计及需求侧的风-光-氢多能互补微电网优化配置

陈维荣; 傅王璇; 韩莹; 李奇; 黄兰佳; 许程鹏

doi:10.3969/j.issn.0258-2724.20200163

计及需求侧的风-光-氢多能互补微电网优化配置

doi: 10.3969/j.issn.0258-2724.20200163

基金项目: 国家自然科学基金（51977181）；四川省科技计划（19YYJC0698）

详细信息

作者简介:
陈维荣（1965—），男，教授，博士，研究方向为电力系统及其自动化、新能源并网发电技术、燃料电池技术与应用等，E-mail：wrchen@swjtu.edu.cn

中图分类号: V242.3
计量
- 文章访问数: 800
- HTML全文浏览量: 290
- PDF下载量: 47
- 被引次数: 0
出版历程
- 收稿日期: 2020-04-04
- 修回日期: 2020-06-17
- 网络出版日期: 2020-08-25
- 刊出日期: 2021-06-15

Optimal Configuration of Wind-Solar-Hydrogen Multi-Energy Complementary Microgrid with Demand Side

摘要

摘要: 针对多能互补微电网经济成本最优问题，提出一种计及需求侧响应的风-光-氢多能互补微电网优化配置方法. 首先，在相关功率约束和控制原则下制定运行控制策略；接着，为最大化直接消纳风光发电，引入激励型需求侧响应，利用混合整数规划优化负荷曲线；进而，建立考虑需求侧响应的优化配置模型，基于等年值成本最小的优化目标，综合考虑系统的必要约束条件，利用粒子群算法迭代寻优求解最优配置. 为验证有效性，结合某一地区的历史数据，求解优化配置方案，并开展微电网不同运营方式、自平衡率约束与建设成本影响因素下的技术经济分析. 分析结果表明：引入氢能发电系统和考虑需求侧响应后，当自平衡率为81.64%时，达到等年值成本最低为314.37万元；将自平衡率控制在合理水平，随着科技发展建设成本的降低均有助于提高微电网经济效益.
- 多能互补微电网 /
- 运行控制策略 /
- 需求侧响应 /
- 优化配置 /
- 经济分析
Abstract: To optimize the economic cost of multi-energy complementary microgrid, an optimal configuration method is proposed for the wind-solar-hydrogen multi-energy complementary microgrid with demand-side response. First, the operation control strategy is formulated under the relevant power constraints and control principles. Then, in order to maximize the direct consumption of wind and solar power, an incentive demand-side response is introduced, and the mixed integer programming is used to optimize the load curve. Further the optimal configuration model with the demand-side response is established: with the minimum annual cost as the optimization goal and the requisite constraints of the system, the particle swarm optimization is used to iteratively find the optimal configuration. In order to verify the model, the historical data of a certain area is utilized to solve the optimal configuration scheme, and the technical and economic analysis is carried out under different operating modes of microgrid, the self-balance rate constraint and influencing factors of construction cost. The analysis results show that by introducing the hydrogen energy power generation system and considering the demand-side response, when the self-balancing rate is 81.64%, the minimum cost to reach the equivalent annual value is 3.143 million yuan; the self-balancing rate is controlled at a reasonable level, and the cost reduction promoted by the technology advancement will help to improve the economic benefits of the microgrid.
- multi-energy complementary microgrid /
- operation control strategy /
- demand-side response /
- optimized configuration /
- economic analysis

HTML全文

环境污染和能源短缺问题成为近些年来的热点问题，分布式电源（DG）应运而生，并且得到了广泛研究和应用. 目前，微电网系统作为一种较为灵活的能源利用形式，由DG、储能单元、电力负载及控制器等几部分组成，为用户端供能，较大程度地发挥DG的能效，规模较小，与大电网的兼容交互性强，更适合并入大电网中^[1-3]. 微网在离网运行时，由内部DG实现母线的功率平衡；并网运行时，大电网和微电网进行能量交换，由于传统大电网往往是交流形式，微电网并网时通常需要通过并网逆变器进行变换^[4]. 在多微电网并联运行系统中，采用对等控制模式时，通过本地控制各并网逆变器为负载供能，且各逆变器独立运行^[5-6].

对于线路阻抗差异对系统产生的影响，很多学者通过改进逆变器控制方法对该问题进行了研究与改进：文献[7]考虑到微电网中线阻差异对蓄电池荷电状态的影响，提出一种基于虚拟额定电流的策略，使荷电状态快速均衡；文献[8]分析了系统的稳定性，提出一种串联虚拟阻抗的方法，改善附加虚拟惯性系数降低系统阻尼的情况. 对于系统中的功率均衡问题，很多学者也考虑了不同方面，以更加合理地分配功率：文献[9]引入变化系数的改进互联通信荷电状态下垂控制，限制各储能模块的最大输出功率，实现功率合理分配；文献[10]和文献[11]在下垂控制中分别用增加无功功率反馈和改进传统虚拟阻抗的方法来改善功率分配的准确度；文献[12]基于虚拟感抗改变等效线路阻抗为感性，并自适应调节无功功率，实现功率均衡分配的目的. 上述有些方法虽然能实现合理分配功率，但在电压的降落大小、达到稳定的速度和不能适用于变化参数的系统等方面仍有改进空间.

