含分布式电源的直流微电网中的电力质量优化与协同控制算法研究

黄国明，杨兴泼，林贺祺

（国网福建省电力有限公司漳平市供电公司，福建 漳平 364000）

0 引 言

目前，社会面临着能源危机、环境污染以及电力系统复杂性不断增加等严峻问题，迫切需求新一轮电力系统。传统交流电网存在能量传输和转换损失、电压稳定性差等问题，而直流微电网的引入为解决这些问题提供新的思路。直流微电网具备高效、灵活等特点，成为研究和应用的热点。随着分布式电源的大规模接入，直流微电网系统面临一系列的电力质量挑战。其中，电压波动和谐波等问题直接影响电网的稳定性和可靠性，是制约直流微电网发展的关键因素。随着电力系统复杂性的增加，分布式电源的异质性和随机性无法保障直流微电网中电力质量，因此需要深入研究电力质量优化和协同控制的方法。特别是在电力系统的智能化和数字化转型过程中，如何通过协同控制算法使分布式电源智能协同运行，提升系统的电压稳定性并降低谐波含量成为急需解决的问题。

1 电力质量问题与优化算法研究

1.1 电力质量问题

电力质量问题作为直流微电网系统中急需解决的难题，主要表现在电压稳定性和谐波含量2 个方面。直流微电网系统中多电源混合运行，不同电源的输出特性和运行状态不确定，导致电压波动[1]。这种波动不仅会引发电力设备的异常运行，而且会对终端设备供电造成影响，甚至引发电力系统故障。谐波问题在直流微电网系统中尤为突出。分布式电源和非线性负载等因素引入大量谐波成分，使电网中存在丰富的谐波频谱，这些谐波会干扰设备的正常运行，同时影响电能质量。谐波不仅会导致设备寿命缩短，而且可能引起电能浪费和额外的电力损耗，严重威胁电网的可靠性和稳定性。

直流微电网系统中还存在由电力系统非恒定性和电源不匹配性引起的瞬时电压波动，进一步增加电力质量问题的复杂性。瞬时电压波动不仅影响设备的正常运行，而且可能导致系统中的电子设备损坏，增加系统的维护成本。

1.2 协同控制算法设计原理

协同控制算法的设计旨在通过电能调度和设备协同运行，有效优化直流微电网系统的电力质量。算法采用基于模型预测控制（Model Predictive Control，MPC）方法，充分考虑系统的非线性和时变性，通过迭代求解优化问题，从而实现对电力质量的有效控制。

首先，对直流微电网系统进行建模，使用状态空间方程描述系统的动态行为。设置xk为系统的状态，uk为系统的控制输入，yk为系统的输出。考虑系统中分布式电源的差异性，以电压稳定性和谐波含量为优化目标，系统的状态空间模型表示为

式中：A为状态转移矩阵；B为输入矩阵；C为输出矩阵。

其次，引入模型预测控制框架，通过最小化预测时刻k到k+N时段内的性能指标来优化系统的状态和控制输入。优化问题的一般形式可以表示为

式中：J为性能指标；∆u为控制输入的调整量。通过迭代求解该优化问题，得到最优的控制输入序列∆u*，从而实现对系统状态的优化调整。

最后，将最优控制输入序列应用于系统，实现系统的协同控制。

这种迭代优化过程使系统能够实时调整至最优状态，从而提高电力质量。通过该设计，协同控制算法能够适应系统的非线性和时变性，实现对电力质量的持续优化。

1.3 分布式电源智能协同调度

基于共享信息的协同调度策略依赖分布式电源间实时共享的状态信息，以实现对系统的动态调整。算法的设计核心是充分利用分布式电源的异质性和系统状态的共享信息，通过智能协同调度提高系统电力质量[2]。

定义一个共享信息的状态向量，包括各分布式电源的输出功率和电压信息等。通过实时共享这些信息，系统中的各个分布式电源能够获得全局的状态视图，从而更加准确地评估系统的整体性能，为协同调度提供准确的数据支持。基于共享信息，设计一个协同控制器，采用模糊逻辑系统。该控制器根据实时状态信息预测模型输出，智能调整各个分布式电源的运行状态，以最大限度地提高系统的电力质量。引入模糊逻辑规则如下：如果电网电压波动较大，则增大具有电压调节能力的分布式电源的输出功率；如果系统谐波含量超过阈值，则调整非线性负载的运行状态，减少谐波注入。

模糊逻辑系统的输出是各分布式电源的调整量，通过考虑各个因素的权重和关联度，得到最终的协同调度结果。将各分布式电源的调整量应用于系统，实现智能协同调度。这一过程动态变化，随着系统状态的变化，协同控制器能够实时调整分布式电源的运行状态，从而实现对电力质量的优化控制。

