孤岛情况下基于模糊控制的储能系统功率控制策略研究∗

刘国海 邢 云 吴振飞 陈兆岭 孙文卿

(1.江苏大学电气信息工程学院，江苏 镇江 212013；2.江苏镇安电力设备有限公司，江苏 镇江 212100)

新能源发电具有间歇性和随机性，功率波动大，孤岛情况下微电网的能量平衡关系脆弱，在大扰动下易出现系统崩溃[1]，因此微电网的控制策略设计直接决定了微电网的抗干扰能力[2－3]。

由于孤岛情况下微电网的稳定性较差，如何提高系统的可靠性和经济性一直是研究的热点。文献[4]提出了将自适应PID 控制方法应用于孤岛微电网的控制，将自适应算法与PID 控制结合，虽然可以改善PID 控制的效果，但是很难解决诸如复杂的数学模型、工作点的大规模变异及时变不确定性系统带来的问题。文献[5－7]以储能储能状态(State of Energy，SOE)状态为指标，结合自适应控制，提出以模糊经验模态分解、小波包变换的方式动态调整储能系统的输出功率，该方法不但能兼顾储能充放电能力、延长储能系统的使用寿命，还能够满足平滑新能源功率波动的需求。文献[8]提出了一种基于智能模糊控制的光储联产协调控制策略，能优化控制效果，但存在算法复杂的问题。文献[9]采用多输入模糊控制器，能够对输出进行更精细控制，但影响因素多，制定模糊规则繁琐复杂。而两输入的控制器[10－12]计算虽然简单，但在分布式电源多样的微电网中控制效果粗糙。文献[13]通过实现有功功率的无互联信号线自治协调控制以防止储能系统过充过放。文献[14－19]分别对光伏、风机单独分析，提出了适用于不同特性的分布式电源的控制方法，对某种分布式电源有良好的控制效果，但应用于多能源形式的智能微电网时流程复杂且计算量大。

上述文献，一方面从频域角度，利用分频滤波的原理(滤波器及小波理论)协调储能系统出力。这能体现储能的不同特点并适度地保护电池，但存在各频段的分界频率难以界定、电池和超级电容器出现正负相反的输出功率、控制指令延时等问题。另一方面从时域角度，控制储能系统的输出功率以平抑功率波动，但在分配过程中仍存在如滑动平均法的窗口大小选择困难、难以协调储能出力与平抑功率波动的矛盾，从而导致储能在高低电位时过冲过放等问题[20]。

为了协调储能系统功率分配和荷电状态(State of Charge，SOC)的固有矛盾，在能快速、准确平抑母线功率波动的同时又能保护储能装置，提高系统的经济性和可靠性，提出一种计及母线净功率的模糊控制策略。区别于传统模糊控制，其优点是不依赖某个单独逆变器而是直接参与联络线的功率分配，并引入净功率变化率以加快响应速度，使之在多种分布式电源的微电网中有更好的控制效果。控制器采用三输入一输出模式，通过模糊化得到相应的语言变量集合与隶属函数，根据要求制定相应的模糊规则，再采用重心法去模糊，并将计算所有单元的功率之和得到的母线净功率输入模糊控制器，得到储能系统的输出功率。最后通过仿真展示了所述控制策略的优越性，并进行试验验证了其可行性。

1 微电网系统结构拓扑

图1 为某微电网拓扑结构图。图中1＃储能装置作为孤岛情况时的基准源，为系统提供基准电压与基准频率。光伏、风机单元为不可控发电源，孤岛运行时大多工作于MPPT 模式。柴油发电机组在新能源发电严重缺失时提供主要功率输出。2＃储能装置根据分布式电源和负荷的功率变化情况参与功率的协调分配，以平抑联络上的大幅功率波动，或以“削峰填谷”形式进行微电网内能量管理。本文将基于此拓扑进行功率控制策略的研究。

图1 微电网拓扑结构图

图1 中分布式电源的总发电功率PDG与母线净功率Plg分别为:

其中PWT为风力发电功率；PPV为光伏发电功率；PD为柴油机发电功率；Pload为负载消耗功率总和。

母线净功率变化率为:

式中:Plg(n)表示当前时刻的母线净功率，通过信息采集模块采集至中央处理系统计算所得；Plg(n－1)表示上一时刻的母线净功率。式中，Tn－T(n－1)为单位时间间隔。

