光伏與微型燃氣輪機混合微網能量管理研究

周念成 鄧 浩 王強鋼 李春艷

（重慶大學輸配電裝備及系統安全與新技術國家重點實驗室 重慶 400044）

1 引言

隨著新能源發電的推廣和應用，微網技術已經成為研究熱點。微網是指由分布式電源（DG）、儲能裝置及負荷組成的獨立可控系統，并且就地提供電能和熱能[1]。微網中的微型電源包括風力發電機（wind generator）、光伏電池（PV panel）、微型燃氣輪機（micro-turbine）及燃料電池（fuel cell）等。其中，光伏發電以資源豐富、分布廣泛、清潔等特點成為最具開發潛力的可再生能源之一[2]。由于光伏發電具有明顯間歇性，輸出功率受天氣變化影響大，為了提高光伏發電的可靠性，減小并網時對大電網的影響，需要加入可控微源或分布式儲能與光伏發電互補形成混合微網[3-6]。文獻[3]建立了含光伏陣列及燃料電池的微網模型，對光伏與燃料電池混合微網動態特性進行仿真分析；文獻[4]基于雙輸入Buck變換器提出了一種氫光聯合供電系統的能量管理控制策略，以實現光伏發電與燃料電池混合系統的能源優化利用；文獻[5]設計了光伏與燃料電池混合并網發電系統模型的恒功率控制（unit power control）和饋線功率控制（feeder flow control）兩種運行模式，提出采用滯環方式靈活切換混合電源運行模式。為減小光伏與柴油發電孤立供電系統中光伏出力波動引起的系統頻率偏差；文獻[6]采用模糊推理方法協調多個光伏發電系統的出力，以平滑光伏發電系統的功率波動。與上述微源相比，微型燃氣輪機能同時供應冷熱電負荷，具有排放少、效率高、燃料適應性好和便于靈活控制等優點[7-9]，已成為冷熱電聯供微網中最有發展前景的分布式電源，因此有必要研究光伏與微型燃氣輪機組成的混合微網運行特性和能量管理。

光伏與微型燃氣輪機混合微網中光伏發電系統的出力波動具有隨機性，而微型燃氣輪機動態響應速度較慢，具有十秒到幾十秒的延時[8-9]，須配合蓄電池保證微網在各種運行狀態可靠供電。為抑制功率波動和減少蓄電池容量，混合微網能量管理中須引入實時負荷預測[10-12]。利用預測算法的超前時間量，可克服微型燃氣輪機響應速度慢的缺點，實現微網穩定運行和高效能量管理。本文建立了光伏發電和微型燃氣輪機動態模型，采用變步長時間序列法預測微網中光伏與負荷的等效負荷曲線，超前調度微型燃氣輪機出力，以平抑光伏和負荷的功率波動。由于研究中主要針對微型燃氣輪機與微網的電力交換問題，因此微網本地負荷僅考慮電力負荷。為了合理分配蓄電池的運行時間，提高蓄電池充放電效率，提出了一種多組蓄電池結構的模塊化能量管理模式，利用PSCAD/EMTDC和Matlab聯合仿真驗證了所提出方法的正確性。

2 混合微網模型及特性分析

2.1 混合微網的結構

光伏與微型燃氣輪機混合微網結構如圖1所示，混合微網經公共連接點（PCC）接入配電網。為便于微源的擴展及提高供電可靠性，微網采用交流母線連接方式。其中光伏發電系統采用單級逆變結構，光伏陣列經過光伏逆變器及隔離升壓變壓器接入微網；微型燃氣輪機采用單軸結構，燃氣渦輪與永磁同步發電機（PMSG）同軸相連，高速同步發電機輸出高頻交流電能，經整流逆變后與交流母線相連；分布式儲能（distributed storage）采用蓄電池，兩端并聯電容以改善蓄電池動態響應能力[13]，通過接口變流器實現有功的雙向流通。

