小型独立式风光互补直流发电系统协调控制策略

张耀泽，柳 成，张星志，万 航

(北华大学电气与信息工程学院，吉林 吉林 132021)

作为一种新型清洁能源，太阳能、风能以其资源丰富、无污染等优异特性在近年来受到了广泛关注，越来越多的国家开始重视太阳能和风能的开发与利用[1-3].太阳能和风能在时间和空间上具有良好的互补性，将二者结合起来共同发电，能够有效提高发电的连续性和稳定性，因此，风光互补发电具有巨大的发展潜力[4-5].但太阳能发电和风力发电均具有随机性和不确定性，二者的发电量受时间和气候的影响很大，导致发电量和用电需求无法达到良好平衡，所以，研究风光互补发电系统的组成以及协调控制策略成为发挥风光互补优良特性的关键[6-8].

在风光互补发电系统中，光伏发电系统和蓄电池储能系统的输出形式均为直流，风力发电也需先经整流电路转换为直流输出形式，故相较于传统的交流风光互补发电系统，直流发电系统不存在频率同步、无功波动和谐波等问题，可直接连接负载，避免了交、直流的频繁转换[9-10].因此，近年来，直流风光互补发电系统的控制策略研究逐渐成为热点：喻礼礼等[11]提出一种恒定电压的下垂控制策略，能够有效均衡各发电单元的输出电压，实现合理的功率分配，但若系统电压出现巨大波动，有可能造成系统崩溃；梁少敏[12]提出一种电压分层控制策略，根据直流母线电压阈值变化，实现系统功率均衡，但该控制策略无法做到电压无差调节；袁浩然等[13]提出一种能量协调控制策略，提高了系统的稳定性，但是所考虑的情况存在局限性，未能充分研究系统在各种情况下的运行状态.本文以直流风光互补发电系统为研究对象，考虑直流风光互补发电运行条件复杂、供电对稳定性和安全性要求高、负载需求大的特点，提出一种基于蓄电池工作模式分类的协调控制策略.根据不同气象条件下的功率输入、输出关系和蓄电池工作模式将发电系统分为28种运行模式，实现对系统各子模块的协调有效控制，最大限度地利用可再生能源，提高蓄电池的使用寿命，优化系统控制策略，实现系统的稳定运行.

1 直流风光互补发电系统的结构及建模

本文所提出的电压分层控制策略主要应用在直流风光互补发电系统中，该系统主要包括光伏发电部分、风力发电部分、储能部分、控制系统以及负载部分.光伏和风力发电部分为系统输送功率，储能部分采用蓄电池供电，平衡系统功率.系统整体结构见图1.

图1 风光互补发电系统结构

1.1 光伏发电系统数学模型

光伏电池的数学模型见图2.光伏电池输出功率与光照、温度等多种因素相关，直接分析其输出特性有一定难度，理想模型可采用1个电流源和1个二极管并联来等效.

图2 光伏电池模型结构

由图2可得光伏系统输出电流：

式中：Iph为光生电流；I0为二极管饱和电流；q为电子的电荷量；I为光伏电池的净电流；U为电池电压；Rw和Rn分别为电池的串联和并联电阻；A为二极管的理想系数；K为波尔兹曼常数；t为实际温度.

1.2 风力发电系统数学模型

风力发电机主要包括风轮、传动装置和绕组，结构简单，但工作过程比较复杂.风机经风轮采集风能并由风轮驱动，传动装置带动发电机旋转，经风力发电机最后完成发电.发电原理见图3.

图3 风力发电机原理

风力发电机的输出功率P可表示为

式中：ρ为空气密度；A为扫风面积；v为风速；Cp为风能利用系数；λ为叶尖速比；β为浆距角.

设λ和β为风能利用系数Cp的自变量，得到非线性方程：

式中：c1～c6是风力发电机特性常数，c1=0.517 6，c2=116，c3= 0.4，c4= 5，c5= 21，c6= 0.006 8.

1.3 储能系统数学模型

本文选择蓄电池作为储能元件，当蓄电池正常运行时，可通过测量蓄电池的荷电状态(State of Charge，SOC) 分析蓄电池的工作模式.当蓄电池的充/放电情况发生变化时，其SOC大小也会随之改变.在实际的建模和分析中，通常将蓄电池部分等效为内阻值很小的恒压源电路.蓄电池的输出电压

式中：Vb为蓄电池端电压；Vo为蓄电池开路电压；Rb为蓄电池内阻；ib为蓄电池充电电流；K为电池极化电压；Q为电池容量；B和C均为拟合系数.

2 直流风光互补发电系统运行模式分析

在风光互补发电系统中，由于气象条件(风速和光照)和负载需求均具有波动性，因此，要保持系统的有效、稳定运行，需要分析其控制策略.

2.1 蓄电池部分工作模式

由于系统的随机性，需要蓄电池部分与电源之间协调控制，以保证直流母线电压恒定在其额定值(UN).为了分析发电系统运行状态，本文通过对直流母线电压偏移量(ΔU)和电池荷电状态的比较，将蓄电池部分分为4种工作模式.测量分类方法见图4.

图4 蓄电池部分测量分类方法

一般来说，电池的充/放电被限制在SOC的某个阈值.当充电超过SOC的上限时，充电接受度开始下降，更多的充电电流用于分解水[14].此外，充电电流的小幅增加会造成电池端电压的大幅上升；另一方面，低于SOC下限的电池放电会增加其内阻.因此，如果不在SOC的限值内操作，电池的寿命就会受到影响.对于铅酸电池，蓄电池的充电接受度非常高，通常SOC的范围在20%～80%[15-16].因此，本文考虑上述因素，将SOC的阈值选取为0.2～0.8.