2 储能系统的模糊控制

本文提出的控制策略采用三输入一输出的模糊控制器，其控制原理如图2 所示。数据采集模块测得各单元功率后，计算得到负载功率之和Pload以及发电单元功率之和PDG，两者相减得到净功率Plg，并求其一阶导数，与SOC 数值一起作为模糊控制器的输入，通过模糊控制求得储能系统输出功率给定值，以正值表示充电，以负值表示放电。最终计算PDG－Pload－Pbat得到交流母线功率Pgrid。

图2 模糊控制示意框图

相较于传统的模糊控制采用本单元逆变器的输出功率或新能源发电的影响参数(如辐照度、风速等)作为变量参与闭环控制，本文所设计的模糊控制器计及母线净功率，因此在分布式电源复杂的微电网中可以有更好的表现。

2.1 模糊变量及其隶属度函数

隶属度函数和模糊规则的设计要求在满足SOC安全使用的前提下尽可能地平抑母线的功率波动。当锂电池SOC 小于40%时放电，开路电压变化较大，并且对电池本身造成损伤，影响电池的使用寿命，根据实验经验所得需留有10%裕度，因此最终将Small 设定为小于50%。同理在SOC 过高情况下继续大功率充电也会对电池产生不可逆损伤甚至有爆炸危险，因此将SOC 大于90%设定为Big。

模糊控制选取储能系统SOC、母线净功率及其变化率作为输入。其中SOC 的基本论域为[0，100]，当SOC 介于0～50 之间语言变量为S(小)，介于50～90 之间为M(中)，介于90～100 之间为B(大)。母线净功率基本论域为[－10，10]，量化因子取0.5。母线净功率变化率基本论域为[－1，1]，量化因子取5。Pbat基本论域为[－5，5]比例因子取0.6，控制器输出变量基本论域经量化后落在模糊集合{－3，－2，－1，0，1，2，3}内，相应的语言变量集合为{负大(NB)，负中(NM)，负小(NS)，零(ZE)，正小(PS)，正中(PM)，正大(PB)}。

2.2 模糊规则制定

模糊控制器采用Mamdani 推理方法进行推理，并采用重心法去模糊，模糊规则的制定遵循以下要求:

当储能SOC>90%时(B)，储能系统停止充电并视净功率变化率情况放电，当变化率变大则增大放电功率，变化率变小则减小放电功率。当储能50%

(1)当储能装置电量<50%，SOC 处于S，规则如表1 所示。

表1 模糊规则表I

(2)当50%<储能装置电量<90%，SOC 处于M，规则如表2 所示。

表2 模糊规则表II

(3)当储能装置电量>90%，SOC 处于B，规则如表3 所示。

表3 模糊规则表III

3 仿真

3.1 单个储能单元

针对本文所提控制策略，分别与PID 控制、传统两输入模糊控制和粒子群优化算法(PSO)算法进行仿真对比。

算例中PID 控制将储能输出功率与母线净功率的差值e(t)为输入，通过PID 调节得到储能系统的输出功率。仿真前通过整定得到一组较好的kp、ki、kd参数后进行验证。在未考虑功率限制情况下所得PID 控制的动态跟踪效果如图3 所示。

图3 PID 动态跟踪性能

算例中传统模糊控制采用两输入一输出模糊控制器，以储能SOC 和母线净功率Plg为模糊变量，储能系统功率为输出变量，其中模糊规则与隶属度函数与上述规则类似。

算例中PSO 算法综合考虑负载与电源的功率平衡和储能系统SOC 状态为优化条件。其代价函数如式(4)所示，其中K1为母线功率波动系数，K2为荷电状态系数，Et为t时刻储能装置荷电状态。Eref为储能装置荷电状态参考值。约束条件为储能系统的最大充放电功率约束和荷电状态约束，如式(5)、式(6)。

算例中光照强度、风速、负荷水平等参数参照当地真实数据，处理后所得净功率Plg曲线如图4 所示。微电网系统中储能装置容量为4 kWh。仿真结果如图4、图5 与表4 所示。

图4 母线净功率曲线

表4 微电网状态指标参数

图5 为各功率控制策略下母线功率波动曲线，图6 为各控制策略下储能SOC 曲线。图中PID 控制为追寻母线功率的波动最小化始终处于较大功率放电导致储能SOC 急剧下降，在仿真结束时SOC 从初始值80%降至17.4%。而双输入模糊控制跟踪效果明显不如本文所述控制策略，虽然SOC 下降非常缓慢只降低至70.2%，却在平抑母线功率波动的目的上表现较差，这也是平抑母线功率波动与储能SOC 的固有矛盾，当以SOC 为控制策略的重心时则优先考虑对储能系统的保护，以功率波动值为控制策略的重心时则优先减小母线功率波动，粒子群算法效果与本文相近，但在部分时刻由于陷入局部最优未寻得最优解，导致功率波动会间歇性突然增大。本文所述控制策略能很好地平抑母线功率波动，并且能在小功率波动时考虑到母线净功率的变化率，以协调储能出力，合理地减少充放电次数，避免储能系统频繁地交替充放电。