圖1 光伏與微型燃氣輪機混合微網結構Fig.1 Structure of PV and micro-turbine hybrid micro-grid

2.2 光伏發電模型及特性分析

光伏發電模型由光伏陣列和逆變器組成，光伏陣列由若干光伏電池組件串并聯構成。如圖2所示可采用受控電流源作為模型[14-15]，圖中S和T分別為光照強度和光電池溫度，VA和IA分別為光伏陣列端電壓和輸出電流，Rs和Rsh分別為光伏陣列等效串聯和并聯電阻，IL為光電池組件短路電流，I0為二極管飽和電流。串聯NS和并聯NP個光電池組件的光伏陣列輸出電流IA為

式中，n為結常數，n=1.5；q=1.6×10-19C為庫侖常數；k=1.38×10-23J/K為玻耳茲曼常數。光電池組件短路電流IL取決于光照強度S和溫度T，而二極管的飽和電流I0僅與溫度T有關，即

圖2 光伏陣列模型Fig.2 Model of PV array

光伏發電系統的控制結構如圖3所示，圖中最大功率點跟蹤（MPPT）模塊生成光伏陣列直流電壓參考值Vdcref，經功率控制模塊的比較器和PI環節生成交軸電流參考值ipvqref；功率控制模塊采用功率外環dq解耦控制，直軸電流參考值ipvdref由無功偏差信號Qpvref- Qpv經PI控制生成，再由直接電流控制內環跟蹤電流參考值。本文采用電導增量法實現光伏陣列最大有功功率的跟蹤[15]，其通過比較光伏陣列的瞬時電導和電導變化量，實時計算直流參考電壓。

圖3 光伏發電系統控制結構Fig.3 Control scheme of PV generation system

光伏陣列輸出功率取決于光照強度和光電池溫度，圖4為某地區光伏電站5月份三種典型天氣的光照強度和環境溫度，下標sunny、cloudy和rainy分別表示晴天、晴轉多云和雨天。根據實測光照和溫度數據進行仿真（參數見附錄），可得到采用最大功率跟蹤控制策略時光伏發電系統的有功功率波形如圖4c所示。由于光照強度隨時間和天氣等因素變化不是一個穩定值，光電池溫度除了受環境溫度影響外，還與光電池損耗發熱有關，因而光伏發電系統的輸出功率隨著光照強度和溫度波動變化。

圖4 某地光照強度、環境溫度和光伏輸出功率曲線Fig.4 Light intensity，ambient temperature and output power curve of PV in someplace

2.3 微型燃氣輪機發電模型及特性分析

微型燃氣輪機發電系統由微型燃氣輪機、永磁同步發電機和雙脈寬調制（PWM）控制電力電子接口構成。假定微型燃氣輪機工作在額定轉速附近，忽略燃燒時延時環節和回熱器慣性作用，簡化后的微型燃氣輪機動態模型如圖5所示[9-16]。其中排氣口溫度函數 f1和渦輪轉矩輸出函數 f2分別為

式中，Tref為溫度參考值；u1為排氣口溫度；ω為發電機轉速；u2為進入渦輪的燃料流量。

溫度和轉速控制模塊分別產生兩種燃料指令FT和Fω，通過低值門作用后產生最終的燃料參考指令送入燃料系統，最后由壓縮機渦輪系統輸出機械轉矩，不經齒輪變速直接驅動永磁同步發電機，圖5中Fmin=0.23為空載時燃料系統的最小燃料流量，渦輪轉速ω由永磁同步電機測量得到。由于未研究微型燃氣輪機的開停機過程，故忽略加速度控制模塊；轉速控制環節是微型燃氣輪機在負荷變化時的主要執行機構；溫度控制作用為限制燃料的輸入量來保護系統溫度不超過限定值。

