基于固态变压器的有源配电网自适应模式切换与功率管理

郭 慧，丁 峰，任林涛，肖杨婷，汪 飞，施天灵

基于固态变压器的有源配电网自适应模式切换与功率管理

郭 慧1，丁 峰2，任林涛1，肖杨婷2，汪 飞1，施天灵1

(1.上海市电站自动化技术重点实验室(上海大学机电工程与自动化学院)，上海 200444；2.上海船舶设备研究所，上海 200031)

为实现高压电网和交直流混合微网的系统集成与优化，固态变压器(solid-state transformer, SST)成为研究热点。然而，目前较少考虑线路或通信故障条件下系统运行模式的协调控制以及即插即用单元的功率优化分配。为此，提出一种基于SST的有源配电网自适应模式切换与功率管理策略。首先，基于SST的系统架构实现高压并网、微网互联、微网孤岛的平滑模式切换，保证母线电压稳定在额定值附近。同时，采用分布式一致性算法和改进下垂控制，根据运行成本、储能荷电状态(state of charge, SOC)实现经济均衡的功率分配。最后，基于RT-LAB实时仿真平台验证所提模式切换与功率管理策略。

固态变压器；有源配电网；模式切换；功率管理；一致性算法；下垂控制

0 引言

可再生能源的大规模高效利用，有利于优化能源生产消费结构，加快能源体系的低碳环保、可持续发展。然而，风能和太阳能作为典型的可再生能源，具有间歇性和波动性等特点，会引起输出功率与电压波动[1-4]。因此，需要配置储能装置来抑制可再生能源和负荷的不确定性，进而构成可控的微网(microgrid, MG)系统[5-7]。与单一类型储能相比，由电池(battery, BAT)、超级电容(supercapacitor, SC)和燃料电池(fuel cell, FC)构成的混合储能不仅能满足高功率和高能量密度的要求，而且能有效提高储能性能，延长其使用寿命[8-9]。

上述可再生能源和储能大部分为固有直流特性，通常通过DC-DC、DC-AC变换器或传统变压器连接到高压电网[10]。然而，不同电气特性的公共电网和交直流MG之间难以较好地实现分布式功率管理与自适应协调控制成为挑战。为此，具有电压转换、电气隔离、功率控制和通信功能的多端口电力电子变换装置固态变压器(solid-state transformer, SST)被提出，并应用于高压电网和交直流混合MG的互联与控制。

在变换器层面，已有研究主要关注SST的稳定性及其高压大功率应用[11]。一开始，不同的SST拓扑被提出，其中模块化级联SST是在增加硬件及其控制复杂性的条件下获得高压大功率的一种可靠解决方案[12-13]。相应地，级联系统的稳定性受到越来越多的关注，特别是多个级联单元的电压和功率平衡问题。目前，宽禁带半导体器件的应用成为另一种解决方案，以增加成本为代价降低下一代SST器件的功率损失，并提高其电流应力[14-15]。在系统层面，现有研究主要关注区域直流MG在SST支撑与孤岛模式的无缝切换及优化控制，忽略了高压并网与MG互联模式的研究。

高压电网、交直流MG基于SST所构成的新型有源配电网(active distribution network, ADN)，其控制策略可采用集中控制、分层控制和分散控制等[16-17]。为最大化利用光伏(photovoltaics, PV)和储能，文献[18]针对SST集成的区域直流MG提出一种集中控制能量管理算法，保证系统在SST支撑与孤岛模式的功率平衡和无缝切换。但是，MG中的每个单元都受中央控制器的控制，会降低系统的可靠性与扩展性，增加通信量和计算量。因此，文献[19]针对SST集成的直流MG，根据控制目标的不同响应时间尺度提出了分层控制策略。具体包括，提高系统稳定性的一次控制，实现无缝切换的二次电压恢复控制，以及保证电池可靠运行的三次荷电状态(state of charge, SOC)控制。其中，一次控制不依赖通信，但二次和三次控制仍是通过集中通信实现，需要获取所有单元的电流、电压和SOC等信息[20-21]。