本文搭建含有光伏、蓄电池、燃料电池、电解槽的多微电网系统，针对低压微电网系统中，逆变器输出有功功率分配受线路阻抗差异影响的问题进行分析，并在RT-LAB半实物平台上验证本文所提的基于功率跟随控制的反下垂控制方法，并与传统下垂控制方法等进行对比，验证本文所提方法的可行性及在改善功率分配合理度、降低电压偏差和减小环流大小方面的有效性.

1. 系统结构

1.1 多微电网并联运行结构

一个微电网是由DG、储能装置、电力负载等共同组成的系统，以电-氢储能直流微电网为例，光伏阵列作为DG，对蓄电池、燃料电池、储氢罐、电解槽及负载供能，多直流微电网并联运行示意如图1所示.

图 1 多微电网并联运行结构示意

Figure 1. Schematic of micro-grid parallel operation

下载: 全尺寸图片幻灯片

1.2 模型搭建

本文所搭建的直流微电网系统中，光伏电池所用的数学模型^[13]为

$I = {I_{{\text{sc}}}}\left\{ {{\text{1}} - {C_1}\left[ {\exp \left(\frac{U}{{{C_2}{U_{{\text{oc}}}}}}\right) - 1} \right]} \right\} \text{，}$

(1)

式中：I和I_sc分别为光伏电池的输出电流和短路电流，U和U_oc分别为光伏电池的输出电压和开路电压，C₁、C₂分别为与峰值电压、电流的相关函数.

蓄电池的数学模型可由可变电压源和内部电阻^[14]表示为

$\begin{split} & U_{\text{bat}}=E-R_{\text{bat}}i_{\text{bat}}\text{ = }E_0-kf(i_{\text{bat}},t)i_{\text{n}}- \\ &\quad k\frac{Q_{\text{b}}}{Q_{\text{b}}-Q_{\text{a}}}i_{\text{bat}}t+A\exp(-Bi_{\text{bat}}t)-R_{\text{bat}}i_{\text{bat}}, \end{split}$

(2)

式中：U_bat为蓄电池端电压，E为蓄电池开路电压，R_bat为蓄电池内阻，i_bat为蓄电池电流，E₀为蓄电池电压常数，k为极化常数，i_n为蓄电池滤波电流，Q_a为蓄电池释放的容量，Q_b为蓄电池额定容量，A为蓄电池指数电压，B为指数容量，t为时间.

质子交换膜燃料电池的输出电压^[15]为

${U_{{\text{cell}}}} = {E_{\text{N}}} - {U_{{\text{act}}}} - {U_{{\text{om}}}} - {U_{{\text{con}}}},$

(3)

式中：E_N为热力学电动势，U_act为活化过电压，U_om为欧姆过电压，U_con为浓差过电压.

电解槽电解水为氢气和氧气，制氢速度^[16]为

${V_{{\text{el}}}} = {\eta _{\text{F}}}{n_{\text{c}}}{i_{{\text{el}}}}/\left( {2F} \right) \text{，}$

(4)

式中：η_F为法拉第效率，n_c为电解槽串联个数，i_el为电解槽输出电流，F为法拉第常数.

储氢罐的储氢量^[13]为

${W_{{\text{el}}}} = \int_{{t_1}}^{{t_2}} {{V_{{\text{el}}}}} {{{\mathrm{d}}{{t}}}} ,$

(5)

式中：t₁、t₂分别为储氢罐存储氢气的开始时间和结束时间.

2. 多微电网并联运行功率分配机制

2.1 直流微电网各DG功率分配

如图1所示，各直流微电网与交流负荷之间通过逆变器对电能进行转换，而直流微电网运行时，为保证系统的正常运行，直流母线处也应保持功率平衡. 为提高光伏的利用率，光伏发电系统始终由最大功率点跟踪控制（MPPT）进行控制. 通过系统管理层控制^[6]计算得出功率参考值，与实时输出功率相比得到占空比，并通过PI （proportional integral）控制得到电、氢储能系统的占空比，改变占空比来调节各DG换流器的出力. 光伏系统输出不能满足负载需求时，由储能系统补足负载缺额；在光伏系统对负载的供应有富余时，储能系统将富余电能转化为化学能和氢能进行储备.

