微电网孤岛运行模式下的储能系统控制策略研究

微电网孤岛运行模式下的储能系统控制策略研究

随着可能源能源技术的发展，以风和光为能源的微电网分布电源的渗透性正在逐渐提高。预测控制算法可以将较长时间尺度的预调度和较短时间尺度的实时调度结合起来,不断根据当前系统对控制策略执行情况和控制环境的变化(反映于控制状态中)对控制策略做出微调,实际上形成了控制闭环,对解决风、光等分布式电源出力不确定性对电网带来的不利影响较之传统算法具备优势,适合用于构造包含此类分布式电源的控制策略。此外,当前针对微电网储能电池充放电控制策略方面学者们针对不同控制目标提出了很多方法,考虑了储能电池使用的经济性、寿命、对电网运行影响等诸多方面鉴于此,本文基于预测控制算法构造了包含风、光、燃气轮机、储能系统及考虑需求侧管理的微电网能量管理系统,提出了一种新的储能系统控制策略,根据储能系统储能状态调整电池的充放电费用,使储能系统在微电网运行过程中既能继续发挥其削峰填谷平抑负荷波动的能力,又使其在电网运行过程中尽量保持一定的能量存储裕度以应对突然出现的紧急情况,从而提高微电网运行的稳定性。1负荷分配及分配本文所研究的微电网电源侧包含风力发电、光伏发电等可再生能源,使用燃气轮机和储能系统对风、光电源出力波动造成的微电网能量不平衡进行调节,以上电源均通过DC/AC变换器与微电网母线相连。此外将负荷按照重要程度划分为可调节或可控负荷、重要负荷,并在负荷管理过程中考虑可平移负荷的影响。整个微电网通过公共连接点PCC(publicconnectionpoint)与大电网相连,具体结构如图1所示。1.1可控负荷控制将负荷分为两级。(1)重要负荷:此类负荷是生产生活中必须的,任何时刻都应该得到满足,用d(k)表示。(2)可控负荷:此类负荷对生产生活的影响较小,在电量供应不足或紧急情况下可以进行削减。本文采用经济激励手段对可控负荷进行控制调整,根据用户负荷的削减量对用户参与负荷侧管理的行为进行补偿。补偿值的计算采用分层叠加的方法,本文中所有用户负荷都采用相同的标准定价,将负荷削减量分为n阶,每阶的负荷削减量可表示为D式中:Q1.2述因素的约束微电网控分布式电源的出力范围、爬坡能力、最小起停时间等因素对电网调节相当关键,因此本文在控制策略优化过程中加入了关于上述因素的约束。为了描述机组的起停状态,引入逻辑变量δ,δ=1表示机组投入,δ=0表示机组停机,这样可控分布式电源的各项约束可表示为式中:i为机组序号;τ为k时刻后一个时段,设t为避免非线性函数给问题的求解带来困难,使用下面的分段线性化方法对可控分布式电源的成本函数C由图2可知,原曲线位于所有近似直线的上方,其值就等于所有近似直线在该点的最大值,故可得式中:P1.3出力模型的建立本文只考虑微电网的能量管理,对风机的一些特性不做具体描述,在计算风力发电机出力时忽略空气密度、扫掠面积等因素,只考虑风速对风机出力的影响,故而风机出力模型可表示为式中:P同样在建立光伏系统出力模型时候忽略其他因素,只考虑光照强度和温度对光伏出力的影响,可表示为式中:G和T分别为实际的光照强度和温度;P2储能系统充放电逻辑命题转换微电网在孤岛运行状态下,没有大电网作为后备支撑,容易受扰失稳。为提高系统的稳定性,本文提出了一种新的更为细致的储能系统控制策略,通过对储能系统充放电的价格控制来控制其荷电状态,保证关键时刻储能系统可以更好地发挥作用,保证重要负荷供电,提高供电可靠性,同时帮助系统维持稳定运行。以保证重要负荷一定时间内的供电电量为划分标准,将储能系统可利用的放电容量划分为不同层次,使得储能系统处于放电状态时其放电成本随着储藏能量的降低而升高,可以将成本的增加曲线设为非线性,使得储藏能量越小其放电成本增幅越大。当储能系统处于充电状态时,若储能系统储藏能量较小,则可对充电行为进行成本补贴,鼓励对蓄电池进行充电。通过此方式,可以使储能系统维持一定容量来保证重要负荷的供电,从而提高系统的稳定性。使用SOC(k)表示储能系统容量(在随后的公式中,均为除以Δt式中:η式中:N虽然得出了储能系统的基本模型,但在建模过程中二进制形式的逻辑变量难以处理,故需通过逻辑命题转换的方法,将逻辑关系转换为不等式约束的形式,并引入辅助变量,将不易计算的逻辑量转变为易于求解的连续量,最终得到一个混合整数规划问题模型。关系转换算法f(x)≥0↔δ=1的充要条件是而式(15)可等效为式中:f(x)为以M和m分别作为上下限的函数;δ为布尔型变量;ε为误差容许量;y为中间变量,引入误差量可以将y=0变形到y≥0。