光/储混合系统中的储能控制技术研究

雷鸣宇 杨子龙 王一波 许洪华

(1.中国科学院电工研究所 北京 100190 2.中国科学院大学 北京 100190)

光/储混合系统中的储能控制技术研究

雷鸣宇1，2杨子龙1王一波1许洪华1

(1.中国科学院电工研究所 北京 100190 2.中国科学院大学 北京 100190)

在含有高渗透率光伏发电的配电网中，安装储能系统可以减小光伏功率波动对电网的冲击。为了实现储能对光伏发电功率的平滑作用，提出一种基于低通滤波与短时功率预测技术的储能控制方法，大幅度消除了传统低通滤波方法造成的延时，同时可降低光伏功率预测误差对控制效果的影响，提高了平滑效果，节省了储能安装容量。仿真结果显示该策略能有效降低光伏发电功率的波动性，降低电池过充或过放现象的发生概率。

光伏发电 储能系统 低通滤波 功率预测 荷电状态

0 引言

近年来，分布式光伏发电系统在工业园区、商业建筑和农业大棚等场所的安装规模不断扩大，使其在配电网中的渗透率不断提高，对配电网的影响也受到越来越多的关注[1]。光伏发电系统输出功率受气象变化影响，具有较强的波动性，对电网的安全稳定及电能质量造成了严重影响，主要表现在电压升高、谐波增大和功率冲击等方面[2]。为了降低光伏发电并网对电网的影响，可以采用储能装置与分布式电源相配合的方式，平滑输出功率，提高系统电能质量，保证光伏发电顺利并网[3]。铅酸蓄电池储能具有安装位置灵活、经济性好及技术成熟等优点，在分布式光伏发电领域得到广泛应用[4]，在光伏/储能混合发电系统中，受到天气的随机变化、负荷的快速启停和储能电池的使用寿命等因素的制约，需要合理地开发设计储能电站控制策略，满足多个目标的需求，储能电站的控制技术已成为智能电网领域的热点研究课题。

光伏/储能系统中，对储能电站的一个重要控制目标是通过快速的充放电控制实现平抑光伏发电功率的波动，减小对电网的冲击。目前常见的储能控制方法有基于低通滤波原理的储能控制方法[5-8]、基于短时功率预测技术的控制方法[9]、小波包分解方法[10]等，这些方法各具有不同的优缺点：低通滤波方法原理简单、技术成熟、易实现，但缺点是会导致较为严重的延时问题，浪费大量的电能，也不利于电网调度；基于短时功率预测的方法具有预判能力，控制更为及时，但控制效果直接受功率预测准确度的影响较大。

本文采用基于低通滤波与短时功率预测技术相结合的储能控制方法，既可以减小甚至消除低通滤波造成的延时，又降低功率预测准确度对最终控制效果的影响。同时使用了两级低通滤波分组控制策略以及荷电状态(SOC)反馈修正，既提高了控制效果，又有利于延长储能系统的使用寿命。

1 光/储发电系统结构及功率波动性分析

目前，很多光伏/储能系统都采用共交流母线的连接结构。在典型的光伏并网系统10 kV接入方案中，光伏发电通过光伏并网逆变器和升压变压器接到电网上，发出的电能优先供本地负荷使用，多余电量上网。储能电站作为并网调节系统与光伏发电采用共10 kV母线的连接方式，储能电池通过储能双向变流器(Power Converter System，PCS)和升压变压器连接到电网。典型的光/储混合系统结构如图1所示。

图1 包含电池储能系统的光伏并网发电系统结构Fig.1 Structure diagram of grid connected photovoltaic system with battery energy storage system

由于光伏发电功率易受环境变化影响，具有较大的功率波动性，这种功率的快速波动将对电网的稳定运行和电能质量造成不利影响[11]。未来随着光伏渗透率的提高，电压的变化量也将随之增加，会对电网造成更大的冲击。因此，有必要对储能系统平滑光伏发电功率的控制策略进行深入研究。

目前一般以光伏发电系统1 min和10 min最大有功功率变化作为衡量功率波动剧烈程度的指标[12]。根据光伏发电站接入电力系统技术规定(GB/T 19964—2012)要求，光伏电站有功功率变化速率应不超过10%装机容量/min。为了实现对光伏功率的平滑，本文采用引入储能系统的方法，同时控制储能系统在光伏功率上升时充电，在光伏功率下降时放电，实现功率互补，降低光伏并网对电网的冲击。

