光/儲混合系統中的儲能控制技術研究

雷鳴宇 楊子龍 王一波 許洪華

(1.中國科學院電工研究所 北京 100190 2.中國科學院大學 北京 100190)

光/儲混合系統中的儲能控制技術研究

雷鳴宇1，2楊子龍1王一波1許洪華1

(1.中國科學院電工研究所 北京 100190 2.中國科學院大學 北京 100190)

在含有高滲透率光伏發電的配電網中，安裝儲能系統可以減小光伏功率波動對電網的沖擊。為了實現儲能對光伏發電功率的平滑作用，提出一種基于低通濾波與短時功率預測技術的儲能控制方法，大幅度消除了傳統低通濾波方法造成的延時，同時可降低光伏功率預測誤差對控制效果的影響，提高了平滑效果，節省了儲能安裝容量。仿真結果顯示該策略能有效降低光伏發電功率的波動性，降低電池過充或過放現象的發生概率。

光伏發電 儲能系統 低通濾波 功率預測 荷電狀態

0 引言

近年來，分布式光伏發電系統在工業園區、商業建筑和農業大棚等場所的安裝規模不斷擴大，使其在配電網中的滲透率不斷提高，對配電網的影響也受到越來越多的關注[1]。光伏發電系統輸出功率受氣象變化影響，具有較強的波動性，對電網的安全穩定及電能質量造成了嚴重影響，主要表現在電壓升高、諧波增大和功率沖擊等方面[2]。為了降低光伏發電并網對電網的影響，可以采用儲能裝置與分布式電源相配合的方式，平滑輸出功率，提高系統電能質量，保證光伏發電順利并網[3]。鉛酸蓄電池儲能具有安裝位置靈活、經濟性好及技術成熟等優點，在分布式光伏發電領域得到廣泛應用[4]，在光伏/儲能混合發電系統中，受到天氣的隨機變化、負荷的快速啟停和儲能電池的使用壽命等因素的制約，需要合理地開發設計儲能電站控制策略，滿足多個目標的需求，儲能電站的控制技術已成為智能電網領域的熱點研究課題。

光伏/儲能系統中，對儲能電站的一個重要控制目標是通過快速的充放電控制實現平抑光伏發電功率的波動，減小對電網的沖擊。目前常見的儲能控制方法有基于低通濾波原理的儲能控制方法[5-8]、基于短時功率預測技術的控制方法[9]、小波包分解方法[10]等，這些方法各具有不同的優缺點：低通濾波方法原理簡單、技術成熟、易實現，但缺點是會導致較為嚴重的延時問題，浪費大量的電能，也不利于電網調度；基于短時功率預測的方法具有預判能力，控制更為及時，但控制效果直接受功率預測準確度的影響較大。

本文采用基于低通濾波與短時功率預測技術相結合的儲能控制方法，既可以減小甚至消除低通濾波造成的延時，又降低功率預測準確度對最終控制效果的影響。同時使用了兩級低通濾波分組控制策略以及荷電狀態(SOC)反饋修正，既提高了控制效果，又有利于延長儲能系統的使用壽命。

1 光/儲發電系統結構及功率波動性分析

目前，很多光伏/儲能系統都采用共交流母線的連接結構。在典型的光伏并網系統10 kV接入方案中，光伏發電通過光伏并網逆變器和升壓變壓器接到電網上，發出的電能優先供本地負荷使用，多余電量上網。儲能電站作為并網調節系統與光伏發電采用共10 kV母線的連接方式，儲能電池通過儲能雙向變流器(Power Converter System，PCS)和升壓變壓器連接到電網。典型的光/儲混合系統結構如圖1所示。

圖1 包含電池儲能系統的光伏并網發電系統結構Fig.1 Structure diagram of grid connected photovoltaic system with battery energy storage system

由于光伏發電功率易受環境變化影響，具有較大的功率波動性，這種功率的快速波動將對電網的穩定運行和電能質量造成不利影響[11]。未來隨著光伏滲透率的提高，電壓的變化量也將隨之增加，會對電網造成更大的沖擊。因此，有必要對儲能系統平滑光伏發電功率的控制策略進行深入研究。

