考慮風光出力不確定性的風光儲微電網系統智能協調控制策略

操凌皓,魏立明

吉林建筑大學電氣與計算機學院,吉林 長春 130118

0 引言

風力發電和光伏發電是基于太陽能和風能的自然特性,使得互補發電可實現更穩定的電力輸出。風光互補發電作為清潔能源發電方式,減少了對化石能源的依賴,降低了資源消耗和環境污染。而儲蓄電池能夠將生產的多余的風力和太陽能儲存起來,當電力需求高峰時釋放儲存的能量,從而實現能源的調節和調峰。應對電力系統的變化和需求波動有效增強了靈活性。

近年來,國內外學者對單一光伏發電及風力發電方面最大功率點追蹤技術(MPPT)均做了大量研究,并對傳統MPPT策略進行改進,提出多種優化方案,使風或光單獨發電系統在外界環境變化下,針對最大功率點追蹤響應速度慢及精度差等問題進行改進,來減少能源浪費[1-4]。而在整體風光互補微電網模型方面的研究,多采用GA-ANFIS控制器[5]、模糊邏輯控制器[6]來提高微電網切換過程穩定性。文獻[7]提出了一種基于模糊算法的改進型雙閉環控制,解決了并網時有功功率和無功功率輸出不穩定的問題。文獻[8]將微電網儲能部分采用結合U/f控制和功率、電流雙環控制策略,保持系統功率和電壓的穩定。上述研究表明,目前風光互補微電網模型仍存在風光發電系統跟蹤速度慢、電網穩定性較差,對負載需求難以滿足等問題。本文研究一種基于新型變步長電導增量法的最大功率點追蹤以及基于Ziegler-Nichols法的改進自適應PID算法的微電網模型,依據負載大小在針對微電網所處不同氣象條件下研究優化風光發電的最大功率點追蹤并協調風光儲配合從而提高微電網的穩定性,實現可靠運行。

1 光伏最大功率點追蹤策略

1.1 傳統電導增量法

光伏MPPT控制器是為了使系統在任何環境下都可以實現最大功率輸出,在不同的外界條件下,唯一最大功率點對應的唯一最佳輸出電流為I,最佳輸出電壓為U。通過測量和調控輸出電壓、輸出電流,調節變換器的占空比,從而使得系統始終處于最大功率點工作。

在傳統光伏發電板模型中輸出功率P為最大值Pmax時,可知Pmax處斜率為0,且P=UI,所以得出下式：

(1)

在單一光照條件下,由于僅存在單一最大功率點Pmax,光伏發電板P-U特性曲線呈倒置字母U形,所以當dP/dU大于0時,光伏發電板輸出功率在最大功率點的左側,此時光伏發電板的電壓小于最大功率點電壓,則需要增加光伏發電板的參考工作電壓;當dP/dU為0時,光伏發電板輸出功率正處于最大功率點,無需對光伏發電板的參考工作電壓進行調整;當dP/dU小于0時,光伏發電板輸出功率在最大功率點的右側,此時光伏發電板的電壓大于最大功率點電壓,則需要減少光伏發電板的參考工作電壓。在傳統方法中通常當光伏電池輸出功率與其最大功率點存在差距時,使用固定步長ΔU來進行補償。

使用定步長的電導增量法存在一些不足之處,其中之一是過沖和震蕩的問題。當光照條件接近最大功率點時,固定步長可能導致系統在最大功率點兩側頻繁擺動,導致功率輸出的不穩定性。另一個定步長的電導增量法缺點是存在過度調整的風險。當步長設置過大時,系統可能無法及時響應光照條件的快速變化,從而導致錯過新的最大功率點。本文提出改進型變步長電導增量法對其加以改進。

1.2 改進型變步長電導增量法

使用變步長的方法來克服上述問題,以動態調整步長來適應不同的光照條件,根據功率變化率動態調整步長,以確保系統能夠及時、準確地調整工作點,從而更穩定地實現最大功率跟蹤,并提高發電效率。這里引入步長動態調整系數為：

(2)