2.2 功率分配机制

为方便分析，多微电网的并联运行可以简化为如图2所示的等效电路形式. E∠0为母线电压；U_i为第i个逆变器目标电压的相电压幅值，δ_i为第i个逆变器的电压相角， Z_i=R_i + jX_i为系统阻抗，R_i为逆变器电阻，i=1，2. 从逆变器注入母线的功率S_i=P_i + jQ_i，则有

图 2 多微网并联运行等效电路

Figure 2. Equivalent circuit of micro-grid parallel operation

下载: 全尺寸图片幻灯片

$\left\{ \begin{gathered} {P_{{i}}} = \left(\frac{{E{U_{{i}}}}}{{{Z_{{i}}}}}\cos \; {\delta _{{i}}} - \frac{{{E^2}}}{{{Z_{{i}}}}}\right)\cos \;{\theta _{{i}}} + \frac{{E{U_{{i}}}}}{{{Z_{{i}}}}}\sin \;{\delta _{{i}}}\sin \; {\theta _{{i}}}, \\ {Q_{{i}}} = \left(\frac{{E{U_{{i}}}}}{{{Z_{{i}}}}}\cos \; {\delta _{{i}}} - \frac{{{E^2}}}{{{Z_{{i}}}}}\right)\sin \; {\theta _{{i}}} - \frac{{E{U_{{i}}}}}{{{Z_{{i}}}}}\sin \;{\delta _{{i}}}\cos \;{\theta _{{i}}}, \\ \end{gathered} \right.$

(6)

式中：P_i和Q_i为两逆变器注入母线的有功、无功功率，θ_i为阻抗角.

由于δ_i很小，再令sin δ_i≈δ_i，cos δ_i≈1，且低压微电网中线路阻抗的电阻远大于电抗，使得系统阻抗整体呈阻性，令Z_i≈R_i，δ_i≈0. 则式（6）可简化为

$\left\{ \begin{gathered} {P_{{i}}} \approx \frac{{E({U_{{i}}} - E)}}{{{R_{{i}}}}}, \\ {Q_{{i}}} \approx - \frac{{E{U_{{i}}}}}{{{R_{{i}}}}}{\delta _{{i}}}. \\ \end{gathered} \right.$

(7)

由式（7）可知：P_i取决于电压降U_i−E， Q_i取决于电压相角δ_i，且角速度ω、电压相角δ_i和系统频率f关系如式（8）.

$f=\frac{\omega}{2\text{π }}=\frac{\text{d}\delta_i}{\text{d}t}.$

(8)

由式（8）可知，Q_i的大小与f密切相关，可以通过调节f来调节Q_i. 因此，在低压系统中，逆变器所采用的传统下垂控制策略为P-U、Q-f反下垂控制，方程为

$\left\{ \begin{gathered} {\omega _{{i}}} = \omega _{{{\text{n}\_i}}}^{} + {n_i}\left( {Q_{{{\text{n}\_i}}}^{} - {Q_i}} \right) ,\\ {U_{{i}}}{\text{ = }}U_{{{\text{n}\_i}}}^{} - {m_i}\left( {P_{{{\text{n}\_i}}}^{} - {P_i}} \right) ,\\ \end{gathered} \right.$

(9)

式中： U_{n_i}为额定相电压幅值，ω_i为目标角速度，ω_{n_i}为额定角速度，m_i为电压调节下垂系数，n_i为频率调节下垂系数，P_{n_i}、Q_{n_i}分别为逆变器额定有功、无功功率.

多微电网并联运行的系统中，由于逆变器的额定容量和所供应的负荷功率按比例匹配是很难实现的，下面对两微网并联运行系统进行简化分析，功率分配情况如式（10）所示.

$\left\{ \begin{gathered} \Delta P = {P_1} - c{P_2} = E\left( {\frac{{{U_1} - E}}{{{R_1}}} - c\frac{{{U_2} - E}}{{{R_2}}}} \right) ,\\ \Delta Q = {Q_1} - c{Q_2} = - E\left( {\frac{{{U_1}}}{{{R_1}}}{\delta _1} - c\frac{{{U_2}}}{{{R_2}}}{\delta _2}} \right) , \\ \end{gathered} \right.$

(10)

式中：ΔP、ΔQ分别为两台逆变器的有功、无功功率环流，c为逆变器的额定容量比例.

联立式（9）、（10）可知，当系统处于下垂控制的稳态运行状态时，若想按容量比例合理分配功率，即ΔP=ΔQ=0，需满足式（11）条件.

$\frac{{{m_1}}}{{{m_2}}} = \frac{{{n_1}}}{{{n_2}}} = \frac{{{R_1}}}{{{R_2}}} = \frac{1}{c} .$

(11)

由于系统频率是全局变量，使得线路阻抗的差异对无功功率的分配影响较小. 显然，由于各逆变器的输出电压幅值是局部变量，在线路阻抗不能满足合理分配的条件时，传统反下垂控制下合理分配有功功率是很难实现的.