2 控制策略设计与系统性能提升

2.1 控制策略设计概述

微电网内部的控制策略被构建为一个分层系统，包括局部控制层、协同控制层及全局协调层。在局部控制层，每个分布式电源通过本地控制器调整输出功率，以满足本地用电需求。负载设备同样在此层面进行本地控制。在协同控制层，通过信息共享和智能算法，促进不同局部控制器之间的协同工作。在全局协调层，整合各子系统状态信息进行全局协调和优化，确保微电网系统的整体性能最优。

2.2 微电网内部子系统协同工作机制

微电网内部子系统协同工作机制的设计注重分布式电源间的信息共享。通过局部控制层将每个分布式电源本地状态实时共享至协同控制层，通过通信网络保证系统中各个分布式电源具备全局视野。协同控制层通过协同优化算法实现全局电力质量的优化，最小化系统中电压波动和谐波含量。

引入动态权重调整机制，以应对分布式电源异质性。每个分布式电源都被赋予动态权重，根据其个体能力和状态进行调整[3]。这一机制通过自适应算法实现，确保各分布式电源在协同工作中能够发挥最佳作用。

集成式监测与调度系统在全局协调层负责实时监测微电网内部子系统状态和性能。通过反馈机制，该系统能够迅速识别并调整潜在问题，确保微电网系统能够在动态变化的环境中保持高效运行。这些协同工作机制的设计和实施为微电网系统的电力质量提供可靠保障。

2.3 系统整体性能提升效果

微电网内部协同控制策略的实施提升系统整体性能。通过实时调整局部控制层，各分布式电源和负载设备在本地层面能够更加灵活地响应系统变化，有效满足不同区域的电能需求。这种局部控制的灵活性不仅提高系统的适应性，而且减少系统内部的电能浪费，为整体能源利用效率的提升奠定基础。

协同控制层的引入改善系统的电力质量。通过分布式电源间的信息共享和协同调度，成功降低电压波动和谐波含量。协同工作机制使分布式电源能够相互协调，有效平衡系统内部电力分布，提高系统电压的稳定性，减少谐波对设备的干扰。这一优化在实际应用中能够显著减少系统的能耗损失，提高电力传输的效率。

动态权重调整机制的应用进一步优化系统中各分布式电源的性能。根据各个分布式电源的能力和状态动态调整其权重，从而更灵活地应对电力需求峰谷和电源波动[4]。该机制不仅提高整体系统的稳定性，而且有效降低系统运行过程中的不稳定性，为微电网的可靠运行创造有力条件。

3 仿真与实验验证

3.1 仿真实验设置

为验证协同控制策略的有效性，在MATLAB/Simulink 平台上进行仿真实验，应用包含风力发电机、太阳能光伏发电系统以及储能电池的直流微电网。在仿真环境中，引入不同的负载变化和电源波动情境，模拟实际应用中的复杂工况[5]。通过持续调整微电网负载，模拟实时电能需求的变化，并考虑天气变化等因素，模拟风力和光伏发电的波动性。实验还考虑了电池的充放电过程，以模拟系统能量储存和释放的动态特性。通过对比不同工况下协同控制策略与传统控制策略的性能表现，全面评估协同控制策略在提高电力质量和优化能源利用效率等方面的效果。

3.2 结果分析与对比

通过模拟实验设置中的负载变化和电源波动，得到在协同控制和传统控制2 种策略下微电网系统的关键性能指标，如表1 所示。

表1 协同控制和传统控制的关键性能指标对比

从表1 可以看出，协同控制策略在维持微电网系统电压稳定性方面具有显著优势。在谐波含量方面协同控制同样表现出较优的性能，能够降低系统中的谐波含量，提高微电网系统的电能质量。在协同控制策略下，微电网系统的电压波动和谐波含量显著降低，能源利用效率则有所提升。这反映协同控制策略在提高电力质量和优化能源利用效率方面的有效性。协同控制策略改善了微电网系统的电力质量，降低电压波动和谐波含量，同时提高能源利用效率。这进一步证实协同控制策略在直流微电网中的有效性，为实际应用提供有力支持。

4 结 论

文章提出一种基于协同控制的算法，通过分布式电源之间的智能协同工作，有效提高微电网系统的电力质量。实验结果表明，协同控制策略在减小电压波动、谐波含量以及提高能源利用效率方面具有显著优势，这为含分布式电源的直流微电网的实际应用提供一种可行的解决方案。文章不仅深入剖析直流微电网中电力质量问题，而且验证所提出的协同控制算法具有实质性的改善效果，为未来微电网系统的设计与优化提供重要参考。