2 基于低通滤波原理的蓄电池分组控制方法

2.1 基于低通滤波原理的储能控制方法

在此，利用巴特沃斯低通滤波器原理对光伏功率进行滤波[13]，得到光伏发电功率的波动成分，作为储能系统充放电的控制参考，低通滤波控制方法的传递函数为

(1)

式中，T为滤波时间常数。通过低通滤波前后的光伏发电功率的差值即为蓄电池充放电功率参考值

(2)

图2 传递函数H2(s)幅频特性Fig.2 Amplitude-frequency characteristic curve of transfer function H2(s)

由图2可知，随着T的逐渐增加，H2(s)高通滤波效果更加明显，光伏发电功率波动平抑效果提高，蓄电池充放电功率也随之增加[14]。

2.2 分组储能控制策略

目前大容量储能电站一般采用整体控制，即所有蓄电池支路同时充电或放电，由于光伏发电功率存在高频波动，导致蓄电池频繁充放电，加速了电池老化。本文根据光伏发电功率中的高频部分所占比例，将蓄电池分为两组，采用两级低通滤波的控制策略，使两组蓄电池分别平抑高频和低频的功率波动，此时的控制原理如图3所示。

图3 基于低通滤波算法的分组控制策略Fig.3 Group control strategy based on low pass filtering algorithm

图3中，Pbat-ref1为电池低频充放电功率参考值，Pbat-ref2为电池高频充放电功率参考值，T1和T2分别为两次低通滤波的时间常数，由于前级低通滤波的截止频率fp1低于后级的截止频率fp2， 可知T1>T2。 Pbat-ref1和Pbat-ref2的表达式分别为

(3)

(4)

在此，为了兼顾各电池组之间的一致性问题，各电池支路的分组应定期进行循环变换，例如通过能量管理系统进行控制，每个月选择不同的支路平抑高频波动，其余支路平抑低频波动，降低了频繁充放电对储能系统的影响，同时避免了某一电池支路提前老化影响储能电站的正常运行。

2.3 储能控制策略优化

1)荷电状态对低通滤波时间常数的反馈修正

荷电状态SOC是指蓄电池使用一段时间或长期搁置不用后的剩余电量与其完全充电状态的容量的比值[15]，可知0≤SOC≤1。 蓄电池使用时应尽量避免发生过充电或过放电现象，否则会造成电池加速老化，不利于储能系统的长期稳定运行，因此储能电池的控制策略应考虑蓄电池的荷电状态。

由于蓄电池在平滑光伏发电功率的过程中同时存在充电和放电的操作，即电池荷电状态既可能增加也可能下降，因此荷电状态过大或过小都会影响电池平滑功率波动的能量，在此假设电池在SOC为0～1的范围能够工作，此时认为电池荷电状态SOC=0.5时平抑波动能力最强。

低通滤波算法中，滤波时间常数T是一个重要参数，直接决定储能充放电功率，在此引入SOC对低通滤波时间常数的反馈修正环节，两组蓄电池的荷电状态SOC1和SOC2对T1反馈修正的表达式为

T1=T1-ref[1-2(SOC1-0.5)2k1+

(SOC2-0.5)2k2]

(5)

式中，T1-ref为滤波时间常数T1的参考值；k1、 k2分别为SOC1和SOC2的权重因子，由两组电池的容量比决定，且满足如下关系

k1+k2=1

(6)

此时T1/T1-ref与SOC1、 SOC2之间的关系如图4所示。

图4 T1/T1-ref与SOC1及SOC2之间的关系Fig.4 Relationship curve between T1/T1-ref and SOC1，SOC2

由图4可见，当SOC1=SOC2=0.5时，T1/T1-ref有最大值1，随着电池荷电状态偏离理想状态，kT逐渐减小。当T1/T1-ref确定后，储能系统充放电总功率即确定了，此时两组蓄电池之间的功率分配由T2/T2-ref决定，此时SOC2对T2的反馈修正表达式为

T2=T2-ref[1-2(SOC2-0.5)2]

(7)

此时，两者之间的关系曲线如图5所示。同样，当SOC2=0.5时，T2/T2-ref有最大值1，当SOC2=0或1时T2=0.5T2-ref， 此时储能充放电功率最小，可有效降低储能系统过充电或过放电的风险。如果考虑蓄电池的使用寿命及安全稳定，尽量保证电池的荷电状态不低于0.2，此时认为SOC=0.6时电池平滑功率波动的能力最强，可将0.6作为基准SOC值，同时对以上各式可进行相应的修改。

