一种风光储微电网的并离网平滑切换控制方法及系统与流程

1.本发明属于供电技术领域，具体涉及一种风光储微电网的并离网平滑切换控制方法及系 统。


背景技术：

2.随着传统煤和石油等不可再生资源日益匮乏，人类迫切需要找到新的能源以代替传统 能源。风能和光能具有取之不尽、用之不竭的优点，而且不会给环境以及生态带来污染和 破坏。但以风光为主的分布式能源具有各地分布不均匀的特点，而且存在风光不稳定的现 象，于是微电网的概念提出了，微电网是由分布式能源、储能系统、负荷、监控以及各种 保护措施集一体化的智能微型电力系统。微电网的发展促进了分布式电源的发展，也提高 了各种新能源的利用效率。
3.风能和光能在微电网中只能单向传输能量，给负荷或者是蓄电池充电。而蓄电池储能部 分既要具有充电又要具有放电的作用，实现能量的双向传递。现实生活中负载大多数都是交 流负载，因此需要将微电网生成的各种直流电逆变成交流电。逆变器是连接风机、光伏、储 能的核心部件，而并离网切换的控制与运行，其核心就是控制逆变器，需要逆变器输出电压 与电网电压在幅值、相角和频率一致时才可以并网，否则并网电流过大会引起系统失稳和系 统崩溃。预同步功能就是为了实现风光储并网的方法，完成后闭合并网开关，可以实现平滑 并网。
4.然而，风光的随机性、间歇性和波动性成为了制约其发展的瓶颈。而储能系统以其平滑波 动、削峰填谷、调频调压等功能成为了解决这一问题的有效手段。鉴于储能系统良好的调节特 性，将其与风光联合构成联合发电系统，可以有效改善联合系统的总体有功输出，提高电网运 行的安全性和稳定性。


技术实现要素：

5.本发明针对现有技术中的不足，提供一种风光储微电网的并离网平滑切换控制方法及系 统。
6.为实现上述目的，本发明采用以下技术方案：
7.一种风光储微电网的并离网平滑切换控制方法，其特征在于，包括以下步骤：
8.步骤1：建立光伏电池、风机和储能部分的模型；
9.步骤2：对步骤1的光伏电池和风机的模型使用电力电子变换，输出稳定的直流电；
10.步骤3：将各模型生成的直流电进行逆变，生成三相交流电；
11.步骤4：将步骤3中生成的三相交流电与电网母线进行并联入网，实现预同步环节。
12.为优化上述技术方案，采取的具体措施还包括：
13.进一步地，所述步骤1中，采用如下的c1、c2参数模型来构建光伏发电系统：
14.15.其中，i表示光伏电池输出电流，vr表示电阻电压，c1、c2的表达式如下：
[0016][0017][0018][0019]
其中，i
scref
表示短路电流参考值，v
ocref
表示开路电压参考值，i
mref
表示最大电流参考值， v
mref
表示最大电压参考值，s表示光照强度，s
ref
表示光照强度参考值，δs表示光照强度变 化，δt表示时间变化，a、b、c为常数。
[0020]
进一步地，所述步骤1中，风机采用永磁直驱风机，风机的输出功率pm和输出转矩tm如下：
[0021][0022][0023]
其中，c
p
(λ，β)和c
t
(λ，β)分别表示风力机的功率系数和转矩系数，c
p
和c
t
是风力机的 叶尖速比λ与桨距角β的函数，ρ为空气密度，a为风力机叶片的扫略面积，v为风速，ωm为风力机转速，r是风轮叶片的半径。
[0024]
进一步地，所述步骤1中，储能部分使用800v的直流电源。
[0025]
进一步地，所述步骤2中，采用boost升压电路，将光伏电池和风机的模型经整流后得 到的直流电升压；采用mppt控制方法控制光伏电池和风机。
[0026]
进一步地，所述mppt控制方法为扰动观察法。
[0027]
进一步地，所述步骤3中，采用下垂控制对储能部分的储能逆变器进行控制。
[0028]
进一步地，所述步骤4中，微电网的运行方式是在孤岛和并网之间切换，对孤岛向并 网转换的过程中，采用基于单锁相环的方法，建立微电网的并网预同步环节，具体如下：
[0029]
用锁相环得到光伏电池、风机和储能部分的各逆变器输出电压的相角θ，以逆变器输出 电压u的方向为d轴，以电网电压ug作dq变换，则u
gd
会落在d轴上，u
gq
垂直于d轴，落 到g轴上；其中，u
gd
和u
gq
分别是电网电压的直轴分量以及交轴分量；
[0030]
调节u
gq
逐渐趋于0，使得ug逐渐向d轴靠近，当u
gq
为0时，ug和u完全重合，将频率 差值δf加到下垂控制部分，进而控制电压输出的相角。
[0031]
本发明还提出了一种风光储微电网的并离网平滑切换控制系统，其特征在于，包括：
[0032]
模型建立模块，用于建立光伏电池、风机和储能部分的模型；