3. 基于功率跟随控制的反下垂控制

3.1 考虑电压偏差的反下垂控制

在系统运行中，输出线路阻抗显然很难满足式（11）所示条件，因此，对P-U下垂控制器进行分析，电压偏差与有功功率关系为

$\left\{ \begin{gathered} {\text{δ}}{U_{{i}}} = {m_{{i}}}\left( {P_{{{\text{n}\_i}}}^{} - {P_{{i}}}} \right) \\ {U_{{{\text{d}i}}}} = \frac{{{\text{d}}\left( {{\text{δ}}U} \right)}}{{{{\text{d}t}}}} = {m_{i}}\frac{{{\text{d}}\left( {P_{{{\text{n}\_i}}}^{} - {P_i}} \right)}}{{{{\text{d}t}}}} , \\ \end{gathered} \right.$

(12)

式中：δU_i为额定电压与输出电压的偏差，U_di为电压偏差δU_i的变化率.

由式（12）可知：P_i的大小与δU_i有直接关系，若输出电压与额定电压存在偏差，P_i也与P_{n_i}存在偏差；而有功功率的稳定与δU_i的变化率U_di有直接关系，电压若持续变化，有功功率将无法稳定. 根据上述关系，构造反下垂控制器为

$\left\{ \begin{gathered} {U_{{i}}} = U_{{{\text{n}\_i}}}^{} - {\text{δ}}{U_{{i}}}, \\ {U_{{{\text{d}i}}}} = U_{{{\text{dn}\_i}}}^{} - {m_{{i}}}\left( {P_{{{\text{n}\_i}}}^{} - {P_{{i}}}} \right), \\ \end{gathered} \right.$

(13)

式中：U_{dn_i}为额定电压偏差变化率，取值为0.

由式（13）可知：在考虑电压偏差的反下垂控制（RDVD）运行过程中，电压偏差变化率为0时，即电压稳定时，有功功率就会稳定.

将式（13）中的U_{dn_i}取值为0，同样以两逆变器并联运行为例，则有

$\left\{ \begin{gathered} {U_{{\text{d1}}}} = - {m_{\text{1}}}P_{{\text{n\_1}}}^{} + {m_1}{P_1} , \\ {U_{{\text{d2}}}} = - {m_2}P_{{\text{n\_2}}}^{} + {m_2}{P_2} .\\ \end{gathered} \right.$

(14)

结合式（13）和式（14），得到两逆变器的输出电压为

$\left\{ \begin{gathered} {U_1} = U_{{\text{n\_1}}}^{} - \int {{U_{{\text{d1}}}}{{\mathrm{d}}t} } , \\ {U_2} = U_{{\text{n\_2}}}^{} - \int {{U_{{\text{d2}}}}{{\mathrm{d}}t} } . \\ \end{gathered} \right.$

(15)

假设P_{n_1}=P_{n_2}，令m₁=m₂>0和m₁=m₂<0，在反下垂控制下，可以得到系统在2种情况下运行时两逆变器有功功率的趋势. 由于在一种情况下两逆变器的趋势相同，两种情况下的逆变器运行趋势将分别重合为2条曲线，如图3所示. 图中，变量加一撇为各变量变化后的值.

图 3 系统运行示意

Figure 3. Schematic of system operation

下载: 全尺寸图片幻灯片

又由于两逆变器带公共负荷，则有功功率有如下关系：

$P_1+P_2=P_{\text{sum}} ,$

(16)

式中：P_sum为系统的公共负荷.

由式（16）可知，负荷固定的情况下，若P₁<P₂，则必为P₁<P_{n_1}<P₂. 从图3中的红色曲线可以看出，所对应的U_di关系为U_d1<0<U_d2. 联合式（15）可知，输出电压U₁会增大，输出电压U₂则减小；有功功率会随电压而变化，P₁会相应增大，P₂会随之减小，最终实现P₁=P₂=P_{n_1}=P_{n_2}，功率分配在参考值下.

同理，从图3中的蓝色曲线可以看出：所对应的U_di关系为U_d1>0>U_d2，即输出电压U₁会减小，输出电压U₂则增大；P₁会相应减小，P₂会随之增大，最终系统失稳. 从图3中也可以看出，下垂控制系数的选择对系统运行也是至关重要的.

3.2 功率跟随控制

由3.1可知，若P_{n_i}是一个固定值，系统投切负荷时，P_i随系统变化，而P_{n_i}不随之变化，有功功率将一直存在偏差，进而反馈到电压上，电压会持续降低或增加，而电压的变化也会再影响到有功功率，有功功率会持续降低或增加，最后系统失稳. 且系统负荷变化时，所期望的母线电压幅值是不变的，由式（13）可知，电压幅值的稳定可以带动有功功率的稳定，最终系统稳定.

因此，用电压差反馈来自动调节P_{n_i}，如式（17）.

$P_{{{\text{n}\_{i}}}}^{} = {\text{δ}}U_{{{\text{n}\_{i}}}}^{} - {\text{δ}}{U_{{{i}}}},$

(17)

式中：δU_{n_i}为额定电压偏差，取值为0.

