光伏电站复合储能电压波动抑制双层优化控制方法

发布时间：2022-03-23所属分类：电工职称论文浏览：1次

摘 要： 摘 要： 大规模光伏电站的不断接入为电力系统的安全稳定运行带来了巨大挑战。 为解决光伏电站出力不确定性所造成的功率波动问题，提高光伏电站在并网点处电压的稳定性，文章采用由蓄电池与超级电容组成的复合储能一体化控制方法，提高光伏并网点电压稳定水平。 首先研

　　摘 要： 大规模光伏电站的不断接入为电力系统的安全稳定运行带来了巨大挑战。 为解决光伏电站出力不确定性所造成的功率波动问题，提高光伏电站在并网点处电压的稳定性，文章采用由蓄电池与超级电容组成的复合储能一体化控制方法，提高光伏并网点电压稳定水平。 首先研究由光伏电源、复合储能构成的典型复合储能系统拓扑结构下储能双层优化控制策略;其次，在不同储能介质的荷电状态与充放电特性模型基础上，研究基于不同光伏并网点电压波动场景的多储能介质组合电压波动抑制优化控制模型及其求解算法;最后，以并网光伏电站数据为基础，建立光伏复合储能电压波动优化控制仿真模型。 仿真结果及其分析表明，文章所提出的基于复合储能的并网点电压波动抑制模型能够有效提升并网点电压稳定性能。

　　关键词： 复合储能; 电压控制; 容量配置; 超级电容

　　0 引言

　　近年来，随着储能设备的发展，大规模储能系统得到了广泛的应用。 在电力系统中，储能设施可灵活地接入系统，且储能设备的投入几乎不受地理位置的限制。 储能装置可安装在光伏电站，实现储能装置和光伏发电设备的协调优化控制，达到稳定控制并网电压的效果[1]，[2]。 当系统中光伏出力较大，且负荷无法全部消纳光伏电站输出的电能时， 可通过储能系统吸收部分电能，合理控制储能系统中蓄电池及超级电容的充放电时间，实现系统的电压波动抑制。

　　国内外专家学者针对可再生能源出力波动性的抑制问题进行了大量研究。 文献[3]分析了分布式电源出力情况， 根据变流器的控制特性，采用一种基于阻尼分配的无源控制策略，提高超级电容电池储能系统的动态响应。 文献[4]针对超级电容储能系统提出了一种滑模控制方法，可在一定程度上提高超级电容的充电效率，提高了设备的使用寿命，使得电池储能系统在应对暂态情况下具有更快的响应速度，增强了控制系统的鲁棒性。 文献[5]，[6]采用模糊控制算法对超级电容电池储能系统进行控制， 利用该控制策略在保证直流母线电压稳定的前提下， 提高电池储能系统的功率输出能力。 文献[7]通过重新设计电池储能部分，协调控制电池储能与超级电容，在一定程度上缓解了独立光伏电站出力波动对电池组的储能压力。 文献[8]分析了独立微电网系统和并网微电网系统在储能方面所面临的挑战， 并在储能技术的研究和实践上提供必要的理论指导。 为了保证电力系统在供能安全可靠的前提下， 使得整个系统的碳排放量最低，文献[9]～[12]研究了基于碳交易的含大规模光伏发电系统复合储能优化调度方法。 以上研究大多是研究储能系统的优化控制算法， 但是对于有关复合储能中超级电容与蓄电池之间的协调优化控制，抑制光伏电站的出力波动，提高系统电压稳定性的研究较少。

　　本文为解决光伏电站出力不确定性对并网点造成的电压波动问题， 通过分析光伏电站并网点电压波动安全范围， 结合复合储能系统中蓄电池及超级电容充放能特性， 建立了复合储能间协调优化的控制模型;采用双层优化控制策略，实现光伏电站输出的稳定性;在不同频率信号下，调度不同的储能设 备进行充放电; 采用改进粒子群优化控制算法，实现光伏电站与复合储能一体化的电压优化控制。