工作模式Ⅰ：当直流母线的实际电压，即蓄电池部分的出口电压(UDC)大于直流母线额定电压(UN)，且SOC小于0.8时，蓄电池处于工作模式Ⅰ，此时系统功率充足，作为负载，蓄电池从系统吸收功率，进行充电.

工作模式Ⅱ：当UDC>UN，且SOC逐渐上升至0.8后，蓄电池部分由工作模式Ⅰ转入工作模式Ⅱ，此时蓄电池已达到饱和状态，不再作为系统负载，充电停止.

工作模式Ⅲ：当UDC

工作模式Ⅳ：当UDC

2.2 风光互补发电系统运行模式

由2.1部分的分析可以看出，蓄电池在风光互补发电系统中既可作为电源，也可作为负载.根据蓄电池的不同运行状态，对系统的输入、输出情况进行划分，见表1.按此分类后，仅需通过比较输入、输出功率来分析系统运行模式，无需考虑此时系统中是否连接负载，降低了运行模式分析的复杂性.表1中：Ppv为光伏系统输出功率；Pw为风力发电系统输出功率；PB为蓄电池部分输出功率；PL为负载需求.

表1 风光互补发电系统功率划分

为了便于程序设计和后续分析表述，在此定义函数FP确定系统输入、输出功率的数量关系：

本文根据发电系统的实际运行情况，将气象条件分为有风有光、有风无光、无风有光、无风无光4种.根据不同气象条件下的功率输入、输出关系和蓄电池工作模式将发电系统分为28种运行模式.当系统的气象条件、功率需求以及蓄电池工作模式发生变化时，系统的运行模式均在其中进行转换.系统运行模式见表2.

表2 风光互补发电系统运行模式

3 直流风光互补发电系统控制策略

3.1 发电部分控制策略

根据对风光互补发电系统运行模式的分析可知，在系统运行过程中，风力发电系统和光伏发电系统均有可能在恒电压控制和最大功率跟踪(MPPT)控制的情况下运行.因此，在选择风力发电系统和光伏发电系统的控制方式时，需要首先通过分析输入、输出功率和蓄电池工作模式确定最优的控制方法.发电系统控制方式见图5.图5中：Upv和Ipv为光伏系统的输出电压和输出电流；Uw和Iw为风力发电系统的输出电压和输出电流；IB为蓄电池部分输出电流；Iref为参考电流；IL为负载电流；Dpv和Dw为控制光伏系统和风力发电系统的占空比.

图5 发电系统控制方式

3.2 蓄电池部分控制策略

本文通过控制双向DC-DC电路的占空比D1、D2来调节蓄电池的充/放电，以保持系统内功率平衡.考虑到系统负载可能发生突变，蓄电池的工作模式需要迅速正确切换.本文将双向DC-DC电路的输出电流作为控制系统的参考电流，采用滞环控制法来控制开关器件的导通，将控制信号限制在一定范围内，使实际的充/放电电流符合电池规格，从而提高电池寿命.蓄电池控制结构见图6，其中：IBref为蓄电池参考电流.

图6 蓄电池控制结构

4 仿真分析

本文利用MATLAB/SIMULINK仿真软件搭建直流风光互补发电系统的仿真模型，其直流母线额定电压为600 V，光伏发电系统额定功率为3.7 kW，风力发电系统额定功率为8 kW，蓄电池的初始荷电状态为70%.为了验证本控制策略的可行性，考虑系统的实际运行情况，列举了一种运行模式，包含系统中可能出现的气象条件和负载需求的变化情况，并对该模式下的风光互补发电系统进行仿真分析，仿真结果见图7.

图7 系统运行仿真结果

由图7可见：在仿真开始阶段，由于风机尚未完全启动，此时系统内功率缺额，蓄电池处于工作模式Ⅲ，进行放电，SOC值下降；约0.2 s后，风力发电系统完全启动，系统功率盈余，蓄电池转入工作模式Ⅰ，进行充电，SOC值上升；在1～2 s间，模拟光照强度缓慢上升，光伏系统输出功率也随之上升，但由于系统中连接了交流负载以及在建立仿真模型时对系统做了简化，导致光伏系统的输出功率出现稳态周期性波动，在后续研究中可以通过补偿直流滤波电容，抑制谐波；2 s后，风速、光照强度和负载需求变化时，系统均能可靠运行.由此可见，本系统能够实现不同模式的协调控制，维持母线电压恒定，仿真试验验证了控制策略的可行性.

5 小 结

本文以小型独立式直流风光互补发电系统为研究对象，针对系统复杂多样的问题，提出了一种基于蓄电池工作模式分类的协调控制策略，根据不同气象条件下的功率输入、输出关系和4种蓄电池工作模式将发电系统分为28种运行模式.仿真结果证明，本文提出的控制策略可使系统在不同天气条件和负载功率需求下稳定切换工作状态，使系统功率良好互补并充分利用光能、风能.在实际工程中，本文提出的控制策略无需考虑无功波动、谐波影响等并网问题，可应用于偏远地区供电.在未来的研究中，可在此基础上，结合光伏发电和风力发电功率预测，对本文所提出的控制策略进行进一步优化.