图5 T2/T2-ref与SOC2之间的关系Fig.5 Relationship curve between T2/T2-ref and SOC2

2)荷电状态对功率衰减系数的修正

荷电状态对低通滤波时间常数的修正可降低电池过充放电的危险，但由于充电和放电功率同时随滤波时间常数增加或减小，无法实现充电和放电的独立控制，当电池荷电状态过大时无法及时放电，过小时无法及时充电，为此，引入了功率衰减系数这一参数，其定义为

(8)

式中，(1-SOC)Cin和(SOC)Cout分别为充电和放电的功率衰减系数，幂次数Cin、 Cout决定了充电和放电功率随电池荷电状态的变化规律，一般取Cin=Cout， 当Cin、 Cout取不同的值时，功率衰减系数与蓄电池荷电状态SOC之间的关系如图6所示。

图6 储能充放电功率衰减与蓄电池荷电状态之间的关系Fig.6 Relationship curve between the power attenuation coefficients and SOC

由图6可见，随着SOC的增加，电池放电功率增加，充电功率减小，且以幂函数曲线变化。当SOC过低时，放电功率加速减小，SOC=0时，蓄电池只充电不放电；当SOC过高时，充电功率快速下降，SOC=1时，蓄电池只放电不充电，从而避免电池出现过充或过放现象。同时，当电池的荷电状态过大或过小时，能够及时释放或补充电能，维持在合理的荷电状态，提高电池的使用寿命，提高其平滑波动的能力。

3 低通滤波与短时功率预测相结合的储能控制方法

根据低通滤波原理可知，对光伏发电功率变化进行平抑后，输出波形较原波形出现延迟，增大了电池充放电电量，同时不利于电力系统的调度与控制，为解决这一问题，本文引入光伏发电功率预测技术。首先计算低通滤波方法造成的光伏功率延迟时间，根据低通滤波传递函数

(9)

可得到

(10)

式中，ωp为低通滤波截止角频率，且ωp与低通滤波时间常数T之间的关系为

(11)

对式(10)进行变换可得到

(12)

其相频特性为

(13)

光伏发电功率波形可被近似看作馒头波，发电时间约为5∶00～20∶00，因此其基波周期约为15 h，此时可得滤波后输出功率波形相比于原波形延迟时间为

(14)

该延迟时间为几分钟级至几十分钟，例如取时间常数T=2 000 s时，延迟时间约为半小时，延时的存在破坏了光伏发电功率波形，增加了储能系统充放电功率及电量，加速了蓄电池老化。

为了消除该延迟，本文引入了光伏发电功率预测技术，对预测的功率曲线进行低通滤波，滤波结果作为光伏发电功率平抑波动的目标值。其中功率预测的时间根据式(14)和低通滤波时间常数来确定，该控制方法采用的是超短期光伏发电功率预测技术，该技术基于物理与统计相结合的方法，在统计模型的基础上，同时利用了数值天气预测数据，具有较高的准确度，由于该内容不是本文控制方法中的主要内容，在此不进行详细介绍。

由于功率预测曲线较原功率曲线时间超前，选择合适的预测时间，可完全或部分消除低通滤波造成的延时，此时充放电控制策略如图7所示。

图7 加入光伏发电功率预测后的储能控制策略Fig.7 Control strategy of energy storage system after PV power prediction is introduced into the system

4 仿真验证

本文使用Matlab/Simulink软件对所提出的储能系统控制策略进行仿真验证，搭建如图1所示的光伏/储能混合发电系统模型，其中光伏发电功率1.5 MW，储能电池容量1 MW·h，取滤波时间常数参考值分别为T1-ref=2 000 s、 T2-ref=500 s， 取两级低通滤波的功率衰减系数的幂次数均为Cin=0.2、 Cout=0.2。

图8为光伏发电功率波动平抑前后比较。可见，加入储能系统后，光伏功率波形都得到有效抑制，降低了光伏发电对电网的冲击，但平滑后的功率曲线存在明显的延迟。

图8 储能平滑前后光伏并网点功率波形(未加入功率预测)Fig.8 Power curves of PV system before and after the smoothing by storage system (without PV power prediction)

为了分析储能系统对光伏发电功率的平滑效果，对平滑光伏功率波动前后并网点1 min及10 min最大功率变化值进行比较，结果分别如图9和图10所示。

图9 储能平滑前后光伏并网点1 min级最大功率波动Fig.9 The maximum power changes in 1 minute of PV systembefore and after the smoothing by energy storage system