式中：Sk為k時刻步長調整系;Ik為k時刻電流值;Uk為k時刻電壓值;dP/dU為功率-電壓微分;dI/dU為電流-電壓微分;ΔI、ΔU為當前采樣和上一次采樣所得電流、電壓變化量。

根據公式推導,光伏電池的輸出電壓和電流受光照強度環境影響,進而影響了步長調整系數Sk的取值。當光照強度較低時,步長調整系數Sk的值較大;隨著光照強度增加,步長調整系數逐漸減小;在最大功率點附近,步長調整系數趨近于0。通過動態調整步長調整系數,能夠提高光伏系統的性能,并使其適應不同光照條件下的運行。改進變步長電導增量法步長更新公式為：

U(k)=U(k-1)±SkΔUref

(3)

式中：ΔUref為擾動定步長;U(k)為k時刻參考電壓值;U(k-1)為k-1時刻參考電壓值。

控制算法具體流程如圖1所示,采用變步長和定步長相結合的方式來判斷調整,確保算法在光伏電池的最大功率點附近的收斂性。

圖1 改進變步長電導增量法控制流程

2 協調控制系統

當微電網所處風、光發電系統為最大功率點,由于環境風速與光照強度變化仍會導致發電劇烈波動。為減小系統波動,建立了協調控制系統。利用改進PID調節器,采用功率外環、電流內環的雙環級聯控制,目的在于在不同場景下考慮隨機性出力的模型能快速穩定地滿足用戶需求側有功功率需求。

2.1 傳統PID算法

傳統連續型PID控制器為：

(4)

式中：Kp為比例增益;Ki為積分增益;Kd為微分增益;e(t)為當前時刻誤差。

傳統PID算法存在一些劣勢,限制了其在風光儲微電網控制中的應用。傳統PID算法在面對非線性系統或具有參數變化的系統時表現較差,由于其固定的參數設置,難以適應系統動態變化和復雜的工作環境,與此同時,在消除穩態誤差方面存在一定的困難,由于缺乏積分作用的靈活性,無法完全消除長期的偏差,導致系統無法達到理想的穩態性能。此外,傳統PID算法對快速變化的參考信號的跟蹤能力有限,響應速度較慢。

2.2 基于Ziegler-Nichols法改進自適應PID算法

為改進傳統PID算法的劣勢,提出了一種基于自適應控制改進的方法。

由自適應算法得：

(5)

式中：ak為k時刻誤差值;bk為k時刻積分累積量;ck為k時刻微分項。

自適應參數更新機制,通過誤差和參考模型輸出的比較,動態地調整控制參數。這使得控制系統能夠自適應變化的系統條件,提高了系統的魯棒性和適應性。該方法利用積分作用,通過連續積分誤差來消除穩態誤差,通過靈活調節積分增益,控制系統能夠快速減小長期偏差,實現更精確的控制性能。此外,該方法還引入了微分項,考慮誤差變化率的影響,使控制系統對快速變化的參考信號具有更好的跟蹤能力和響應速度。

但由于模型仍可能存在振蕩狀態,引入振蕩檢測和 Ziegler-Nichols 方法來優化改進自適應算法。

一般經典Ziegler-Nichols公式認為[9]：

(6)

式中：KPC為系統的臨界比例增益;TP為系統的臨界周期。然而在實際應用中,由于 Ziegler-Nichols主要是通過觀察系統的階躍響應曲線,根據經驗法進行PID參數調整,需要保證過渡時間盡量短,控制系統的響應迅速達到穩定狀態。階躍響應曲線在達到穩定狀態時,超過設定值的幅度應盡量小。系統在受到擾動后的振蕩次數應減少,以提高穩定性。穩定狀態下的響應曲線應盡可能平直,表示系統在設定值附近有較好的穩定性。系統在穩定狀態下與設定值之間的偏差應盡量小。

改進的Ziegler-Nichols法通過人為加入階躍擾動,觀察被調量的階躍響應曲線。為滿足上述原則,采用：

(7)