[0033]
电力电子变换模块，用于对光伏电池和风机的模型使用电力电子变换，输出稳定的直 流电；
[0034]
逆变模块，用于将各模型生成的直流电进行逆变，生成三相交流电；
[0035]
预同步模块，用于将生成的三相交流电与电网母线进行并联入网，实现预同步环节。
[0036]
本发明的有益效果是：本发明所提出的一种风光储微电网的并离网平滑切换控制方法及 系统，在光伏并网逆变器部分采用双级式结构，前级dcdc变换器采用boost电路，与 mppt算法共同实现最大功率点跟踪。风力发电部分采用永磁直驱式风力发电模型，永磁同 步发电机发出的交流电先整流，再经过dcdc电路然后进行并网，dcdc电路同样采取 boost升压电路。蓄电池部分采用基于下垂控制的并网逆变器，与风光并联实现能量互补。 其中，光伏和风力的逆变器均采用一种新的基于电网电压定向的矢量控制，用来稳定直流 侧电压。针对风光储并离网切换冲击电流较大的问题，本发明提出了一种基于单锁相环的 预同步方法，来实现并离网的平滑切换。仿真表明，风光储在孤岛、并网下均可以稳定运 行并实现互补，且实现了并离网的平滑切换。
附图说明
[0037]
图1为风光储微电网的并离网平滑切换控制方法的流程图。
[0038]
图2为扰动观察法流程图。
[0039]
图3为孤岛微电网并网示意图。
[0040]
图4为预同步环节调节过程向量图。
[0041]
图5为基于单锁相环的控制原理图。
[0042]
图6为无功调压原理图。
[0043]
图7为深度强化学习原理图。
具体实施方式
[0044]
下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整的描 述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术 中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例， 都属于本技术保护的范围。
[0045]
参见图1，一种风光储微电网的并离网平滑切换方法，包括以下步骤。
[0046]
步骤1：建立光伏电池、风机、蓄电池的模型。
[0047]
实施例中，光伏发电系统的采用的是一个c1、c2参数模型，
[0048][0049]
其中，i表示光伏电池输出电流，vr表示电阻电压，c1、c2的表达式如下：
[0050]
[0051][0052]
c1、c2参数的计算用到了vm、im、v
oc
、i
sc
这四个参数，这四个参数的计算如下：
[0053][0054]
根据公式来搭出这四个表达式，然后搭出c1、c2，搭出光伏电池输出电流i，光伏电池 经过受控源，就可以输出一个直流电压，来供后续使用。
[0055]
风机部分采用的是永磁直驱风机，风力机从叶面上提取风能，并将其转换为电能。由流 体力学可知，气体的动能为：
[0056][0057]
其中，m为气体的质量，kg；v
wind
为气体的速度，m/s。
[0058]
若单位时间内气体流过截面积为a(m2)，体积为v(m3)，则
[0059]
v＝av
wind
[0060]
所以该体积的空气质量为：
[0061]
m＝ρv＝ρav
wind
[0062]
其中，ρ为空气密度，kg/m3。
[0063]
此时风所具有的能量为：
[0064][0065]
其中，p
wind
为瞬时风能。
[0066]
由此可见，风能的大小与空气密度和通过的面积成正比，与风速的立方成正比。其中ρ和 v
wind
随地理位置、海拔、地形等因素的不同而变化。
[0067]
由于流过风轮后的风速不可能为零，因此风轮桨叶不能把所有的风能p
wind
都转化为机械 能pm。根据贝茨定理，风能利用系数c
p
决定了风能转换的最大值，公式为：
[0068][0069]
因此，实际的由风力涡轮机转换而来的机械能为：
[0070][0071]cp
是风力机的叶尖速比λ与桨距角β的函数，风力机的特性就是指它的输出转矩和输出 功率与风速的关系。
[0072]
[0073][0074]
式中，pm、tm分别表示风机的输出功率(w)和输出转矩(nm)；c
p
(λ，β)和c
t
(λ，β) 分别为风力机的功率系数和转矩系数；ωm表示风力机转速(rad/s)；λ为叶尖速比；β为桨距 角；ρ表示空气密度；a是风力机叶片的扫略面积；r是风轮叶片的半径；可根据以上公式在 simulink中搭建风机的模型。
[0075]
储能部分使用一个800v的直流电源来代替蓄电池。
[0076]