为更好地实现即插即用功能，分散式或分布式控制被提出并应用于直流MG系统。在文献[22-23]中，直流母线电压作为自主控制信号，被用于调节不同电源和储能之间的功率分配。文献[24-25]提出一种改进型下垂控制，根据储能SOC调节下垂系数，实现储能功率管理。仅根据储能SOC均衡分配功率，不能实现系统的经济优化运行。因此，文献[26-27]分别针对孤岛型交流MG、并网型直流MG提出一种经济优先的下垂控制方案，优先选择成本较低的可控单元满足负荷需求，实现功率经济分配。但是，上述研究未综合考虑系统运行成本和储能SOC实现功率分配的经济均衡性，且未涉及故障条件下高压并网、MG互联与MG孤岛等不同运行模式的自适应协调控制。

针对上述问题，本文提出一种基于SST的ADN自适应模式切换与功率管理策略，减小可再生能源接入对电网的影响。1) 所提系统架构和控制策略能够在系统发生故障时，保证高压并网、MG互联和MG孤岛多种运行模式的平滑切换以及自适应协调控制。2) 整个系统在不同运行模式及其切换状态下能够实现分布式功率管理。根据运行成本、储能SOC，采用一致性算法和改进下垂控制实现经济均衡的功率分配，以提高储能性能和使用寿命，保证系统经济可靠运行。

1 基于SST的ADN系统架构及运行模式

基于SST的ADN是一种由SST与高压电网、交直流混合MG构成的系统架构，如图1所示。

图1 基于SST的ADN示意图

1.1 固态变压器

图1中所示的SST为单相三级变换拓扑结构：第一级变换由级联H桥(cascaded H-bridge, CHB)组成，其功能是将高压交流(high-voltage AC, HVAC)整流为多个独立的中压直流(medium-voltage DC, MVDC)；第二级变换采用双有源桥(dual active bridge, DAB)结构，将CHB输出的MVDC转换为多个隔离型低压直流(low-voltage DC, LVDC)，通常，DAB单元的输出端口是并联的，其输出电压被控制为相同的值，构成直流母线；第三级变换由低压逆变器组成，用于连接低压交流(low-voltage AC, LVAC)。

上述单相三级变换拓扑结构SST的控制策略如图2所示。

图2 SST控制策略图

1) 高压整流级：高压整流级采用双环控制策略，电压环保持CHB侧电压平衡，而电流环实现单位功率因数运行。

2) DAB变换级：在DAB变换级，电压环控制各DAB输出相同电压进行并联，而电流内环提高DAB的动态响应。

3) 低压逆变级：低压逆变级采用电流型控制，根据不同应用场景，改变参考电流调节输出功率。

1.2 基于SST的运行模式

基于SST的ADN主要包括3种运行模式：高压并网、MG互联和MG孤岛。

1) 高压并网：在正常情况下，SST控制各MG分别与高压电网实现功率交互。

2) MG互联：当高压电网发生故障时，SST的CHB或DAB变换级闭锁，与高压电网断开连接解耦运行，SST所连接的MG实现功率交互。

3) MG孤岛：当外部发生故障时，SST使MG解耦运行在孤岛模式下，与外部失去功率交互。

1.3 SST所连接的MG

交流MG因与传统电网及主流电气设备具有兼容性而被广泛采用，技术相对成熟。由于直流MG具有较高的可靠性和转换效率，本文主要分析了SST的DAB变换级所连接的直流MG。其中，LVDC母线通过分布式DC/DC变换器连接固有直流特性的PV、直流负荷、BAT1、BAT2、SC和FC。

1) PV最大功率跟踪控制

PV通常运行在最大功率跟踪控制(maximum power point track, MPPT)模式，以实现可再生能源的最大化利用，如图3所示。

图3 PV MPPT控制

2) 储能改进下垂控制

BAT和SC作为双向备用电源，采用考虑电压偏差补偿并根据运行成本、储能SOC进行优化的改进下垂控制(图4)，以保证系统电压稳定及其优化功率经济均衡分配，可转换为式(1)表示。

式中：为可控单元储能i的输出电压参考值；为可控单元储能i的额定电压；为可控单元储能i的电压偏差补偿；为可控单元储能i基于SOC的经济下垂系数；为可控单元储能i的输出电流。