图6 SOC 变化曲线

由图4～图6 与表4 可见，本文所述控制策略可以更好地协调功率分配和储能系统的固有矛盾。储能SOC 波动范围为61.9%～80%，母线功率波动的最大值为3.3kW，充放电交替次数为25 次，所述控制策略在平抑母线上的功率波动的同时，能够合理减少储能系统的充放电次数，达到保护电池，延长储能系统使用寿命的目的。

3.2 多个储能单元

如若微电网中含有多个储能单元，各个单元均可采用本文所提出的模糊控制器，该控制方法采集的是母线功率的变化，因此各个单元均会按照规则设定的要求和SOC 状态分别进行调整，直至达到平衡。

针对微电网中存在多个不同容量的储能装置的情况，按照上述仿真参数，在系统中同时并联5kWh和10kWh 储能装置进行对比仿真，所得母线总功率波动仿真所得结果如表5 所示。本文控制策略较其他几种方法相比，功率波动更低，并且可从两个储能单元的SOC 变化看出该策略的功率分配更加合理。

表5 微电网指标参数

4 试验

为验证本文所述控制策略的可行性，在校内微电网实验室进行了试验验证，试验拓扑结构如图7所示。其中1 号储能系统使用V/f 控制，为微电网在孤岛情况下提供电压与频率的基准值。2 号储能系统采用本文所述的功率控制策略，参与系统内功率的协调分配。由于真实风机、光伏为不可控单元无法用以对照试验，因此试验时采用模拟风机、模拟柴发、模拟光伏代替。系统内所有设备均配备数据检测功能，并通过RS485 与TCP/IP 协议传输至中央控制系统。

图7 试验系统结构图

实验时长设定200 s，设定可编程负载、模拟发电单元的功率曲线，如图8 所示，所得母线净功率波动范围为0.24 kW 至3.88 kW。试验设定SOC 初始值为75%，时长为180 s。并将本文所设计的模糊控制算法与传统模糊控制算法写入中央控制系统，设备采集数据传输至中央处理系统后，经计算得到储能输出功率，并下发指令至储能控制柜，最终测得母线功率如图9～图11 所示。

图8 各单元设定的功率曲线

图9 母线功率曲线图

图10 采用传统模糊控制的母线功率曲线

图11 采用本文模糊控制的母线功率曲线

如图9～图11 所示，其中上方为测得电压与电流波形，下方为计算所得母线功率。采用所述控制策略后母线功率波动相较传统模糊控制明显降低，能够有效地维护系统的稳定运行。

由于试验时长较短，储能SOC 变化不明显，后又对本文所述方法进行了时长3 h 的孤岛运行试验，测绘所得SOC 曲线如图12 所示。当SOC 处于较低的状态时，出于对储能系统的保护，策略会减小储能系统的出力，以延长储能系统使用寿命。如图12 所示，根据模糊规则设定，储能SOC 能尽可能保持在50%以上。

图12 采用本文模糊控制的SOC 变化曲线

5 结语

本文针对微电网中由于分布式发电单元的间歇性导致的功率波动问题，提出了一种计及母线净功率及其变化率的模糊控制策略，主要结论如下:

(1)控制器采用母线净功率而不是分布式电源的发电功率，有助于简化系统，与现有的模糊控制相比，引入净功率变化率，响应速度更快，且能协调优化储能SOC 和平抑功率波动之间的固有矛盾。

(2)采用母线净功率作为输入而不涉及某种特定的分布式发电模块，使得该方法在含多种分布式电源的微电网或多种形式能源的智能微电网中有着良好的应用前景。

(3)仿真结果表明，所述控制策略在相同条件下，功率波动范围与传统方法相比，平抑功率波动更小，能更好地保护储能装置，提高系统经济性。

(4)所述控制策略需要微电网系统内均具备数据监测与传输功能，需要设备开放通讯接口，依赖于通信网络。

(5)由于所述策略采用模糊控制，为非线性控制方法，因此是有静差控制，不适用于精度要求很高的场合。