圖5 微型燃氣輪機模型Fig.5 Model of micro-turbine

單軸結構的微型燃氣輪機須經整流和逆變兩級電力電子變換后接入微網，采用雙脈寬調制控制交直交電壓型變流器，控制結構如圖6所示。圖中電機側和電網側變流器均采用同步旋轉dq坐標系PI控制，利用功率外環PI調節生成參考電流dq軸分量，再由內環電流反饋及補償控制使dq軸電流跟蹤參考值。電流內環設置電流解耦補償將電流反饋線性化，引入電壓前饋補償減少電壓擾動對控制系統的影響。電機側整流器控制目標為維持直流電壓，變流器參考電流d軸分量imdref設定為0；電網側逆變器采用PQ控制以實現微型燃氣輪機功率調節。

圖6 微型燃氣輪機發電系統控制結構Fig.6 Control scheme of micro-turbine generation system

圖7顯示了微型燃氣輪機發電系統的負荷階躍變化響應特性（參數見附錄），負荷每20s階躍變化50%從滿載到空載再到滿載。圖中給出了燃料流量Fuel、轉速ω 和輸出功率P的變化曲線，微型燃氣輪機空載時燃料流量為 Fmin。可以看出，直流側不配置儲能設備的微型燃氣輪機發電系統功率調節具有10s左右的延遲，不能響應快速負荷變化，故微型燃氣輪機孤島運行時，需要配置儲能設備來改善動態性能。本文在混合微網中配置蓄電池作為微網的分布式儲能，經電力電子接口直接并入微網交流母線，以便于微網的模塊化設計和規模擴展。

圖7 微型燃氣輪機發電系統負荷響應特性曲線Fig.7 Load response curve of micro-turbine generation system

3 變步長時間序列的負荷預測算法

由于時間序列法僅需要前幾個時段的功率數據，便于考慮突發事件對負荷影響加以修正，因此采用時間序列法預測微網中光伏與負荷的等效功率曲線。改進歐拉型移動平均預測算法（Modified Euler type Moving Average Prediction, EMAP）能對超前時間量為Tp的慢動態DG的功率參考值進行預測，已應用于光伏發電系統的負荷預測[10-11]。設有N個采樣點x(k)，x(k-1)，…，x(k-N+1)，采樣周期為Ts，則下一個時間間隔的EMAP預測值為

式中，ωi為權重系數；預測時間超前量 Tp=(L-1)Ts/2+τ；L為步長；τ為慢動態DG的功率響應延時。EMAP預測算法把N個采樣點按順序分M區，將M-1個相鄰兩區數據平均值之差乘以權重系數ωi求和，除以 (N/M)Ts得到單位時間間隔的預測功率變化率 dyEMAP(k)，再將 dyEMAP(k)乘以 Tp然后疊加 MA算法預測值即得到超前時間為 Tp的預測值。EMAP算法的z域模型如下:

文獻[10]在N個采樣點順序分區時采用等間隔分區方式，取ωi=2（M-i）/（M2-M），i=1,2,3,··,M-1；文獻[11]則采用變間隔的方式分區，改進了對功率變化率 dyEMAP(k)的預測。圖8為典型的晴天、晴轉多云和雨天光伏與負荷（負荷數據見圖13a）綜合功率Peq=Pload-Ppv的頻率特性曲線，可見雨天和晴天的等效負荷功率頻率分布基本相似，圖中區域B為晴轉多云天氣相對于其他兩種天氣增加的0.02～0.06Hz高頻分量。

圖8 光伏與負荷綜合功率頻率特性Fig.8 Frequency characteristics of equivalent power of PV and load

設微型燃氣輪機延時τ =10s，采樣周期Ts=0.5s，采樣點數N=600，分區數M=12，可得移動平均步長L 取不同值時，EMAP算法的幅值和相位頻率特性如圖9所示。由圖可見，根據天氣預報情況變化EMAP的移動平均步長L，能夠改進預測算法對不同天氣情況的適應性，改善EMAP算法的預測性能。本文針對晴轉多云天氣減小移動平均步長L，提高式（6）中近期負荷數據的預測權重，增大EMAP算法在0.02～0.06Hz高頻段的幅值，在采用EMAP算法超前調節微型燃氣輪機出力的同時，加強算法對光伏出力變化頻繁的晴轉多云天氣的預測效果。