电压偏差补偿：由图4可知，电压偏差补偿可调节由虚拟电阻(下垂系数)所引起的额定电压与输出电压的偏差，如式(2)所示。

功率精确分配：若改进下垂控制保证系统运行时满足式(3)，可以达到功率精确分配的目的。

需要注意的是，为减小线路电阻对电压偏差和功率分配精度的影响，基于SOC的经济下垂系数应根据电压偏差要求，按式(4)进行调节或设置。

根据运行成本和储能SOC进行功率优化分配的改进下垂控制，是底层电力电子变换和上层功率管理的关键环节，将在下文详细阐述。

2 基于SST的ADN分布式功率管理

模型描述：所提功率管理基于SST的系统优化模型如式(5)所示，在满足系统功率平衡约束和可控单元输出功率约束的条件下，实现可控单元总运行成本最小化。

2.1 一致性算法

基于图，使个可控单元的状态变量达成共识的连续一致性算法，表示为式(7)和式(8)。

根据图5(b)，连续一致性算法的矩阵形式如式(9)所示。

2.2 基于一致性算法的系统经济优化运行

2.3 基于改进下垂控制的储能功率经济均衡分配

上述基于SST的ADN分布式功率管理，可在相邻通信条件下保证高压并网、MG互联和MG孤岛多种运行模式的电压稳定及优化功率分配的经济均衡性。

3 算例分析

为验证图1所示基于SST的ADN系统架构及控制策略，通过RT-LAB OP5700和主机进行实时仿真，仿真平台如图6所示。

图6 实时仿真平台

3.1 基本参数

表1为图1所示待测系统主要参数，包括不同类型可控单元的成本系数和储能SOC等[28,34]。为便于分析所提系统自适应模式切换与分布式功率管理，将基于SST的ADN分为高压并网、MG互联、MG孤岛及其模式切换进行验证。

3.2 高压并网模式优化结果

为验证控制策略在高压并网模式下的有效性，将PV最大功率点功率设为12.82 kW，实际发电功率为12.74 kW，PV最大功率跟踪效果良好。同时，设直流负荷需求功率在= 10 s时由20 kW变为4 kW，交流MG需求功率设为3 kW，如图7(a)所示。

表1 基于SST的ADN主要参数

1) 经济均衡功率分配

上述设置下，交流MG无法满足自身功率平衡，其所需功率3 kW由高压电网提供。而直流MG可通过调节自身储能实现功率平衡，如图7(b)所示。

放电状态：在= 2~6 s时，直流负荷需求功率20 kW大于PV实际发电功率12.74 kW，储能均工作在放电状态(功率为正表示充电，功率为负表示放电)。根据储能运行成本，所提策略实现了功率经济分配：运行成本较高的FC，具有较小的放电功率1.50 kW；运行成本较低的SC，具有较大的放电功率2.32 kW；运行成本相同的BAT1和BAT2，放电功率相同为1.74 kW。考虑到线路损耗等，可认为储能的总放电率约等于供需功率缺额。在优化功率经济分配的基础上，当= 6 s时考虑储能的不同SOC进一步实现功率均衡分配：SOC值较大(0.7)的BAT1放电功率开始增大，而SOC值较小(0.5)的BAT2和SC放电功率开始减小，此时FC的放电功率保持不变。

充电状态：当= 10 s时，直流负荷需求功率由20 kW变为4 kW，小于PV实际发电功率12.74 kW。此时，FC输出功率变为0，而其他储能从放电状态转换为充电状态。在= 10~14 s时，运行成本较低且SOC值较小的SC充电功率最大，而运行成本较高且SOC值较大的BAT1充电功率最小。因此，直流MG内的储能可根据运行成本和SOC，实现优化功率经济均衡分配。

高压并网模式下，MG可在满足自身功率平衡的条件下实现经济可靠运行。当MG不能满足自身功率平衡时，由高压电网提供支撑。

2) 功率分配精度

3) 电压调节

图7(d)为低压终端关键波形：面对= 6 s时的下垂系数变化与=10 s时的负荷切换，直流母线电压均可以稳定在额定值400 V。SST的低压逆变级能保证220 V AC侧的单位功率因数运行及其稳定。因为交流MG的需求功率设置为恒定的3 kW，因此LVAC侧的电流大小保持不变。