式中：Kp-1為上一時刻比例增益;Ki-1為上一時刻積分增益;Kd-1為上一時刻微分增益。

此方法相較于一般經典法能根據先前的增益來動態調整新的比例、積分、微分增益。經過驗證上一時刻的參數值可用來影響新的參數值,以保持系統的穩定性。

根據改進后Ziegler-Nichols算法結合自適應算法可以得出,當目標存在較長時間振蕩或震蕩幅度較大時,此方法可使模型快速趨于平穩,實際輸出精準接近期望的目標值。算法實現流程圖如圖2所示。

圖2 改進Ziegler-Nichols自適應PID控制法流程

3 仿真結果分析

在MATLAB/Simulink下建立仿真電路(見圖3),其中,風力發電系統的風機葉輪半徑為9 m,槳距角為0°,風機額定轉速為12 m/s。此時空氣密度系數恒定為1.2,系統模擬風速在0～5 s內發生由7.32 m/s到9.3 m/s的變化。而光伏發電系統是由14個213.15 W的光伏模塊并聯成5行而組成的光伏矩陣。每個光伏模塊在最大功率點的電壓為29 V,最大功率點的電流為7.35 A。模擬在0～2.5 s內,光的輻照度為1 000 W/m2,在第2.5秒階躍到800 W/m2,并一直保持到第5秒。且1～1.2 s內模擬受局部陰影影響,系數為0.3。在蓄電池系統以鉛酸電池為模型,額定容量400 Ah,滿電電壓435.526 3 V,標稱電壓400 V,截止電壓300 V,額定放電電流80 A。

3.1 最大功率點追蹤結果

本風力模型最大功率點追蹤策略采用最佳葉尖速比法,從圖4(a)看出,風力發電模型始終處于最大功率追蹤控制狀態。圖4(b)為光伏發電系統運行結果,可看出該系統在輻照度發生變化,下降的情況下,展現出光伏功率也在第1～1.2 秒發生了功率下降,且在第2.5秒時發生功率階躍。但在環境變化下,整個過程中能較為快速地搜索到最大功率點?？梢钥闯龉β孰S著輻照度的變化出現了一定程度上的波動,但較快就恢復了平穩;光伏發電模型正處于最大功率追蹤控制狀態。與傳統步長法進行對比(見圖5),在光伏板剛開始工作情況下,改進變步長電導增量法能更快地將光伏板的輸出電壓調節到穩定狀態,從而減少了系統啟動的時間;且更精確地控制光伏板的輸出電壓,減小電壓波動的幅度。有助于提高光伏板的電壓穩定性,使其更適合于應對外部負載變化或系統擾動。

圖4 風機及光伏發電系統最大功率控制結果

圖5 不同電導增量法運行對比結果

3.2 負載追蹤結果

當模擬負載恒功率為50 000 W時,風光儲微電網能較好地處于負載功率追蹤情況之下。通過仿真結果可以看出通過蓄電池的充放電能較好地解決風光發電不確定性問題。電網有功功率仿真結果如圖6(a)所示,無功功率如圖6(b)所示。從圖6可以看出,有功功率基本保持在設定的指令值50 kW處,而無功功率也基本保持在0處,但因為風機和光伏的功率受環境影響而發生變化,無功功率會出現一定小范圍的波動。如圖7所示,對比傳統PID算法,改進后的自適應PID能根據微電網所處氣象環境和負荷情況更加快速地做出反應,達到所需有功功率,且能控制微電網輸出的有功功率曲線更加平穩。

圖6 電網功率結果圖

圖7 不同PID算法仿真結果對比圖

4 結論

針對傳統定步長電導增量法MPPT 控制導致跟蹤精度較低、速率較慢以及傳統PID算法過充震蕩、魯棒性有限等問題,本文提出采用變步長電導增量法以及基于Ziegler-Nichols法改進自適應PID算法控制方法。通過建立復雜環境下風力及光照強度變化參數模型,進行 MATLAB仿真試驗驗證。

仿真結果表明：相較于傳統模型,改進后的變步長電導增量法更為精準追蹤到光伏最大功率點且能大大縮短追蹤時間;基于Ziegler-Nichols法自適應PID算法能夠更快速地響應系統變化,有著較高穩定性以及更好的適應性,能夠快速精準滿足負載變化。本試驗模型對風光儲互補微電網系統模型搭建及性能提升評估有一定參考意義。