圖9 EMAP預測算法頻率特性比較Fig.9 Frequency characteristics comparison of EMAP prediction algorithm

4 混合微網能量管理策略

4.1 能量管理策略及模塊化蓄電池管理

光伏與微型燃氣輪機混合微網并網運行時，采用聯絡線功率控制方式，使微網作為獨立可控單元，光伏發電系統處于MPPT模式，通過EMAP預測算法提前調度微型燃氣輪機出力，可克服微型燃氣輪機響應速度慢的缺點，減小微網注入配電網功率的波動，此時蓄電池充、放電系統處于備用狀態。微網與配電網聯絡線功率參考值可根據日電價波動曲線由微網運營商和電網企業制定聯絡線的日功率調度曲線，進行混合微網并網時的功率管理[17]。

孤島運行時，微型燃氣輪機與蓄電池共同補償光伏與負荷功率差額，微型燃氣輪機承擔慢速變化功率，蓄電池承擔快速變化功率，采用預測方式超前調節微型燃氣輪機出力，能有效減小蓄電池的配置容量。圖10為光伏與微型燃氣輪機混合微網的能量管理結構圖，圖中由PCC處的靜態開關BR來實現微網的并網和孤島模型的切換。為了合理分配蓄電池的運行時間，提高蓄電池充、放電效率，儲能蓄電池采用模塊化管理。

圖10 光伏與微型燃氣輪機混合微網能量管理結構圖Fig.10 Energy management structure of PV and micro-turbine hybrid micro-grid

圖10中蓄電池的電力電子接口采用雙變流器結構[18]，其中PQ控制器結構與圖6中電網側逆變器控制方式相同，V/F控制器采用定電壓和定頻率控制[19]。將蓄電池陣列分成4組，按功率調節作用分為能量備用和功率補償兩個狀態，通過直流開關切換至PQ控制和V/F控制變流器直流側。圖11為蓄電池直流開關柜結構圖，開關投切控制器根據蓄電池能量管理器的指令，動作開關柜中S1～S4的直流開關，實現蓄電池陣列的模塊化管理。

圖11 蓄電池直流開關柜結構圖Fig.11 DC switchgear structure of battery

4.2 并網運行

為提高蓄電池的使用壽命和運行可靠性，微網并網時由配電網平抑微型燃氣輪機的功率調節誤差，蓄電池充放電系統處于備用狀態。微型燃氣輪機根據光伏發電系統的出力歷史采樣數據Ppv，結合微網與配電網聯絡線的功率參考值 Pgref，利用前述的EMAP算法考慮功率調節時延預測微型燃氣輪機的功率參考值Pmtref進行超前功率控制。

并網運行時蓄電池V/F控制變流器處于閉鎖狀態；PQ控制變流主要用于備用蓄電池的充電，此外還可以對蓄電池進行定期的放電性能測試。選取 3組蓄電池陣列作為能量備用蓄電池，由 PQ控制變流器充滿電以待微網孤島運行時使用；預留1組蓄電池陣列用于微網孤島時補償動態響應緩慢的微型燃氣輪機功率調節誤差，平滑光伏和負荷功率的快速變化。

4.3 孤島運行

由于微型燃氣輪機的動態響應速度緩慢，光伏與微型燃氣輪機混合微網孤島運行時，失去大電網的電壓和頻率支持，蓄電池的V/F控制變流器開始運行，為孤島微網提供電壓和頻率支撐，快速補償混合微網中光伏與負荷的功率變化。此時微型燃氣輪機仍采用超前預測 PQ功率控制，作為孤島微電網負荷供電的主要能源形式。孤島時蓄電池 PQ控制變流器處于閉鎖狀態，其能量管理器通過檢測V/F變流器直流側蓄電池陣列的電壓和電流，利用蓄電池的三階模型[20]在線監測功率補償狀態的蓄電池荷電狀態（State of Charge, SOC），控制直流開關投切將并網時已充滿電的能量備用蓄電池逐個切換至功率補償狀態。