显然，该控制器下的控制效果远远不够，为电压偏差δU_i引入PID （proportional integral derivative）控制器，构造后的功率跟随控制框图如图4所示. 图中：K_p为比例系数，T_d为微分系数，T_i为积分系数，s为复频域变量.

图 4 功率跟随控制框图

Figure 4. Block diagram of power following control

下载: 全尺寸图片幻灯片

通过RDVD控制对功率跟随控制中PID控制器的输出量进行控制，构造出基于功率跟随控制的反下垂控制方法，控制框图如图5所示.

图 5 基于功率跟随控制的反下垂控制框图

Figure 5. Block diagram of reverse droop control based on power following control

下载: 全尺寸图片幻灯片

对于式（17）所示控制器来说，图4中的被控对象对应为图5中的P_i，电压偏差反馈所得为被控对象的参考值，最终控制目标为P_i与U_i达到共同稳定，且U_i与U_{n_i}偏差小，功率分配合理. 如图5所示，令电压偏差率U_di取值为0，且m_i取值为负，当负荷增大时，输出功率P_i增大，则P_{n_i}－P_i和U_di将减小，即δU_{n_i}－δU_i随之增大，P_{n_i}增大，最终使输出电压和功率趋于共同稳定.

由3.1分析可知：m_i的取值会影响到系统的稳定性；由于PID控制器自身3个参数对被控对象的调节作用各不相同，该部分取值同样对系统响应速度、电压质量和系统稳定性有很大影响. 由图5可推出基于功率跟随控制的反下垂控制器所对应的闭环传递函数，进而可绘制出奈奎斯特曲线来反映控制系数取值对系统稳定性的影响. 如图6（a）所示：当T_i=20时，根据奈奎斯特稳定判据可知，此时系统不稳定；当T_i=200及更大时，系统能稳定运行. 如图6（b）所示：K_p=0.6时，根据奈奎斯特稳定判据可知，此时系统不稳定；K_p=1.2及更大时，系统能稳定运行.

图 6 基于功率跟随控制的反下垂控制频谱响应特性

Figure 6. Spectrum response characteristics of reverse droop control based on power following control

下载: 全尺寸图片幻灯片

4. 实验验证

4.1 实验平台及参数设置

为验证本文所提方法的可行性，使用RT-LAB半实物仿真平台，通过系统的实时仿真运行来进行测试. 搭建的实验平台系统如图7所示，该仿真平台的型号为OP5600，并使用DSP TMS28335控制器对模型进行控制.

图 7 RT-LAB实时仿真平台

Figure 7. Real-time simulation platform RT-LAB

下载: 全尺寸图片幻灯片

本文实验以3个电-氢储能直流微电网并联运行在低压微电网系统下为例. 各逆变器对无功功率始终采用传统Q-f反下垂控制，对有功功率采用传统反下垂控制、基于电压恢复机制的反下垂控制^[11]、RDVD反下垂控制和本文所提控制方法分别进行实验验证，并将实验结果（输出有功功率、输出电压和逆变器1、2间的A相环流）进行对比分析，微电网系统参数和元件参数设置如表1、2所示.

表 1 系统参数

Table 1. System parameters

参数	取值
逆变器 1 线路阻抗 Z_{line_1}/Ω	0.642 + j0.083
逆变器 2 线路阻抗 Z_{line_2}/Ω	0.963 + j0.124 5
逆变器 3 线路阻抗 Z_{line_3}/Ω	1.284 + j0.166
滤波电感/MH	5
滤波电容/MF	0.5
额定电压/V	220
额定无功功率/kvar	5
逆变器容量比例	1∶1∶1

下载: 导出CSV

| 显示表格

表 2 元件参数

Table 2. Component parameters

元件	参数	数值
光伏阵列	环境温度/℃	25
燃料电池	额定功率/W	2000
燃料电池	额定电压/V	24
电解槽	额定功率/W	2000
储氢罐	最大容许压强/MPa	35
	体积/L	1
	初始容量/%	50
蓄电池	最大充放电功率/W	4000
	容量/（A·h）	40
	额定电压/V	500
	初始荷电状态/%	50

下载: 导出CSV

| 显示表格

4.2 方法验证

4.2.1 传统反下垂控制

令P_sum=20.00 kW，P_{n_i}=5.00 kW，用传统反下垂控制方法对各逆变器控制.

如图8（a）所示，各逆变器输出有功功率相差较大，功率分配精度较低. 如图8（b）所示，母线电压很快稳定在310 V下，与额定母线电压幅值310.27 V相差较小. 如图8（c）所示，逆变器1、2间的A相环流大小基本在[−5.0,5.0] A波动.

图 8 传统下垂控制方法实验结果

Figure 8. Experimental results of traditional droop control

下载: 全尺寸图片幻灯片

4.2.2 基于电压恢复机制的反下垂控制

令P_sum=20 kW不变，用基于电压恢复机制的反下垂控制方法^[11]对各逆变器进行控制.