　　1 光伏混合储能系统模型

　　1.1 混合储能系统拓扑模型

　　随 着 光 伏 发 电 并 网 容 量 的 不 断 增 加 ， 电网受 到 的 不 确 定 性 冲 击 也 随 之 增 加 。 为 应 对和解 决 光 伏 电 站 的 出 力 波 动 性 及 不 确 定 性 对电网 电 压 造 成 的 冲 击 问 题 ， 根 据 图 1 所 示 的光伏 电 站 复 合 储 能 系 统 结 构 ， 进 行 光 伏 电 站电压控 制。

　　当蓄电池储能装置电源突然变化时，超级电容进行吸收缓冲或提供瞬态电流，为系统电压稳定提供必要调节作用。 超级电容与蓄电池协调控制过程中， 控制系统将动态能量交换定向到超级电容储能系统， 在外部环境发生变化时保证蓄电池存储的电能充放平衡。

　　1.2 双层优化控制策略

　　针对复合储能系统中蓄电池及超级电容的储能差异、储能单元 SOC 过高或过低导致储能系统充放能特性不稳定等问题， 本文提出计及储能调节电压和 SOC 恢复的多储能系统调压双层优化策略。 优化控制框架包括储能系统电压调节优化层和储能单元 SOC 优化层(图 2)。

　　系统电压控制优化层采用储能电站功率优化分配模型。 综合考虑各储能单元的电压调节和剩余的充放能容量， 在复合储能间分配蓄电池及超级电容的储能容量。 SOC 优化层采用储能单元 SOC 优化模型。 将电压调节优化层优化结果在每个储能电站内部的各储能单元之间进行再分配，以储能单元 SOC 状态最佳为目标，实现储能单元 SOC 的恢复。

　　本文所提的双层优化控制策略可实现电压的分级控制，既能抑制光伏电站并网功率波动，又能对储能单元 SOC 进行合理优化，保证复合储能系统在任何情况下电压控制的可靠性。

　　针对光伏电站出力波动性， 通过超级电容的快充快放特性，最大限度地减少动态功率交换，缓解电池存储压力。 使用低通滤波器将净功率需求分解为高频和低频分量，在控制系统中，超级电容主动为高频电源进行能量交换， 而低频电源将由蓄电池供电。为了实现混合储能协调控制，采用一种超级电容优先蓄电池后补的混合储能系统协调控制策略。当系统电压突然升高时，蓄电池组和超级电容共同维持新能源直流侧电压稳定。 该控制策略可分为共同充电状态、超级电容充电状态、超级电容放电状态、共同放电状态。复合储能协调控制如图 3 所示。

　　1.3 复合储能能量协调模型

　　为确定在不同功率波动下复合储能系统中蓄电池和超级电容的储能容量分配， 应充分考虑储能设备能量值与初始能量。

　　2 光伏并网点电压波动优化控制模型

　　2.1 目标函数

　　复合储能系统的主要优化目标是尽量减少由于光伏电站接入对电网带来的电压波动， 同时能够在一定程度上降低系统网损， 提升电网电压稳定性水平。

　　3 改进量子粒子群算法

　　为得到并网点电压波动最小的最优结果，采用 量 子 粒 子 群 算 法 (Quantum Particle Swarm Optimization，QPSO)对目标函数进行求解计算。利用 QPSO 求解高难度的复杂问题时， 可能会遇到寻优能力差、早熟收敛的问题。本文采用一种改进 QPSO 求解模型，应对含有多个决策变量、多个约束的高维非线性所造成的动态波动问题。

　　4 仿真验证

　　为了验证本文所提出的光伏电站复合储能电压波动抑制双层优化控制方法的有效性，以实际光伏电站与复合储能装置为例进行仿真验证。图 5 为复合储能系统仿真图。 复合储能系统中光伏电站容量以及储能装置容量相关参数如表 1 所示。

　　相关知识推荐：光伏电站相关最新发表的论文

　　设定工况： 复合储能系统中的储能电量为额定电量的 1/3，在第 5 秒时，光伏出力突然增加，此时蓄电池及超级电容充电。 超级电容及蓄电池在充电过程中的荷电状态变化情况如图 6 所示。

　　图 7 为控制前后的光伏出力波动曲线。 由图 7 可以看出，利用改进量子粒子群算法，通过负荷储能的充放能协调， 得到平抑后的光伏并网功率波动曲线的波动幅值变小， 且在尖峰位置尤其显著。