蓄電池陣列狀態切換規則如下表所示，并網運行時蓄電池陣列A、B和C處于能量備用狀態，微網轉入孤島后蓄電池陣列C和B依次切換到功率補償狀態。為合理分配蓄電池陣列的運行時間，提高蓄電池的使用效率，微網并網重連時備用蓄電池的選擇采用輪換制，即孤島運行結束轉入并網時，按投入V/F逆變器直流側時間的先后順序，優先選擇投入時間靠前的蓄電池作為備用蓄電池。下表中從孤島運行再重新并入配電網時，由于蓄電池陣列A仍充滿電保持備用狀態不變，按蓄電池陣列 D、C和B投入V/F變流器側的時間順序，選擇蓄電池陣列D和C切換至備用狀態。

表 蓄電池陣列狀態切換規則Tab.State switching rules of battery array

孤島時一旦光伏發電系統的輸出功率大于微網本地負荷，多余的電能經V/F變流器為蓄電池陣列充電。由于微網蓄電池容量配置時，必須選擇放電或充電容量中的最大值，為避免蓄電池配置容量按最大充電容量選取，光伏與微型燃氣輪機混合微網組網設計時可適當增加本地負荷容量，還有利于提高微型燃氣輪機的利用率。

5 仿真分析

在PSCAD/EMTDC仿真平臺中建立圖1所示的光伏與微型燃氣輪機混合微網仿真模型，并在Matlab中實現前述的能量管理策略，組建圖 12所示的聯合仿真系統。仿真模型中負荷采用受控電流源模擬，負荷有功按圖13所示負荷曲線變化，設負荷消耗無功恒定不變，光伏和微型燃氣輪機采用前文所述的詳細模型；混合仿真中將24h等效成288s進行計算，由于PSCAD/EMTDC單次仿真的數據量有限，本文利用 PSCAD/EMTDC軟件的快照（Snapshot）功能分段進行仿真，有效地實現了微網仿真的同時性[21]。針對光伏出力變化較大的晴轉多云天氣，分析所建的微網模型在全天24h并網和孤島運行過程中的動態特性，并比較了采用EMAP預測算法前后混合微網的蓄電池容量配置情況。

改革需要調整傳統的利益格局。建立完善科學合理的人員分類管理機制，推行法官、檢察官的員額制改革，提高法官、檢察官的職業尊榮感，讓能辦案的人投入一線真正辦案，極大提高了法官、檢察官隊伍的正規化、專業化、職業化水平。

圖12 PSCAD/EMTDC和Matlab聯合仿真系統Fig.12 PSCAD/EMTDC and Matlab joint simulation system

5.1 并網運行

光伏與微型燃氣輪機混合微網并網運行時，光伏陣列按最大有功功率輸出，指定其無功功率參考值恒為 0；微型燃氣輪機補償光伏陣列輸出的有功功率，使注入配電網功率可調度，取注入配電網可調度功率參考值Pgref如圖14a所示，功率參考值每隔 2h變化一次，實際運行中可根據電力系統調度部門指令進行取值。圖13為光伏和微源輸出有功Ppv和 Pmt的波形，圖 13a中 Ppv是圖 4中某地晴轉多云天氣下光伏的輸出功率，由MPPT控制器調節直流母線電壓，以追蹤光伏陣列的最大功率運行點；圖13b為預測前后微型燃氣輪機輸出功率，加入預測后，微型燃氣輪機能提前調度輸出功率來克服其響應慢的缺點。

圖13 并網運行時負荷和微源輸出有功功率Fig.13 Active power of load and microsources in connection mode