如图9（a）所示，逆变器输出有功功率响应速度慢，并在1.50 s后基本稳定在7.00 kW，功率分配精度较高，但略高于额定值. 如图9（b）所示，母线电压在1.00 s后稳定在317.00 V下，与额定母线电压幅值310.27 V相差较大. 如图9（c）所示，启动时逆变器1、2间的A相环流峰值达到81.5 A，随后逐渐减小，1.50 s后，环流大小基本在[−8.0,8.0] A波动.

图 9 基于电压恢复机制的反下垂控制方法实验结果

Figure 9. Experimental results of reverse droop control based on voltage recovery mechanism

下载: 全尺寸图片幻灯片

4.2.3 RDVD控制

令P_sum=20.00 kW不变，启动时设定额定P_{n_i}=6.67 kW，2.00 s时设定P_{n_i}=5.00 kW，用RDVD控制方法对各逆变器进行控制.

如图10（a）所示：各逆变器输出有功功率响应速度慢，并在1.00 s后基本稳定在6.67 kW，功率分配精度较高；但在参考值变化后，各逆变器输出功率均提高，并在4.00 s时达到7.30 kW，高于系统均分功率. 如图10（b）所示，母线电压在1.00 s后稳定在309.20 V下，并于参考值变化后急剧上升，并在4.00 s时达到324.50 V，与额定母线电压幅值310.27 V相差较大. 如图10（c）所示，启动时逆变器1、2间的A相环流较大，峰值达到108 A， 0.80 s后，环流大小基本在[−10.0,10.0] A波动.

图 10 RDVD控制方法实验结果

Figure 10. Experimental results of RDVD control method

下载: 全尺寸图片幻灯片

4.2.4 本文所提方法

启动时，令P_sum=20.00 kW，t=4.00 s时令P_sum=25.00 kW，用本文所提方法对各逆变器进行控制，其他参数不变.

如图11（a）所示：各逆变器输出有功功率在启动后0.50 s时达到功率稳定，响应速度较快且功率分配精度高，准确度达97.50%；在t=4.00 s，负荷变化时，功率在0.15 s内稳定并均分. 如图11（b）所示，母线电压很快稳定在310.70 V下，并于4.00 s时重新稳定在310.60 V，与额定值310.27 V相差较小，准确度达99.86%. 如图11（c）所示，启动时及负荷变化后A相环流的峰值达到−10.3A，随后逐渐减小并基本在[−3.0,3.0] A间波动. 如图11（d）所示，在负荷和辐射度变化时，微电网1中各DG换流器的输出功率均能迅速合理分配.

图 11 本文所提控制方法实验结果

Figure 11. Experimental results of proposed control method

下载: 全尺寸图片幻灯片

5. 结　论

本文提出一种适用于逆变器控制的反下垂控制方法，并通过RT-LAB半实物仿真平台，在多电-氢微电网并联运行的交流系统中进行方法验证和对比验证，现有结论如下.

1）本文所提方法实现了负荷变化时逆变器的额定有功功率的自适应调节.

2）在所搭建系统中，对传统反下垂控制方法、基于电压恢复机制的反下垂控制方法、RDVD控制方法及本文所提方法进行对比验证，本文所提方法在响应速度、功率分配合理性、母线电压偏差及环流大小方面均优于其他方法.

3）本文所提方法的各换流器的输出有功功率、母线电压等在0.50 s后快速达到基本稳定；输出有功功率分配合理，准确度达97.50%；母线电压与额定电压偏差小，准确度达99.86%；环流大小稳定在[−3.0,3.0] A；各DG在环境变化时均可随之改变输出.

图 1 风-光-氢多能互补微电网系统拓扑结构

Figure 1. Topological structure of wind-solar-hydrogen multi-energy complementary AC/DC microgrid

下载: 全尺寸图片幻灯片

图 2 优化配置求解流程

Figure 2. Solution process of optimization configuration

下载: 全尺寸图片幻灯片

图 3 年度光照、风速及交直流负载数据

Figure 3. Annual light，wind speed and AC and DC load data

下载: 全尺寸图片幻灯片

图 4 全年典型日交直流负荷需求响应前后对比

Figure 4. Comparison of typical daily AC and DC load response

下载: 全尺寸图片幻灯片

图 5 不同自平衡率约束对等年值成本的影响

Figure 5. Effect of different self-balance rate constraints on equivalent annual cost