步骤2：将步骤1光伏、风机的模型使用电力电子变换，输出稳定的直流电。
[0077]
实施例中，所述步骤2包括：
[0078]
光伏和风机都采用了boost升压电路，将电压提升到一个比较大的值，mppt控制方式 有很多，包括恒定电压法，扰动观察法，以及电导增量法等。恒定电压法只能在一个固定温 度下，在不同光照强度对光伏电池输出最大功率进行拟合，得到最大工作点。在i-v曲线图 上，最佳工作点相连为一条直线，落在该直线上的点对应的电压值大致恒定不变。该方法不 适用于温度变化比较明显的地域，所以已经逐渐被取代。电导增量法控制精度虽然高，但是 算法十分复杂，对硬件的要求较高，导致费用增加明显，并未广泛普及。本发明中mppt控 制方法都采用的是扰动观察法，如图2所示，扰动观察法是不断调整加入的电压扰动，判断 下一步扰动方向。该方法简单易行，运用场合广泛。
[0079]
步骤3：将各个模型生成的直流电进行逆变。
[0080]
储能逆变器部分具有能量双向流动的特点，本发明采用下垂控制对储能逆变器进行控制。 逆变器控制一般分为恒功率控制(p/q控制)，恒电压频率控制(v/f控制)和下垂控制等。 p/q控制只适合于并网条件，v/f控制只适合于孤岛条件，而下垂控制既适用于孤岛又适用于 并网条件。
[0081]
下垂控制的原理可以用下式表示：
[0082]
f＝fn+m(p
n-p)
[0083]
u＝u
0-nq
[0084]
式中，f、u的含义分别是实际的频率和电压，都是下垂控制的基本公式。m为有功频 率下垂特性系数，n为无功电压下垂特性系数，fn为电网的额定频率，为50hz，pn为有功功 率给定值，u0为微电源输出无功功率为0时的电压幅值，额定电压幅值为311v左右，p、q 分别为逆变电源输出有功和无功功率的实测值。电路滤波器采用lc滤波器，lc滤波器比l 型滤波器体积更小，且较lcl型滤波器不会发生振荡。
[0085]
步骤4：将步骤3中生成的三相交流电与电网母线进行并联入网，实现预同步环节。
[0086]
微电网的运行方式总是在孤岛和并网之间切换，若直接闭合公共点处的并网开关，由于 公共点电压和电网电压幅值、频率、相角的不一致，可能会产生较大的冲击电流，来损坏电 力电子器件，严重时可使系统崩溃。而并网向孤岛状态转变时，由于开关断开瞬间，开关两 侧电压不会突变，所以不会产生较大的冲击电流，故本发明的研究重点在于对孤岛向并网转 换加入预同步环节。孤岛微电网并网如图3所示。
[0087]
开关左侧pcc点处的a相电压为ua，电网侧a相电压为u
ga
，对其作差如下：
[0088][0089]
式中，u
ga
是a相电网电压，ua是a相电压，u
gm
是电网电压的最大值，w是角频率，t 是时间，θ1、θ2都是相位，ωg是电网的角频率。
[0090]
由上式，幅值差最大可达到2um，而逆变器输出端口和电网之间的线路阻抗并不是很大， 所以会产生大电流，损坏电力电子器件，使系统失去稳定性。目前预同步方法主要有以下几 种：基于双锁相环、基于单锁相环、基于无锁相环、基于虚拟功率的。锁相环的个数不但影 响着设备的成本，也影响着系统响应的快慢。综合考虑，本发明采用基于单锁相环的方法， 其控制原理如图5所示，减小了锁相环的个数，加快了系统的运行时间，其调节过程如下：
[0091]
首先，如图4所示，用锁相环得到各逆变器输出电压的相角θ，以逆变器输出电压u的 方向为d轴，以对电网电压ug作dq变换，则u
gd
会落在d轴上，u
gq
垂直于q轴，落到q轴 上。u
gd
和u
gq
分别是电网电压的直轴分量以及交轴分量。如果调节u
gq
逐渐趋于0，ug会逐渐 向d轴靠近，当u
gq
为0时，ug和u完全重合。其中，频率差值δf会加到下垂控制部分。
[0092]
f＝fn+m(p
n-p)+δf
[0093]
式中，δf为频率差值，会根据预同步完成的状况来调整频率的输出，而频率乘以2π就 是角频率，角频率积分就是相角，所以控制了下垂部分的频率，改变控制了电压输出的相角。
[0094]
电压幅值调节相对较简单，分别求得开关两侧电压的幅值，然后将他们的差值经过pi调 节器进行调节，将调节量加到下垂控制的无功电压环部分，如图6所示。公式如下：
[0095]
u＝u
n-nq+δu
[0096]
式中，un是电网额定电压，n为无功电压下垂特性系数，q为有功功率，δu为电压差 值。
[0097]
仿真参数如表1所示。
[0098]
表1仿真参数
[0099]
蓄电池储能系统功率上限：80kw 功率下限：-80kw风力发电系统容量：60kw 极对数p＝4光伏发电系统容量：80kw t＝25℃负荷容量：50kw线路参数等效电阻取0.0642ω，电抗取0.0021h