3.3 MG互联模式优化结果

为验证所提策略在MG互联模式下的有效性及其与高压并网模式的差异，使PV最大功率点功率、直流负荷和交流MG需求功率的设置与高压并网模式相同，如图8(a)所示。

1) 优化功率经济均衡分配

MG互联模式下，交流MG失去高压电网的支撑，其需求功率3 kW由直流MG提供。因此，系统功率平衡通过直流MG和交流MG的功率交互实现，如图8(b)所示。

放电状态：= 2~6 s时，直流负荷需求功率20 kW与交流MG需求功率3 kW之和，大于PV实际发电功率12.74 kW。因此，直流MG内储能工作在放电状态，且优化功率的经济均衡分配趋势与高压并网模式相同，但因额外提供交流MG需求功率3 kW，储能放电功率均增大。

充电状态：= 10 s之后，直流负荷需求功率4 kW与交流MG需求功率3 kW之和，小于PV实际发电功率12.74 kW。因此，FC输出功率变为0，而其他储能转变为充电状态。此时，储能优化功率的经济均衡分配趋势与高压并网模式相同，但因额外提供交流MG需求功率3 kW，储能充电功率均减小。

MG互联模式下，直流MG和交流MG可通过功率交互保证系统稳定运行，并根据储能的运行成本和SOC，实现优化功率的经济均衡分配。

2) 功率分配精度与电压调节

当SST与高压电网断开连接时，由储能支持直流母线的稳定。面对= 6 s时的下垂系数变化和= 10 s时的直流负荷切换，储能的功率分配精度和直流MG与交流MG的电压稳定均可得到保证，如图8(c)和图8(d)所示。

3.4 MG孤岛模式优化结果

为验证控制策略在MG孤岛模式的有效性，当= 10 s时，PV实际发电功率由12.74 kW变为6.8 kW，且直流负荷需求功率由20 kW变为4 kW，如图9(a)所示。

1) 优化功率经济均衡分配

孤岛模式下，直流MG与外部失去功率交互，但系统功率平衡仍能得到保证。面对= 6 s时的下垂系数变化和= 10 s时的PV与负荷功率变化，直流MG可根据储能的运行成本和SOC实现优化功率经济均衡分配，如图9(b)所示。

2) 功率分配精度与电压调节

当直流MG与SST断开连接时，由储能支持直流母线的稳定。面对= 6 s时的下垂系数变化和= 10 s时的PV与负荷功率变化，储能的功率分配精度和直流MG的电压稳定均可得到保证，如图9(c)和图9(d)所示。

3.5 模式切换优化结果

为验证系统在不同模式切换下的可靠性和适应性，初始时将PV最大功率点功率、直流负荷和交流MG需求功率分别设置为12.82 kW(PV实际发电功率12.74 kW)、20 kW和3 kW，如图10(a)所示。

1) 动态功率管理

从图10(b)可以看出：高压并网模式下，交流MG的3 kW需求功率由高压电网提供，直流MG通过调节自身储能实现功率平衡。

当= 8 s时，系统运行模式从高压并网切换到MG互联，高压电网的输出功率逐渐变为零，直流MG代替高压电网提供交流MG所需功率3 kW，导致储能放电功率逐渐增大。在= 8~12 s的MG互联模式，直流MG和交流MG通过功率交互实现系统功率平衡。

当= 12 s时，直流MG的运行模式进一步切换到孤岛模式，直流MG提供给交流MG的需求功率逐渐下降至零，因此直流MG内的储能放电功率逐渐减小。在孤岛模式下，直流MG可通过调节自身储能实现功率平衡。

面对= 8 s和= 12 s的模式切换，所提策略均可根据储能的运行成本和SOC，实现功率经济均衡分配，如图10(b)所示。

2) 功率分配精度与电压调节

如图10(c)和图10(d)所示，所提策略可以保证储能的功率分配精度以及直流MG和交流MG的电压稳定。因为交流MG的功率在= 12 s时逐渐下降至零，因此LVAC侧输出功率在同一时间逐渐变为零。结果表明，所提系统架构和控制策略针对高压并网、MG互联、MG孤岛及其模式切换具有较好的适应性。

4 结论

本文提出了一种基于SST的ADN自适应模式切换与功率管理策略，并通过RT-LAB实时仿真进行验证，得到如下结论：

1) 通过SST实现高压电网、交直流混合MG的智能互联与集成，与多个独立变换器相比可以减少系统通信，与传统变压器相比可以提升系统可控性。

2) 所提系统架构和控制策略能够在部分线路、通信发生故障时，使系统实现高压并网、MG互联和MG孤岛多种运行模式的平滑切换，保证母线电压稳定在额定值附近。

3) 整个系统在不同运行模式及其切换状态下能够实现分布式自适应功率管理。根据运行成本、储能SOC，采用一致性算法和改进下垂控制实现经济均衡的功率分配，保证系统经济可靠运行。

[1] MA Ke, WANG Jiashi, CAI Xu, et al. AC grid emulations for advanced testing of grid-connected converters—an overview[J]. IEEE Transactions on Power Electronics, 2021, 36(2): 1626-1645.