下载: 全尺寸图片幻灯片

图 6 降低新能源设备成本对等年值成本的影响

Figure 6. Effect of reducing new energy costs on equivalent annual costs

下载: 全尺寸图片幻灯片

表 1 不同设备的成本参数

Table 1. Cost parameters of different equipment

设备	相关参数	数值	设备	相关参数	数值
光伏	额定功率/kW	1	燃料电池	额定功率/kW	1
	初始投资成本/（元•kW⁻¹）	8 800		初始投资成本/（元•kW⁻¹）	14 000
	寿命/a	20		寿命/a	10
风机	额定功率/kW	10	储氢罐	容量/（kW•h）	1
	初始投资成本/（元•kW⁻¹）	12 000		初始投资成本/（元•（kW•h）⁻¹）	1 800
	寿命/a	20		寿命/a	20
蓄电池	容量/（A•h）	85	电解槽	额定功率/kW	1
	最大电压/V	12		初始投资成本/（元•kW⁻¹）	20 000
	初始投资成本/（元•（kW•h）⁻¹）	1 000		寿命/a	10
换流器	额定功率/kW	1
	初始投资成本/（元•kW⁻¹）	2 000
	寿命/a	10

下载: 导出CSV

表 2 分时电价数据

Table 2. Time-of-use electricity price

时段类型	具体时段	购电价格/ （元•（kW•h）⁻¹）	售电价格/ （元•（kW•h）⁻¹）
低谷	00：00～08：00	0.37	0.28
尖峰	08：00～12：00， 17：00～21：00	0.87	0.72
高峰	12：00～17：00， 21：00～24：00	0.69	0.53

下载: 导出CSV

表 3 不同运营方式

Table 3. Different modes of operation

运营方式	是否考虑氢能发电系统	是否考虑负荷需求侧响应
方式一	否	否
方式二	是	否
方式三	是	是

下载: 导出CSV

表 4 不同运营方式下的优化配置方案

Table 4. Optimized configuration schemes in different modes of operation

运营方式	方案	光伏/ 台	风机/ 台	蓄电池/个	换流器/台	燃料电池/个	储氢罐/个	电解槽/个	等年值成本/万元	总换流损耗/MW	自平衡率/%	用电满意度/%	用户满意度/%
方式一	1	800	57	210	729	0	0	0	316.11	150.85	74.06	100.00	87.03
方式一	2	575	71	211	723	0	0	0	315.37	142.57	76.52	100.00	88.26
方式二	3	750	62	158	687	3	6	3	314.62	147.76	75.40	100.00	87.70
方式二	4	594	87	112	704	3	25	3	314.49	141.22	80.12	100.00	90.06
方式三	5	743	60	82	648	2	5	2	314.39	146.22	79.65	89.01	84.33
方式三	6	537	74	81	649	2	4	2	312.99	139.60	82.46	91.43	86.95

下载: 导出CSV

表 5 不同自平衡率约束范围内的优化配置方案

Table 5. Optimized configuration schemes within constraints of different self-balance rates

方案	自平衡率范围	光伏/台	风机/台	蓄电池/个	换流器/台	燃料电池/个	储氢罐/个	电解槽/个	等年值成本/万元
Ⅰ	0.1～0.2	79	6	42	724	2	5	2	337.63
Ⅱ	0.2～0.3	131	13	143	782	3	309	2	343.94
Ⅲ	0.3～0.4	232	21	113	935	3	12	3	338.64
Ⅳ	0.4～0.5	325	28	150	807	3	16	3	330.82
Ⅴ	0.5～0.6	463	38	198	704	4	195	4	326.10
Ⅵ	0.6～0.7	517	52	271	707	5	57	5	322.51
Ⅶ	0.7～0.8	645	55	102	800	7	32	7	320.20
Ⅷ	0.8～0.9	832	86	51	777	2	6	2	314.37
Ⅸ	0.9～1.0	970	368	209	697	4	485	22	378.93

下载: 导出CSV

参考文献(17)

李宏仲,吕梦琳,胡列翔,等. 第24届国际供电会议研究成果综述——微电网的规划与运行[J]. 电网技术,2019,43(4): 1465-1471.

LI Hongzhong, LYU Menglin, HU Liexiang, et al. Review of CIRED 2017 on microgrid planning and operation[J]. Power System Technology, 2019, 43(4): 1465-1471.

陈维荣,于瑾,李奇,等. 电-氢多能互补型微电网的VSG平衡电流控制方法[J]. 西南交通大学学报,2019,54(6): 1323-1331.

CHEN Weirong, YU Jin, LI Qi, et al. Balanced current control method for virtual synchronous generator in electro-hydrogen multi-energy complementary microgrid[J]. Journal of Southwest Jiaotong University, 2019, 54(6): 1323-1331.

DUAN J, YI Z, SHI D, et al. Reinforcement-learning- based optimal control of hybrid energy storage systems in hybrid AC-DC microgrids[J]. IEEE Transactions on Industrial Informatics, 2019, 15(9): 5355-5364. doi: 10.1109/TII.2019.2896618

YANG H, LI S, LI Q, et al. Hierarchical distributed control for decentralized battery energy storage system based on consensus algorithm with pinning node[J]. Protection and Control of Modern Power Systems, 2018, 3: 1-9. doi: 10.1186/s41601-018-0081-5

刘畅,卓建坤,赵东明,等. 利用储能系统实现可再生能源微电网灵活安全运行的研究综述[J]. 中国电机工程学报,2020,40(1): 1-18, 369.