由此,储能系统的充放电逻辑关系可依据上述原理进行转化。Pz式中,C本文按照保证重要负荷供电时间的长短来衡量储能系统荷电状态SOC(stateofcharge)状态的关键程度(假设在所讨论的时间区间重要负荷不变),如将储能系统容量按保证重要负荷15min供电、30min供电、45min供电等化为若干个区间,每个区间的放电价格不同,储能越少动用关键储藏能量的放电行为成本越高。以插值法获得的非线性成本曲线如图3所示。继续应用前述逻辑命题转换方法将包含逻辑关系的约束转化为不等式约束的形式,首先引入一个中间变量Y(k)来表示储能系统容量与需求容量之间的偏移量,即式中:d式中:e为极小值;m为减少计算复杂度,本文设定C由前面分析可知,储能系统充放电成本函数可表示为引入逻辑变量,式(22)可转换为式中:C3基于模型预测控制算法的求解本文假设微电网采用集中式储能系统,优化目标为微电网综合运行成本最低,每个时间段内微电网运行成本函数可表示为式中:N这是一个混合整数线性规划问题。为了解决可再生能源出力及负荷预测不准确对电网调度带来的不利影响,本文将该混合整数线性规划问题嵌入到模型预测控制MPC(modelpredictivecontrol)算法的框架中,通过模型预测控制算法滚动时间窗优化的特点,客观上可以实现闭环控制的目的,控制系统根据不确定的变化做出实时调整,减小了不确定性对系统稳定带来的影响。模型预测控制算法基于未来天气情况和负荷的预测信息,对系统未来一段时间的出力进行最优规划,即根据微电网当前时间点的实际运行信息和可再生能源出力、负荷需求、电价等在未来一段时间内的预测信息,对微电网未来一段时间的运行方式做出最优规划(本文假设为24h),但只将得到的第1组控制决策用于微电网控制,到下一个取样时间点,再次通过新采集到的数据重新对上述问题进行求解,得到新的控制序列,这种滚动优化策略对系统扰动有很强的适应能力。为更好地表示模型预测控制策略,将k时刻进行优化的目标函数表达为J[SOC(k)],式中j>0,并由此得到MPC混合整数规划问题的优化模型为约束条件包括式(2)～(6)、式(11)、式(12)、式(14)、式(16)、式(18)。4计算与分析4.1控制策略仿真采用前面所介绍的交流微电网模型对控制策略进行仿真分析,微电网中包含有一个装机容量为400kW的风力发电机组和一个装机容量为300kW的光伏发电机组,还包含一个容量为300kW的储能系统,其工作区间为60～300kW,单位时间内最大充放电速率分别为150kW和-150kW,充电效率为0.9,放电效率为0.95,储能系统物理损失为每小时5%。风机和光伏按最大出力发电,选取的切入、额定和切出风速分别为3m/s、10m/s和20m/s。为弥补新能源出力的不足,微电网内还含有两台燃气轮机,其参数如表2所示。以东北某地的数据为例,微电网内重要负荷为180kW,可控负荷日负荷预测曲线和实际负荷曲线如图4所示,风速预测曲线和实测风速曲线如图5所示,光照强度和温度预测曲线与实测光照强度和温度曲线如图6和图7所示。1)策略1此种策略下,在储能系统能量管理决策时,不考虑系统的稳定性,储能系统充放电成本按固定值计算。设蓄电池的初始容量为300kW,假设预测准确,对优化模型进行求解,并将预测控制所得24组控制序列的第1项,也就是实际实施的控制序列整合起来,所得控制序列如图8～图10所示。2)策略2在此种策略下,引入前文所述储能系统控制策略,依然采用相同的数据,使用新的储能系统控制方法之后所得的控制序列如图11～图13所示。两种方法24h运行成本如表3所示。从图9可以看出,策略1的控制方法在14:00与22:00之后储能系统容量较低,此时如果新能源出力大幅减少或燃气轮机故障,那么重要负荷的供电难以得到保障,如图8所示。在采用策略2的控制方法之后,储能系统在整个控制周期内均能保持一定的备用容量,当出现特殊情况时,能保证重要负荷一定时间的供电,这可以有效地提高系统稳定性。此外,还需指出采用策略2的控制方法之后,微电网的运行成本提高了3.992%,这是由于本文中可控分布式电源的爬坡速率设置较小,可控分布式电源调节能力偏弱,导致需要增加可控负荷的削减来保证储能系统的电能储量,若调整可控分布式电源的爬坡速率,其运行成本与可控负荷的削减量将有明显好转。另外,从微电网运行的安全性来说,切除部分非必要负荷,来提高储能系统容量,从而保证重要负荷的供电,这可