图10 储能平滑前后光伏并网点10 min级最大功率波动Fig.10 The maximum power changes in 10 minute of PV system before and after the smoothing by energy storage system

可见加入储能系统对光伏功率波动进行平滑后，当日1 min和10 min内的功率最大变化值均减小，平滑效果明显，而引入SOC反馈环节后，不仅保证了电池的运行安全，同时进一步减小了最大功率变化值，其原因为：在未引入SOC反馈时，电池可能会过早的放空或充满电量，在此之后如果发生剧烈波动，电池失去了响应能力，而引入SOC反馈后可有效避免这种现象，提高了平滑效果。

但前文中提到，低通滤波算法会造成光伏发电功率出现延时现象，这就意味着要用储能将光伏功率整体平移，浪费了大量的蓄电池电量，为了消除该延时，引入功率预测技术，根据所选择的低通滤波时间常数，可知此时的延时时间约为0.5 h，因此仿真也采用半小时功率预测。此时，平滑前后的光伏功率波形比较结果如图11所示。

图11 储能平滑前后光伏并网点功率波形(加入功率预测)Fig.11 Power curves of PV system before and after the smoothing by storage system (with PV power prediction)

为了分析短时功率预测误差对最终的控制效果的影响，分别引入无预测误差的功率预测和均方根误差50%、平均误差10%的功率预测，对两者情况下的平滑效果进行比较。图12和图13分别为引入功率预测后的1 min和10 min最大功率波动曲线。

图12 加入功率预测后光伏并网点1 min级最大功率波动Fig.12 The maximum power changes in 1 minute of PV system with the introduction of PV power prediction

图13 加入功率预测后光伏并网点10 min级最大功率波动Fig.13 The maximum power changes in 10 minute of PV system with the introduction of PV power prediction

可见即便功率预测存在较大误差，最终的控制效果的影响也很小，这是因为此时功率预测的波形并不直接被使用，而是通过了低通滤波，得到一个与原波形轮廓相近的平滑波形，该波形作为平滑目标，因此对功率预测准确度的要求较低。本文设定的超短期功率预测误差已远大于目前实际应用的各类方法的误差，即说明采用各类光伏发电功率预测技术都可以满足本方法的要求。

与图9和图10相比较可看出，引入功率预测后功率波动较引入前进一步降低，究其原因，是因为节省了电池电量，使其平滑波动的能力得到提高。

加入半小时短时功率预测前后储能蓄电池荷电状态曲线如图14所示。由于消除了延时，节省了电池电量，SOC曲线可以保持在一个更为合理的范围内。

图14 加入短时功率预测前后储能蓄电池荷电状态Fig.14 SOC curves of energy storage system before and after the introduction of PV power prediction technology

5 结论

本文鉴于光伏发电系统功率易受环境影响，具有较强的随机性和波动性，提出一种蓄电池储能系统平抑光伏功率波动的控制策略，具体控制方法如下：

1)对储能电池进行分组控制，采用两级低通滤波原理平滑光伏发电功率，可避免所有电池频繁充放电，有利于提高电池使用寿命。

2)具备蓄电池荷电状态反馈调节功能，可对低通滤波时间常数及充放电功率衰减系数分别进行实时修正，在电池SOC值过大时及时放电，过小时及时充电，避免电池出现过充或过放现象。

3)引入短时光伏发电功率预测技术，消除了低通滤波造成的延时问题，同时可以证明，光伏功率预测的准确度对最终的控制效果影响很小。

该控制策略可对光伏发电系统中的储能电池充放电控制进行理论指导，具有实际工程意义。

[1] Chiang S J，Chang K T，Yen C Y.Residential photovoltaic energy storage system[J].IEEE Transactions on Industry Applications，1998，45(3)：385-394.

[2] Mairajuddin M，Shameem A L，Shiekh J I，et al.Super-capacitor based energy storage system for improved load frequency control[J].Electric Power Systems Research，2009，79(1)：226-233.

[3] Katiraei F，Iravani M R.Power management strategies for a micro-grid with multiple distributed generation units[J].IEEE Transactions on Power Systems，2006，21(4)：1821-1831.

[4] Duryea S，Islam S，Lawrance W.A battery management system for stand-alone photovoltaic energy systems[J].IEEE Transactions on Industry Applications，2001，7(3)：37-41.