　　图 8 为母线电压波动情况。由图 8 可知，在第 5 分钟时，光伏出力突然增加，超级电容及蓄电池通过储能消纳多余电量， 超级电容比蓄电池响应更快;超级电容可无延时响应电源出力变化，储能电池通过发出感性无功来抑制系统的电压升高，使得系统电压保持相对稳定。仿真结果显示，通过复合储能优化控制后， 系统电压能够保持相对稳定，系统具有较好的高电压穿越能力。

　　当系统某日的光伏出力和负荷功率如图 9 所示， 通过优化算法得到蓄电池储能与超级电容储能的功率分配如表 2 所示。

　　通过双层优化控制， 蓄电池以及超级电容的优化分配如图 10 所示。

　　系统频率变化标幺值如图 11 所示。 由图 11 可知，当光伏电站出力突然增加时，蓄电池与超级电容吸收光伏电站发出的多余有功出力， 共同维持系统稳定。仿真结果表明，采用基于量子粒子群优化的控制方法实现电池储能与超级电容储能的优化控制， 可在一定程度上提高光伏电站并网节点电压的稳定性。

　　5 结束语

　　本文研究了复合储能系统中蓄电池和超级电容充放能特性， 通过建立的复合储能协调的双层优化控制策略， 实现了储能电池与超级电容协同配合。通过改进粒子群优化控制算法，可快速得到储能装置的充放电功率及容量， 实现了光伏电站与复合储能一体化电网电压的稳定性控制。——论文作者：孙 阔 1 ， 张雪菲 2 ， 迟福建 1 ， 李桂鑫 1 ， 罗 涛 2 ， 张 梁 2，3

　　参考文献：

　　[1] 朱慧敏，苑舜，李春来.基于可变下垂系数的光伏电站无 功 电 压 控 制 策 略 [J]. 可 再 生 能 源 ，2020，38 (8)： 1103-1108.

　　[2] 段正阳，李冰，黄珣，等.适应电网侧 AGC 不同控制模式的光伏发电参与电网频率调节 [J]. 可再生能源， 2020，38(3)：373-379.

　　[3] 张自东，邱才明，张东霞，等. 基于深度强化学习的微电网复合储能协调控制方法 [J]. 电网技术，2019，43 (6)：1914-1921.

　　[4] 王洲，张军，贾春蓉，等. 基于 Q 学习的光伏储能微网 VSG 与 APF 协调优化研究 [J]. 可再生能源，2021，39 (7)：982-987.

　　[5] 韩永强，王学超，孙碣，等.分布式多源储能模糊聚类集群协调优化模型[J].可再生能源，2020，38(6)：831- 836.

　　[6] 张自东，邱才明，张东霞，等.基于深度强化学习的微电网复合储能协调控制方法 [J]. 电网技术，2019，43 (6)：1914-1921.

　　[7] 闫林芳，刘巨，石梦璇，等.基于模糊逻辑算法的直流微电网复合储能系统功率自适应分配策略[J].中国电机工程学报，2019，39(9)：2658-2670.

　　[8] 钟睿，滕松，梁睿，等.基于复合储能系统的矿区电网频率弹性提升方法[J].电网技术，2019，43(7)：2291- 2298.

　　[9] 周博，宋明刚，黄佳伟，等.应对区域供电线路故障的多功能复合储能优化配置方法[J].电力系统自动化， 2019，43(8)：25-33.

　　[10] 车泉辉，吴耀武，祝志刚，等.基于碳交易的含大规模光伏发电系统复合储能优化调度 [J]. 电力系统自动化，2019，43(3)：76-82，154.

　　[11] 周建宇，闫林芳，刘巨，等.基于一致性理论的直流微电网混合储能协同控制策略[J].中国电机工程学报， 2018，38(23)：6837-6846，7118.

　　[12] 杨天蒙，宋卓然，娄素华，等.用于提高风电渗透率的复合储能容量优化研究 [J]. 电网技术，2018，42(5)： 1488-1494.

　　[13] 严毅，张承慧，李珂，等.含压缩空气的微网复合储能系统主动控制策略[J].电工技术学报，2017，32(20)： 231-240.

　　[14] 闫晓金.独立光伏发电混合储能系统功率转换控制研究[J].可再生能源，2020，38(10)：1368-1374.