[0100]
此外，如图7所示，在并网结束后还可建立一种新的深度强化学习机制，定义该调度模 型在强化学习框架下的系统状态变量、动作变量以及奖励函数等。之后引入深度确定性策略 梯度算法，利用其环境交互、策略探索的机制，学习风光储系统的联合调度策略，以实现对 联合系统功率跟踪，减少弃风弃光以及减少储能充放电的目的，
[0101]
在强化学习过程中，定义策略π为状态空间到动作空间的一个映射(s
→
a)，表示为智能 体在状态s
t
选择动作a
t
，执行该动作并以概率p(s
t
，a
t
)转移到下一状态s
t+1
，同时接受来自环 境反馈的奖赏r
t
。
[0102]
而在一个多步的强化学习过程中，假设未来每个时间步所获的立即奖赏都必须乘以一个 折扣因子γ，用于削减远期决策对应的奖励，权重则从t0时刻开始到t时刻情节结束时，奖赏 之和定义为：
[0103][0104]
智能体根据得到的奖励r来调整自身的策略并针对新的状态s
t+1
做出新的决策a
t+1
，以期 获得最大的长期累积奖励。
[0105]
1)状态空间s的选取
[0106]
在风光储联合调度模型中，选取联合电站跟踪计划值、储能的充放电功率、soc、风电 以及光伏的预测出力作为状态空间，其可以表示为：
[0107]
s＝{s
plan
，s
bt
，s
soc
，s
wt
，s
pv
}。
[0108]
式中，s
plan
为联合电站跟踪计划集合，s
bt
和s
soc
分别代表储能电站的充放电功率和soc， s
wt
和s
pv
分别表示风电和光伏的预测出力。
[0109]
2)动作空间a的选取
[0110]
在深度强化学习中，一般选取模型的决策变量作为系统的动作空间，如风电、光伏以及 储能的出力。但是考虑到本发明中决策变量之间存在时序耦合特性，为了简化模型学习的复 杂性和考虑决策变量之间的时序耦合性，本发明选取风电、光伏以及储能的出力增量作为动 作空间集合，其如下所示：
[0111]
a＝{a
wt
，a
pv
，a
bt
}
[0112]
式中，a
wt
、a
pv
和a
bt
分别表示风电、光伏和储能的出力增量集合。
[0113]
3)奖励函数r以及折扣因子γ
[0114]
为了训练智能体学习到在联合调度总成本最低下的调度策略，设置目标函数的负值作为 奖励函数，即成本越低，奖励越大，由此鼓励智能体学习最优调度计划。因此可以得到即时 奖励r
t
的计算公式如下所示：
[0115]rt
＝-(c
k，t
+c
q，t
+c
bt，t
)
[0116]
式中，c
k，t
为联合系统跟踪偏差考核成本，c
q，t
为弃风弃光成本，c
bt，t
为储能运行成本； r
t
表示智能体在某个状态s
t
＝{s
plan
.t，s
bt
.t，s
soc
.t，s
wt
.t，s
pv
.t}下选择动作a
t
＝{a
wt
，a
pv
，a
bt
}之后，可 以得到的即时奖励。s
plan
.t为联合电站跟踪计划集合，s
bt
.t和s
soc
.t分别代表储能电站的充放电 功率和soc，s
wt
.t和s
pv
.t分别表示风电和光伏的预测出力。
[0117]
而对于整个调度周期t，为了最小化整个调度周期内的目标函数，存在累计奖励函数r 如下所示：
[0118][0119]
式中，r表示智能体基于系统外部状态变量得到相应的调度计划之后的获得的累计奖励， γ称为折扣因子，其表示未来汇报相对于当前的重要程度，γ＝0时表示只考虑当前即时汇报， 不考虑未来的长期回报，γ＝1时表示未来的长期回报和当前的即时回报同等重要。
[0120]
在另一实施例中，本发明还提出了一种风光储微电网的并离网平滑切换系统，包括：
[0121]
模型建立模块，用于建立光伏电池、风机和储能部分的模型；
[0122]
电力电子变换模块，用于对光伏电池和风机的模型使用电力电子变换，输出稳定的直 流电；
[0123]
逆变模块，用于将各模型生成的直流电进行逆变，生成三相交流电；
[0124]
预同步模块，用于将生成的三相交流电与电网母线进行并联入网，实现预同步环节。
[0125]
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于 本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术 人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。