LIU Chang, ZHUO Jiankun, ZHAO Dongming, et al. A review on the utilization of energy storage system for the flexible and safe operation of renewable energy microgrids[J]. Proceedings of the CSEE, 2020, 40(1): 1-18, 369.

李奇,蒲雨辰,韩莹,等. 电-氢孤岛直流微电网的分层能量管理[J]. 西南交通大学学报,2020,55(5): 912-919.

LI Qi, PU Yuchen, HAN Ying, et al. Hierarchical energy management for electric-hydrogen island direct current micro-grid[J]. Journal of Southwest Jiaotong University, 2020, 55(5): 912-919.

蒲雨辰,李奇,陈维荣,等. 计及最小使用成本及储能状态平衡的电-氢混合储能孤岛直流微电网能量管理[J]. 电网技术,2019,43(3): 918-927.

PU Yuchen, LI Qi, CHEN Weirong, et al. Energy management for islanded DC microgrid with hybrid electric-hydrogen energy storage system based on minimum utilization cost and energy storage state balance[J]. Power System Technology, 2019, 43(3): 918-927.

YAMASHITA D, TSUNO K, KOIKE K, et al. Distributed control of a user-on-demand renewable-energy power-source system using battery and hydrogen hybrid energy-storage devices[J]. International Journal of Hydrogen Energy, 2019, 44(50): 27542-27552. doi: 10.1016/j.ijhydene.2019.08.234

MARCHENKO O V, SOLOMIN S V. Modeling of hydrogen and electrical energy storages in wind/PV energy system on the Lake Baikal coast[J]. International Journal of Hydrogen Energy, 2017, 42(15): 9361-9370. doi: 10.1016/j.ijhydene.2017.02.076

ZHANG Z, ZHOU J, ZONG Z, et al. Development and modelling of a novel electricity-hydrogen energy system based on reversible solid oxide cells and power to gas technology[J]. International Journal of Hydrogen energy, 2019, 44(52): 28305-28315. doi: 10.1016/j.ijhydene.2019.09.028

HAMAD A A, NASSAR M E, EL-SAADANY E F, et al. Optimal configuration of isolated hybrid AC/DC microgrids[J]. IEEE Transactions on Smart Grid, 2019, 10(3): 2789-2798. doi: 10.1109/TSG.2018.2810310

潘文霞,李建成,方坤豪. 考虑补贴的独立微网容量配置优化方法[J]. 电网技术,2018,42(7): 2206-2213.

PAN Wenxia, LI Jiancheng, FANG Kunhao. Optimization method of capacity configuration of standalone microgrid considering subsidy[J]. Power System Technology, 2018, 42(7): 2206-2213.

WANG H, WANG T, XIE X, et al. Optimal capacity configuration of a hybrid energy storage system for an isolated microgrid using quantum-behaved particle swarm optimization[J]. Energies, 2018, 11(2): 454. doi: 10.3390/en11020454

于东霞,张建华,王晓燕,等. 并网型风光储互补发电系统容量优化配置[J]. 电力系统及其自动化学报,2019,31(10): 59-65.

YU Dongxia, ZHANG Jianhua, WANG Xiaoyan, et al. Optimization of system capacity in grid-connected wind/PV/storage hybrid system[J]. Proceedings of the CSU-EPSA, 2019, 31(10): 59-65.

汪湘晋,赵波,吴红斌,等. 并网型交直流混合微电网优化配置分析[J]. 电力系统自动化,2016,40(13): 55-62. doi: 10.7500/AEPS20151105005

WANG Xiangjin, ZHAO Bo, WU Hongbin, et al. Optimal sizing analysis of grid-connected hybrid AC-DC microgrid[J]. Automation of Electric Power Systems, 2016, 40(13): 55-62. doi: 10.7500/AEPS20151105005

李鹏,华浩瑞,陈安伟,等. 基于二层规划模型的交直流混合微网源荷储协调分区优化经济调度[J]. 中国电机工程学报,2016,36(24): 6769-6779,6931.

LI Peng, HUA Haorui, CHEN Anwei, et al. Source-load-storage coordination partition optimal economic operation of AC/DC hybrid microgrid based on bilevel programming model[J]. Proceedings of the CSEE, 2016, 36(24): 6769-6779,6931.

李姚旺,苗世洪,刘君瑶,等. 考虑需求响应不确定性的光伏微电网储能系统优化配置[J]. 电力系统保护与控制,2018,46(20): 69-77. doi: 10.7667/PSPC171431

LI Yaowang, MIAO Shihong, LIU Junyao, et al. Optimal allocation of energy storage system in PV micro grid considering uncertainty of demand response[J]. Power System Protection and Control, 2018, 46(20): 69-77. doi: 10.7667/PSPC171431

施引文献

附加材料(0)

访问统计