新能源光伏发电站大规模并网频率主动控制研究

2022-05-30林宇杰

能源与环保 2022年5期

林宇杰

(广东电网有限责任公司佛山供电局，广东佛山 528000)

为解决能源与环境的问题，当前的电网系统中，以太阳能为主要能源的光伏发电系统所占比例正在不断提高，大规模的光伏发电站正在不断涌现。由于新能源能量来源的不确定性，将其导入并网系统后，系统的频率会出现较大的变化，若频率变化幅度较大，则会对并网系统的稳定性造成损害，进而导致电力系统出现较大误差。本文基于现有的文献，对大规模并网频率主动控制进行了规划。其中，文献[1]在连接风机并网的条件下对系统内的时间常数进行了优化，并结合负荷频率的特性，建立了一个频率响应的仿真模型。该方法只是论述了并网负荷与频率的关系，并没有对其进行改进。文献[2]针对并网负荷波动的特性，设计了一种分布式储能的频率控制策略，缓解了系统在运行过程中频率变化较大的情况。该方法下的发电系统具备一定的可靠性，但是其依赖于储能系统，在光伏发电站本身的频率控制中没有较好的解决策略。文献[3]通过减少惯性与调频系数，修改了逆变器的接口，在频率调节以及越界问题中，以不同的控制模型调整了运行策略。该方法只能控制电网内侧的频率特征，对电网外侧没有较好的效果。本文综合以上文献，设计了一种新的新能源光伏发电站大规模并网频率主动控制方法，提高了并网频率的变化幅度，提升了电网的稳定性。

1 大规模并网频率主动控制方法设计

1.1 大规模光伏发电阵列规模

在控制光伏发电站的大规模并网频率前，首先需要建立一个大规模的光伏发电阵列，计算串联数量，将D个光伏组件串联成一个X×Y的阵列，如图1所示[4]。

图1 光伏阵列Fig.1 Photovoltaic array

图1中，光伏阵列中的二极管共有X×Y=D个，其中每一列有Y个二极管，每一行有X个二极管。在光伏组件的等效电路中，遵循如下的数学模型：

(1)

式中，Id为光伏电路的短路电流；Ifp为光伏电路的等效电流；Ui为光伏电路的短路电压；Iq为电池串的电流量；Rs为开路电阻值；Di为光照强度；Ti为组件温度。

(2)

(3)

式中，a1为一排光伏电路正常运行的温度系数；Th为光伏电路运行的时长；μa为二极管常数，通常取0.15～0.25；Dx×y为该阵列中二极管的数量；klp为玻尔兹曼常数；Qw为电荷数[5-6]。

在保证Id不大于10的前提下，可以判定该X×Y光伏串联阵列可以成立。

1.2 建立不同阴影模式下光伏阵列电路模型

对于光伏电路，光照强度以及阴影半径是一个不可忽视的变量。假设在图1光伏阵列的左下角与右上角设置某面积为x1×y1和x2×y2的阴影A和B，则该阵列中阴影分布的数据可以设置为表1中的数据。

表1 光伏阵列阴影、温度及光照强度分布Tab.1 Shadow，temperature and light intensity distribution of photovoltaic array

根据表1中的分析结果，可以得到不同阴影模式下的光伏阵列表达式：

(4)

式中，Ki、Ti分别为光伏阵列位置i处的光照强度和光伏温度；X、Y、s分别为光伏阵列中横向、纵向的二极管数量以及二极管之间的间距；v1、v2、x1、x2、y1、y2、t分别为2个阴影移动的速度、其初始的横纵坐标以及阴影移动时间；Si1、Si2分别为2个阴影区域的面积[7-9]。

这样可以建立光伏阵列直流升压电路模型，如图2所示。在如图2所示的电路模型中，由电感L1与电压U可以计算各元件的平衡状态：

UdTf+(C1-U1)(U2-C2)=0

(5)

式中，Ud为电路的总电压；Tf为阴影移动时间；C1、C2分别为图2中2个电容的容量；U1、U2分别为电容两侧电压值[10]。

图2 光伏阵列电路模型Fig.2 Photovoltaic array circuit model

通过公式(5)可以推导出电感的计算公式：

(6)

式中，L1为图2中的电感最大值；Rt为滑动变阻器在当前时段内的电阻值；λt为电感电流纹波系数。

由式(6)结合图2可以计算出最佳的电感以及滑阻电压，以应对不同阴影模式下的光伏阵列[11-13]。

1.3 基于光伏阵列频率波动平抑算法的并网频率主动控制

为了平抑光伏阵列的频率波动，可以设计如图3所示的算法模型[14-15]。

图3 算法结构Fig.3 Algorithm structure

图3中，遗忘因子通常取值为0.5～1.2。在该算法结构下，最重要的是判定何时满足平抑要求，可以建立判定条件的数学模型[16-18]：

(7)