圖14為并網運行時加入超前預測前后微網與配電網聯絡線的有功功率。圖14b加入超前預測時注入配電網有功功率，在光伏出力波動頻繁的白天時間段，其相對于 Pgref的功率偏差主要集中在±2kW左右；圖14c為不加入超前預測時注入配電網的有功功率，其功率控制偏差集中在±4kW左右，光伏功率波動越大的時段加入預測前后的差別越明顯。可見利用EMAP算法對微型燃氣輪機出力進行超前預測調節，能夠有效減小微網與配電網聯絡線功率波動。

圖14 并網運行時注入配電網有功功率比較Fig.14 Active power comparison of distribution grid in connection mode

5.2 并網與孤島模式切換

設t=8h時配電網出現三相短路故障，光伏與微型燃氣輪機混合微網PCC處的開關隨即動作，使微網由并網轉到孤島模式運行，t=16h時混合微網與配電網重連，負荷功率、光伏光照及溫度與 5.1節相同。微網聯絡線的有功和無功功率如圖15a所示，可見并網運行時聯絡線有功仍按照給定指令變化，并由配電網提供無功支撐。

圖15b為微型燃氣輪機輸出的有功和無功功率，由于功率調節速度緩慢，須采用蓄電池作為主控單元，平滑負荷和光伏發電系統的快速功率波動，維持電壓和頻率的穩定。圖15c為蓄電池輸出有功和無功功率，并網運行時大電網提供電壓與頻率支撐，當切換為孤島運行時，由蓄電池承擔快速變化負荷變化，并維持負荷的電壓與頻率的穩定。

圖15 模式切換時微源和注入配電網的有功和無功功率Fig.15 Active and reactive power of microsources and distribution grid during mode switching

蓄電池陣列的開關狀態和V/F變流器直流側電壓如圖16所示。由圖16a可知功率補償蓄電池陣列的 SOC小于SOCmin=0.1時，備用狀態蓄電池則逐個切換到V/F變流器直流側，通過蓄電池陣列的狀態投切以減少蓄電池充放電次數，提高分布式儲能蓄電池的使用效率。孤島運行中蓄電池用于補償快速小幅的負荷波動，圖16c中V/F變流器直流側電壓亦在850～750V間波動變化，在t =12.5h時由于光伏出力下降率高于微型燃氣輪機的出力調節速率，導致V/F變流器直流電壓短時低于700V。

圖17為并網與孤島模式切換時負荷節點電壓Vload和頻率 f波形，孤島時由于蓄電池支撐微網的電壓與頻率，負荷電壓維持在0.985(pu)左右，頻率在（50±0.1）Hz范圍內，可見本文提出的能量管理策略能夠滿足微網不同狀態切換要求。

圖16 功率補償蓄電池SOC、蓄電池開關狀態和V/F變流器直流側電壓Fig.16 SOC of battery with power compensation, switch state of battery and DC voltage of V/F converter

圖17 模式切換時負荷節點電壓和頻率Fig.17 Voltage and frequency of load bus during mode switching

5.3 孤島運行

圖18為混合微網全天24h孤島運行時微型燃氣輪機的輸出有功，負荷功率、光伏光照及溫度仍與5.1節相同，圖中當光伏的出力大于本地負荷時，微型燃氣輪機的出力減小為 0，此時蓄電池通過 V/F變流器吸收孤島微網的多余電能。圖19a為孤島運行加入超前預測時蓄電池輸出有功，與圖19b不加預測時輸出功率相比，蓄電池在加入預測后輸出功率波動較小，功率變化率也相對較小。

圖18 孤島運行時微型燃氣輪機輸出有功功率Fig.18 Active power of micro-turbine during islanding

圖19 孤島運行時蓄電池輸出有功功率比較Fig.19 Active power comparison of battery during islanding

圖20為加入超前預測前后蓄電池容量Eb變化情況，加入預測時須配置的4組蓄電池總容量至少為0.2kW·h，不加預測時須配置蓄電池的總容量至少約為 1.8kW·h。可以看出，利用 EMAP算法預測光伏與負荷功率差額，可克服微型燃氣輪機的動態響應延時，減小微網須配置的蓄電池容量。