[2] 杜永安, 杜丽艳, 徐岩. 光伏发电接入柔直互联区域调频策略[J]. 电力系统保护与控制, 2021, 49(6): 1-9.

DU Yongan, DU Liyan, XU Yan. Frequency regulation for PV generation connected to an interconnection area by VSC-HVDC[J]. Power System Protection and Control, 2021, 49(6): 1-9.

[3] 杨智麟, 张英敏, 何川. 基于风功率间歇性的多区域综合能源系统两阶段分布鲁棒协同优化调度的研究[J]. 智慧电力, 2021, 49(10): 59-67.

YANG Zhilin, ZHANG Yingmin, HE Chuan. Two-stage distributed robust coordinated optimal dispatch for multi-regional integrated energy system considering intermittent wind power[J]. Smart Power, 2021, 49(10): 59-67.

[4] 潘翔峰, 黄畅, 张琪, 等. 风-光-储能源系统变工况动态仿真研究[J]. 热力发电, 2021, 50(8): 164-171.

PAN Xiangfeng, HUANG Chang, ZHANG Qi, et al. Dynamic simulation of wind-solar-storage energy system under variable operating conditions[J]. Thermal Power Generation, 2021, 50(8): 164-171.

[5] 谢文强, 韩民晓, 王皓界, 等. 基于虚拟电压的直流微电网多源协调控制策略[J]. 中国电机工程学报, 2018, 38(5): 1408-1418.

XIE Wenqiang, HAN Minxiao, WANG Haojie, et al. Multi-source coordinated control strategy of DC micro-grid based on virtual voltage[J]. Proceedings of the CSEE, 2018, 38(5): 1408-1418.

[6] 张运, 姜望, 张超, 等. 基于储能荷电状态的主从控制微电网离网协调控制策略[J]. 电力系统保护与控制, 2022, 50(4): 180-187.

ZHANG Yun, JIANG Wang, ZHANG Chao, et al. Off-grid coordinated control strategy of a master/slave control microgrid based on the state of charge of energy storage[J]. Power System Protection and Control, 2022, 50(4): 180-187.

[7] 任羽纶, 严道波, 赵红生, 等. 基于极端天气情况的风-储系统平抑控制策略[J]. 智慧电力, 2022, 50(2): 29-34, 41.

REN Yulun, YAN Daobo, ZHAO Hongsheng, et al. Smoothing control strategy for wind-energy storage system under extreme weather conditions[J]. Smart Power, 2022, 50(2): 29-34, 41.

[8] JIANG Wei, FAHIMI B. Active current sharing and source management in fuel cell-battery hybrid power system[J]. IEEE Transactions on Industrial Electronics, 2010, 57(2): 752-761.

[9] 张宇涵, 杜贵平, 雷雁雄, 等. 直流微网混合储能系统控制策略现状及展望[J]. 电力系统保护与控制, 2021, 49(3): 177-187.

ZHANG Yuhan, DU Guiping, LEI Yanxiong, et al. Current status and prospects of control strategy for a DC micro grid hybrid energy storage system[J]. Power System Protection and Control, 2021, 49(3): 177-187.

[10] HUBER J E, KOLAR J W. Applicability of solid-state transformers in today’s and future distribution grids[J]. IEEE Transactions on Smart Grid, 2019, 10(1): 317-326.

[11] DONG Dong, RAJU R, GANIREDDY G, et al. A rotational control in medium-voltage modular solid-state transformer-based converter system[J]. IEEE Transactions on Industry Applications, 2019, 55(6): 6223-6233.

[12] ZHAO Biao, SONG Qiang, LI Jianguo, et al. A modular multilevel DC-link front-to-front DC solid-state transformer based on high-frequency dual active phase shift for HVDC grid integration[J]. IEEE Transactions on Industrial Electronics, 2017, 64(11): 8919-8927.