[5] Sheikh M R I，Eva F，Motin M A，et al.Wind generator output power smoothing and terminal voltage regulation by using STATCOM/SMES[C]//2nd International Conference on the Developments in Renewable Energy Technology (ICDRET)，Dhaka，Bengal，2012：1-5.

[6] 丁明，林根德，陈自年，等.一种适用于混合储能系统的控制策略[J].中国电机工程学报，2012，32(7)：1-6. Ding Ming，Lin Gende，Chen Zinian，et al.A control strategy for hybrid energy storage systems[J].Proceedings of the CSEE，2012，32(7)：1-6.

[7] Jiang Quanyuan，Wang Haijiao.Two-time-scale coordination control for a battery energy storage system to mitigate wind power fluctuations[J].IEEE Transactions on Energy Conversion，2013，28(1)：52-61.

[8] 宇航.利用储能系统平抑风电功率波动的仿真研究[D].吉林：东北电力大学，2008.

[9] 李蓓，郭剑波.平抑风电功率的电池储能系统控制策略[J].电网技术，2012，36(8)：39-43. Li Bei，Guo Jianbo.Control strategy for battery energy storage system to level wind power output[J].Power System Technology，2012，36(8)：39-43.

[10]吴振威，蒋小平，马会萌，等.用于混合储能平抑光伏波动的小波包-模糊控制[J].中国电机工程学报，2014，34(3)：317-324. Wu Zhenwei，Jiang Xiaoping，Ma Huimeng，et al.Wavelet packet-fuzzy control of hybrid energy storage systems for PV power smoothing[J].Proceedings of the CSEE，2014，34(3)：317-324.

[11]林少伯，韩民晓，赵国鹏，等.基于随机预测误差的分布式光伏配网储能系统容量配置方法[J].中国电机工程学报，2013，33(4)：25-33. Lin Shaobo，Han Minxiao，Zhao Guopeng，et al.Capacity allocation of energy storage in distributed photovoltaic power system based on stochastic prediction error[J].Proceedings of the CSEE，2013，33(4)：25-33.

[12]Chiang S J，Chang K T，Yen C Y.Residential photovoltaic energy storage system[J].IEEE Transactions on Industry Applications，1998，45(3)：385-394.

[13]Jiang Zhenhua，Yu Xunwei.Modeling and control of an integrated wind power generation and energy storage system[C]//Power & Energy Society General Meeting，Alberta，Canada，2009：1-8.

[14]Wang Jiayuan，Sun Zechang，Wei Xuezhe.Performance and characteristic research in LiFePO4 battery for electric vehicle applications[C]//Vehicle Power and Propulsion Conference，Michigan，USA，2009：1657-1661.

[15]Peng Simin，Cao Yufeng，Cai Xu.Control of large scale battery energy storage system interface to microgrid[J].Automation of Electric Power Systems，2011，35(16)：38-43.

Study on Control Technology of Energy Storage Station in Photovoltaic/Storage System

Lei Mingyu1，2Yang Zilong1Wang Yibo1Xu Honghua1

(1.Institute of Electrical Engineering Chinese Academy of Sciences Beijing 100190 China 2.University of Chinese Academy of Sciences Beijing 100190 China)

When the penetration of photovoltaic system is high in a distribution network, energy storage system is available to reduce the impact on grid caused by PV power fluctuation.In order to smooth PV power,this paper proposes a control method of energy storage system based on the short-time photovoltaic power prediction technology and low-pass filtering principle.By using this method,the delay caused by traditional low pass filter method is eliminated and the influence of photovoltaic power prediction error on control effect is also reduced.As a result,the control effect is improved and the capacity of energy storage system is limited.The simulation results show that the strategy can effectively reduce the fluctuations of PV power,and prevent storage system to be over-charged or over-discharged.

Photovoltaic power generation，energy storage，low pass filtering principle，photovoltaic power prediction，SOC

国家高技术研究发展计划(863计划)项目(2015AA050402)和青海科技支撑项目(2015-GX-101A)资助。

2015-06-08 改稿日期2015-11-25

TM615

雷鸣宇 男，1989年生，博士研究生，研究方向为光伏微网中的能量管理与储能控制技术。

E-mail：leimingyu@mail.iee.ac.cn(通信作者)

杨子龙 男，1980年生，博士，助理研究员，研究方向为微网能量管理与分散测控技术。

E-mail：yangzl@mail.iee.ac.cn