，光伏单元输出功率50 kW，电网电价接近峰值，储能电池以最大额定放电电流进行放电，直到达到SOC下限，输出功率38 kW，向负载提供功率30 kW，向电网输出功率8 kW，获取一定的经济效益，电池SOC下降，母线电压稳定在750 V。

1.0～1.5 s，微网运行在HIM模式，负载功率为80 kW，光伏单元输出功率50 kW，电网电价不处于峰谷值，结合电网电价以及储能电池SOC产生电池贡献度优化因子β为0.7，储能电池输出功率20 kW，电网输出功率10 kW，共同满足负载需求，电池SOC下降，母线电压稳定在750 V。

1.5～2.0 s，微网运行在LIM模式，负载功率下降至25 kW，光伏单元输出功率50 kW，电网电价不处于峰谷值，结合电网电价以及储能电池SOC产生电池贡献度优化因子β为0.8，光伏单元剩余功率向储能电池输出功率5 kW，向电网输出功率20 kW，电池SOC上升，母线电压稳定在750 V。

采用上述微电网的容量配置，将其应用在某园区中，图16为光伏及负荷功率全天变化曲线，该园区日负荷耗电量为991 kW·h，光伏单元日发电量为390 kW·h，光伏渗透率为40%。针对该园区进行微网运行成本分析，采用3种配置：光伏微网（PV+G）、光储微网传统控制（PV+B+G）、以及光储微网改进控制（PV+B+G+EMS）。光伏单元运行成本0.45元/（kW·h），储能电池综合运行成本0.25元/（kW·h），电网电价采用图7中实时电价曲线，向电网售电费用为同期电价的85%，图17为不同配置下全天实时电费变化曲线。表3为不同配置下微网运行成本。

图16 光伏及负荷功率全天变化曲线Fig.16 All-day curves of photovoltaic and load power

图17 全天实时电费变化曲线Fig.17 All-day real-time curves of electricity bills

由图17和表3可以看出，在光伏微网中，微网运行成本主要取决于电网实时电价，全天运行费用为723.36元；在光储微网传统控制中，电池夜间充电，日间放电，夜间运行费用略高于第一种模式，日间电池多余的能量出售给电网获利，全天运行费用为594.48元，比光伏微网减少17.82%的成本；在光储微网改进控制中，通过储能电池优化因子的实时调节，盈利效果更加明显，全天运行费用降为492.00元，比采用传统能量管理策略的光储微网减少17.23%的成本，比光伏微网减少31.98%的成本。

表3 不同微网配置运行成本Tab.3 Operating costs under different microgrid configurations

5 结语

本文针对光储微网采用实时电价引起系统能量分配复杂、运行经济性低的问题，在能量管理策略基础上引入了模糊控制方法，根据各单元出力情况以及电网电价设计了8种运行模式，以微网运行成本最低为优化目标，综合考虑了实时电价、储能电池SOC，通过模糊控制实时调节储能电池出力。最后通过对某园区在3种配置下进行微网运行成本分析，采用本文所提策略的光储微网要比采用传统能量管理策略的光储微网节约17.23%的费用，比光伏微网节约31.98%的费用，有效降低了微网运行成本。

本文所提光储微网系统及其EMS可用于居民住宅和商业园区，后续将考虑电动汽车接入系统的能量优化策略。