[13] SHE Xu, HUANG A Q, NI Xijun. Current sensorless power balance strategy for DC/DC converters in a cascaded multilevel converter based solid state transformer[J]. IEEE Transactions on Power Electronics, 2014, 29(1): 17-22.

[14] HUANG Qingyun, HUANG A Q, YU Ruiyang, et al. High-efficiency and high-density single-phase dual-mode cascaded buck-boost multilevel transformerless PV inverter with GaN AC switches[J]. IEEE Transactions on Power Electronics, 2019, 34(8): 7474-7488.

[15] ZHU Qianlai, WANG Li, HUANG A Q, et al. 7.2-kV single-stage solid-state transformer based on the current-fed series resonant converter and 15-kV SiC mosfets[J]. IEEE Transactions on Power Electronics, 2019, 34(2): 1099-1112.

[16] GOLSORKHI M S, SHAFIEE Q, LU D D, et al. A distributed control framework for integrated photovoltaic- battery-based islanded microgrids[J]. IEEE Transactions on Smart Grid, 2017, 8(6): 2837-2848.

[17] GUERRERO J M, CHANDORKAR M, LEE T, et al. Advanced control architectures for intelligent microgrids — part I: decentralized and hierarchical control[J]. IEEE Transactions on Industrial Electronics, 2013, 60(4): 1254-1262.

[18] SHE Xu, HUANG A Q, LUKIC S, et al. On integration of solid-state transformer with zonal DC microgrid[J]. IEEE Transactions on Smart Grid, 2012, 3(2): 975-985.

[19] YU Xunwei, SHE Xu, NI Xijun, et al. System integration and hierarchical power management strategy for a solid-state transformer interfaced microgrid system[J]. IEEE Transactions on Power Electronics, 2014, 29(8): 4414-4425.

[20] 梁海峰, 郑灿, 高亚静, 等. 微网改进下垂控制策略研究[J]. 中国电机工程学报, 2017, 37(17): 4901-4910.

LIANG Haifeng, ZHENG Can, GAO Yajing, et al. Research on improved droop control strategy for microgrid[J]. Proceedings of the CSEE, 2017, 37(17): 4901-4910.

[21] 黄鑫, 汪可友, 李国杰, 等. 含多并联组网DG的微电网分层控制体系及其控制策略[J]. 中国电机工程学报, 2019, 39(13): 3766-3775.

HUANG Xin, WANG Keyou, LI Guojie, et al. Hierarchical architecture and control strategy for micro-grid with multi-parallel grid-forming DGs[J]. Proceedings of the CSEE, 2019, 39(13): 3766-3775.

[22] CHEN Dong, XU Lie. Autonomous DC voltage control of a DC microgrid with multiple slack terminals[J]. IEEE Transactions on Power Systems, 2012, 27(4): 1897-1905.

[23] CHEN Dong, XU Lie, YAO Liangzhong. DC voltage variation based autonomous control of DC microgrids[J]. IEEE Transactions on Industrial Electronics, 2013, 28(2): 637-648.

[24] DIAZ N L, DRAGICEVIC T, VASQUEZ J C, et al. Intelligent distributed generation and storage units for DC microgrids—a new concept on cooperative control without communications beyond droop control[J]. IEEE Transactions on Smart Grid, 2014, 5(5): 2476-2485.

[25] LU Xiaonan, SUN Kai, GUERRERO J M, et al. State-of-charge balance using adaptive droop control for distributed energy storage systems in DC microgrid applications[J]. IEEE Transactions on Industrial Electronics, 2014, 61(6): 2804-2815.

[26] NUTKANI I U, LOH P C, WANG Peng, et al. Cost-prioritized droop schemes for autonomous ac microgrids[J]. IEEE Transactions on Power Electronics, 2015, 30(2): 1109-1119.

[27] HU Jian, DUAN Jie, MA Hao, et al. Distributed adaptive droop control for optimal power dispatch in DC microgrid[J]. IEEE Transactions on Industrial Electronics, 2018, 65(1): 778-789.

[28] 吕振宇, 吴在军, 窦晓波, 等. 基于离散一致性的孤立直流微网自适应下垂控制[J]. 中国电机工程学报, 2015, 35(17): 4397-4407.