圖20 孤島運行時蓄電池容量大小比較Fig.20 Capacity size comparison of battery during islanding

6 結論

光伏發電和負荷綜合功率具有顯著的隨機波動特性，而微型燃氣輪機的動態響應速度較慢，功率調節延時為十秒至幾十秒。本文在研究光伏、微型燃氣輪機的動態模型基礎上，提出了光伏與微型燃氣輪機混合微網能量管理策略；根據光伏和負荷功率波動的頻率特性，混合微網能量管理中加入了變步長的EMAP實時負荷預測；為了有效減少蓄電池的容量，提高其利用率和工作壽命，提出了一種模塊化的蓄電池能量管理模型。通過仿真分析驗證了本文提出的方法和能量管理策略的正確性，為光伏和微型燃氣輪機混合微網的運行和能量管理提供一種有效的解決方案。

附 錄 光伏與微型燃氣輪機混合微網模型參數

1.光伏發電系統參數

光電池組件額定功率PN_module=53W；

額定工況(光照 S=1000W/m2，溫度 T=298K)時光電池組件開路電壓Voc=21.7V；

額定工況時光電池組件峰值電流Isc=3.35A；

光電池組件峰值電壓Vmp=17.4V；

光電池組件峰值電流Imp=3.05A；

單個光電池組件含光電池單元個數m=36；組件串聯個數NS=25；

組件并聯個數NP=15；

光伏陣列額定功率PN_array=25×15×0.053=19.875kW。

2.微型燃氣輪機參數

額定功率PN_MT=30kW；

額定轉速ωN=60000r/min；

額定電壓VN_MT=480V；

轉動慣量J=4.64×10-3kg·m2；

排氣口參考溫度Tref=950℃。

3.蓄電池參數

蓄電池額定電壓VN_b=800V；

蓄電池采用Rs-Rp//Cp模型，其中Rs=9Ω、Rp=7.5Ω、Cp=2×10-3F；

V/F和PQ變流器直流側并聯電容均為Cdc=3F。

4.線路參數

所有0.38kV線路單位參數相同ZL=0.642+j0.083Ω/km，L1=1km，L2=0.1km。

5.變壓器阻抗參數

RT1=0.04（pu），XT1=0.03（pu），RT2=0.01（pu），XT2=0.05（pu），變壓器額定參數見圖1。

6.變電站參數

額定電壓10.5kV；

短路容量20MVA，X/R=10。

[1]Nikkhajoei H, Lasseter R H.Distributed generation interface to the CERTS microgrid[J]. IEEE Transactions on Power Delivery, 2009, 24(3):1598-1608.

[2]Roman E, Alonso R, Ibanez P, et al.Intelligent PV module for grid-connected PV systems[J].IEEE Transactions on Industrial Electronics, 2006, 53(4):1066-1073.

[3]陶瓊, 吳在軍, 程軍照, 等.含光伏陣列及燃料電池的微網建模與仿真[J].電力系統自動化, 2010,34(1): 89-93.Tao Qiong, Wu Zaijun, Cheng Junzhao, et al.Modeling and simulation of microgrid containing photovoltaic array and fuel cell[J].Automation of Electric Power Systems, 2010, 34(1): 89-93.

[4]徐敏, 阮新波, 劉福鑫, 等.氫光聯合供電系統的能量管理[J].電工技術學報, 2010, 25(10): 166-175.Xu Min, Ruan Xinbo, Liu Fuxin, et al.Energy management for hybrid photovoltaic-fuel cell power system[J].Transactions of China Electrotechnical Society, 2010, 25(10): 166-175.

[5]Khanh L N, Seo J J, Kim Y S, et al.Power management strategies for a grid-connected PV-FC hybrid system[J].IEEE Transactions on Power Delivery, 2010, 25(3): 1874-1882.