当fx+1<0时，可以判定满足平抑要求；当fx+1等于0或大于0时，不满足平抑要求[19-20]。通过图3以及式(7)获得光伏阵列频率波动的平抑算法，可以将上述建立的光伏发电站大规模并网的频率控制在一定的区间之内。

2 算例分析

以某一新能源光伏发电站作为算例，该项目建成后，将促进开发区工业园区能耗结构的调整，达到节能减排、绿色发展的目的。这一新能源光伏发电站年均发电量高达3 231.34万kWh，年度可节约标准燃煤11 313.2 t，发电站并网30多个，并网容量超200 MW，单体项目容量近1.3 MW。具体概况如图4所示。

图4 新能源光伏发电站概况Fig.4 Overview of new energy photovoltaic power station

将本文方法应用至新能源光伏发电站中，以实现大规模并网频率主动控制。具体的应用场景如图5所示。

图5 应用场景Fig.5 Application scenario

2.1 分布式光伏并网模型

分布式光伏发电系统可以有效地节省不可再生能源，并控制环境污染，但是将其大规模接入并网系统后，会直接导致配网产生较大的频率波动。设计如图6所示的大规模分布式光伏并网模型作为此次实验的仿真模型。

图6中，光伏并网系统有2个储能电池，输出功率分别为40、60 kW，2个分布式光伏发电系统额定功率分别为60、80 kW，一个可以随意改变功率的阻性负载。此时，配电网的最大输出容量为2 000 kVA，工作频率为50 Hz，且正常频率在49.2～50.5 Hz，若大规模光伏并网系统的工作频率超过49.0～50.8 Hz，则该并网频率就需要及时调整。

图6 大规模光伏并网模型Fig.6 Large scale photovoltaic grid connection model

在不同的频率偏差下，输出功率可以表示为：

(8)

式中，Pg为分布式光伏系统的输出功率；Pc为储能系统的输出功率；Ud为配电网在光伏并网内侧的电压；Uf为光伏并网外侧的电压；Id、If分别为光伏并网内侧和外侧的电流。

在计算系统的频率时，可以根据公式：

(9)

式中，fmax为系统频率的最大值；fmin为系统频率的最小值；fa、fb分别为系统在电池下垂最大和最小系数中的频率标称值；Uoc为电池在充电工况下的储能调频；C(t)为t时刻内的电池值。

通过，可以直接得到不同时段下系统频率响应的对比结果。

2.2 并网系统内负荷骤然增大

在仿真模型中骤然增大并网系统内的负荷，分别列举不接入光伏与储能系统、只接入光伏不接入储能系统、既接入光伏又接入储能系统3种条件在并网负荷骤然增大情况下的负荷变化情况，并得到光伏储能功率运行情况以及系统频率响应情况，如图7所示。

在图7中，在200 s以前，系统正常运行，此后系统中的负荷骤然增加。此时的2个光伏系统输出功率不会变化，但是2个储能系统的输出功率分别在不同程度上快速提高。在系统频率的计算中，可以得知200 s前系统的频率均具备一定的周期性，到200 s负荷变化之后，3种条件的并网系统频率均骤然大幅度降低，然后很快回升至原有的频率。其中包含2种系统的并网在回升后仍然具备一定的波动，最后回到原有的频率轨迹。

图7 并网系统负荷骤增下仿真结果Fig.7 Simulation results of grid connected system under sudden load increase

2.3 并网系统内负荷骤然减小

在仿真模型中骤然减小并网系统内的负荷，记录1 000 s内2个光伏系统和2个储能系统的功率运行情况，并列举上述实验所示的3种情况，计算系统频率变化，仿真结果如图8所示。

在图8中，光伏系统在第200 s负荷骤然减小后，均有小幅度的降低，2个储能系统分别降低25、30 kW。在频率响应的图像中，3种不同情况的曲线变化情况与图7(b)大致相同，只是在200 s负荷骤然降低时频率开始大幅度提高，随后回降。整理图7和图8中大规模并网的频率最大最小值变化情况，结果见表2。

表2 大规模并网频率最大、最小值Tab.2 Maximum and minimum frequency of large-scale grid connection Hz

图8 并网系统负荷骤减下仿真结果Fig.8 Simulation results under sudden load reduction of grid connected system

在以上实验结果中，频率的最小值为负荷骤升条件下包含光储系统的49.27 Hz，频率的最大值为负荷骤减条件下包含光储系统的50.46 Hz。在不同的条件下，该并网系统均没有超出正常的工作频率49.0～50.8 Hz。由此可知，通过该方法设计的新能源光伏发电站，在控制并网频率方面存在较大的优势，符合规定标准。