LÜ Zhenyu, WU Zaijun, DOU Xiaobo, et al. An adaptive droop control for the islanded DC microgrid based on discrete consensus algorithm[J]. Proceedings of the CSEE, 2015, 35(17): 4397-4407.

[29] BINETTI G, DAVOUDI A, LEWIS F L, et al. Distributed consensus-based economic dispatch with transmission losses[J]. IEEE Transactions on Power Systems, 2014, 29(4): 1711-1720.

[30] 刘子文, 苗世洪, 范志华, 等. 基于自适应下垂特性的孤立直流微电网功率精确分配与电压无偏差控制策略[J]. 电工技术学报, 2019, 34(4): 795-806.

LIU Ziwen, MIAO Shihong, FAN Zhihua, et al. Accurate power allocation and zero steady-state error voltage control of the islanding DC microgird based on adaptive droop characteristics[J]. Transactions of China Electrotechnical Society, 2019, 34(4): 795-806.

[31] 米阳, 蔡杭谊, 宋根新, 等. 考虑不匹配线阻的分布式储能单元荷电状态均衡研究[J]. 中国电机工程学报, 2019, 39(15): 4441-4451.

MI Yang, CAI Hangyi, SONG Genxin, et al. State-of- charge balancing research of distributed energy storage units with unmatched line impedance[J]. Proceedings of the CSEE, 2019, 39(15): 4441-4451.

[32] 解大, 喻松涛, 陈爱康, 等. 基于下垂特性调节的直流配电网稳态分析[J]. 中国电机工程学报, 2018, 38(12): 3516-3528.

XIE Da, YU Songtao, CHEN Aikang, et al. Steady-state analysis for the DC distribution network with droop- control[J]. Proceedings of the CSEE, 2018, 38(12): 3516-3528.

[33] GUO Fanghong, WEN Changyun, MAO Jianfeng, et al. Distributed economic dispatch for smart grids with random wind power[J]. IEEE Transactions on Smart Grid, 2016, 7(3): 1572-1583.

[34] 吕振宇, 吴在军, 窦晓波, 等. 自治直流微电网分布式经济下垂控制策略[J]. 中国电机工程学报, 2016, 36(4): 900-910.

LÜ Zhenyu, WU Zaijun, DOU Xiaobo, et al. A distributed droop control scheme for islanded DC microgrid considering operation costs[J]. Proceedings of the CSEE, 2016, 36(4): 900-910.

Adaptive mode switching and power management of a solid-state transformer-based active distribution network

GUO Hui1, DING Feng2, REN Lintao1, XIAO Yangting2, WANG Fei1, SHI Tianling1

(1. Shanghai Key Laboratory of Power Station Automation Technology (School of Mechatronics Engineering and Automation,Shanghai University), Shanghai 200444, China; 2. Shanghai Marine Equipment Research Institute, Shanghai 200031, China)

To realize system integration and optimization of a high-voltage grid and AC/DC microgrids, there has been focus on the solid-state transformer (SST). However, the coordinated control of system operation modes and the optimal power allocation of plug-and-play units under line or communication fault conditions are rarely considered. Thus an adaptive mode switching and power management strategy is proposed for an SST-based active distribution network. First, the SST-based system achieves seamless mode switching among high-voltage grid connection, microgrid interconnection and microgrid islanding, ensuring that the bus voltage is stable around the rated value. At the same time, economic balanced power allocation is realized according to the operational cost and energy storage SOC applying the distributed consensus algorithm and improved droop control. Finally, the proposed mode switching and power management strategies are tested on the RT-LAB-based real-time simulation platform.

solid-state transformer (SST); active distribution network (ADN); mode switching; power management; consensus algorithm; droop control

10.19783/j.cnki.pspc.220638

国家自然科学基金项目资助(52107199)；上海市科委国际合作项目资助(21190780300)

This work is supported by the National Natural Science Foundation of China (No. 52107199).

2022-05-01；

2022-09-21

郭 慧(1988—)，女，博士，研究方向为可再生能源与智能电网技术；E-mail: huiguo@shu.edu.cn

任林涛(1991—)，男，通信作者，博士研究生，研究方向为新能源发电与功率变换器控制；E-mail: R11121572@ 163.com

汪 飞(1981—)，男，博士，教授，博士生导师，研究方向新能源发电与微电网技术。E-mail: f.wang@shu.edu.cn

(编辑 周金梅)