[6]Datta M, Senjyu T, Yona A, et al.A coordinated control method for leveling PV output power fluctuations of PV-diesel hybrid systems connected to isolated power utility[J].IEEE Transactions on Energy Conversion, 2009, 24(1): 153-162.

[7]趙克, 耿加民, 汪之文, 等.微型燃氣輪機發電系統啟動過程控制[J].電工技術學報, 2009, 24(2):48-53.Zhao Ke, Geng Jiamin, Wang Zhiwen, et al.Start process control techniques for the microturbine generation system[J]. Transactions of China Electrotechnical Society, 2009, 24(2): 48-53.

[8]Saha A K, Chowdhury S, Chowdhury S P, et al.Modeling and performance analysis of a microturbine as a distributed energy resource[J].IEEE Transactions on Energy Conversion, 2009, 24(2): 529-538.

[9]劉君, 穆世霞, 李巖松, 等.微電網中微型燃氣輪機發電系統整體建模與仿真[J].電力系統自動化,2010, 34(7): 85-89.Liu Jun, Mu Shixia, Li Yansong, et al.Overall modeling and simulation of microturbine generation systems in microgrids[J].Automation of Electric Power Systems, 2010, 34(7): 85-89.

[10]Monai T, Takano I, Nishikawa H, et al.A collaborative operation method between new energy-type dispersed power supply and EDLC[J].IEEE Transactions on Energy Conversion, 2004,19(3): 590-598.

[11]Kong Lingzhi, Tang Xisheng, Qi Zhiping.Study on modified EMAP model and its application in collaborative operation of hybrid distributed power generation system[C].Proceedings of the 1st International Conference on Sustainable Power Generation and Supply, Nanjing, China, 2009: 1-7.

[12]陳昌松, 段善旭, 殷進軍, 等.基于發電預測的分布式發電能量管理系統[J].電工技術學報, 2010,25(3): 150-156.Chen Changsong, Duan Shanxu, Yin Jinjun, et al.Energy management system of distributed generation based on power forecasting[J].Transactions of China Electrotechnical Society, 2010, 25(3): 150-156.

[13]Wang X Y, Vilathgamuwa D M, Choi S S.Determination of battery storage capacity in energy buffer for wind farm[J].IEEE Transactions on Energy Conversion, 2008, 23(3): 868-878.

[14]Chenni R, Makhlouf M, Kerbache T, et al.A detailed modeling method for photovoltaic cells[J].Energy,2007, 32(9): 1724-1730.

[15]Kim S K, Jeon J H, Cho C H, et al.Modeling and simulation of a grid-connected PV generation system for electromagnetic transient analysis[J].Solar Energy, 2009, 83(5): 664-678.

[16]王成山, 馬力, 王守相.基于雙 PWM 換流器的微型燃氣輪機系統仿真[J].電力系統自動化, 2008,32(1): 56-60.Wang Chengshan, Ma Li, Wang Shouxiang.Simulation of a microturbine system based on double PWM converters[J].Automation of Electric Power Systems, 2008, 32(1): 56-60.

[17]Bae I S, Kim J O.Reliability evaluation of distributed generation based on operation mode[J].IEEE Transactions on Power Systems, 2007, 22(2):785-790.

[18]魯鴻毅, 何奔騰.超級電容器在微型電網中的應用[J].電力系統自動化, 2009, 33(2): 87-91.Lu Hongyi, He Benteng.Application of the super-capacitor in a microgrid[J].Automation of Electric Power Systems, 2009, 33(2): 87-91.

[19]Wang Caisheng.Modeling and control of hybrid wind/ photovoltaic/ fuel cell distribution systems[D].Montana: Montana State University, 2006.

[20]Ceraolo M.New dynamical models of lead-acid batteries[J].IEEE Transactions on Power Systems,2000, 15(4): 1184-1190.

[21]PSCAD/EMTDC Power System Simulation Software User’s Manual[Z].Canada: Manitoba HVDC Research Center, 2005.