目前一般以光伏發電系統1 min和10 min最大有功功率變化作為衡量功率波動劇烈程度的指標[12]。根據光伏發電站接入電力系統技術規定(GB/T 19964—2012)要求，光伏電站有功功率變化速率應不超過10%裝機容量/min。為了實現對光伏功率的平滑，本文采用引入儲能系統的方法，同時控制儲能系統在光伏功率上升時充電，在光伏功率下降時放電，實現功率互補，降低光伏并網對電網的沖擊。

2 基于低通濾波原理的蓄電池分組控制方法

2.1 基于低通濾波原理的儲能控制方法

在此，利用巴特沃斯低通濾波器原理對光伏功率進行濾波[13]，得到光伏發電功率的波動成分，作為儲能系統充放電的控制參考，低通濾波控制方法的傳遞函數為

(1)

式中，T為濾波時間常數。通過低通濾波前后的光伏發電功率的差值即為蓄電池充放電功率參考值

(2)

圖2 傳遞函數H2(s)幅頻特性Fig.2 Amplitude-frequency characteristic curve of transfer function H2(s)

由圖2可知，隨著T的逐漸增加，H2(s)高通濾波效果更加明顯，光伏發電功率波動平抑效果提高，蓄電池充放電功率也隨之增加[14]。

2.2 分組儲能控制策略

目前大容量儲能電站一般采用整體控制，即所有蓄電池支路同時充電或放電，由于光伏發電功率存在高頻波動，導致蓄電池頻繁充放電，加速了電池老化。本文根據光伏發電功率中的高頻部分所占比例，將蓄電池分為兩組，采用兩級低通濾波的控制策略，使兩組蓄電池分別平抑高頻和低頻的功率波動，此時的控制原理如圖3所示。

圖3 基于低通濾波算法的分組控制策略Fig.3 Group control strategy based on low pass filtering algorithm

圖3中，Pbat-ref1為電池低頻充放電功率參考值，Pbat-ref2為電池高頻充放電功率參考值，T1和T2分別為兩次低通濾波的時間常數，由于前級低通濾波的截止頻率fp1低于后級的截止頻率fp2， 可知T1>T2。 Pbat-ref1和Pbat-ref2的表達式分別為

(3)

(4)

在此，為了兼顧各電池組之間的一致性問題，各電池支路的分組應定期進行循環變換，例如通過能量管理系統進行控制，每個月選擇不同的支路平抑高頻波動，其余支路平抑低頻波動，降低了頻繁充放電對儲能系統的影響，同時避免了某一電池支路提前老化影響儲能電站的正常運行。

2.3 儲能控制策略優化

1)荷電狀態對低通濾波時間常數的反饋修正

荷電狀態SOC是指蓄電池使用一段時間或長期擱置不用后的剩余電量與其完全充電狀態的容量的比值[15]，可知0≤SOC≤1。 蓄電池使用時應盡量避免發生過充電或過放電現象，否則會造成電池加速老化，不利于儲能系統的長期穩定運行，因此儲能電池的控制策略應考慮蓄電池的荷電狀態。

由于蓄電池在平滑光伏發電功率的過程中同時存在充電和放電的操作，即電池荷電狀態既可能增加也可能下降，因此荷電狀態過大或過小都會影響電池平滑功率波動的能量，在此假設電池在SOC為0～1的范圍能夠工作，此時認為電池荷電狀態SOC=0.5時平抑波動能力最強。

低通濾波算法中，濾波時間常數T是一個重要參數，直接決定儲能充放電功率，在此引入SOC對低通濾波時間常數的反饋修正環節，兩組蓄電池的荷電狀態SOC1和SOC2對T1反饋修正的表達式為

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

(SOC2-0.5)2k2]

(5)

式中，T1-ref為濾波時間常數T1的參考值；k1、 k2分別為SOC1和SOC2的權重因子，由兩組電池的容量比決定，且滿足如下關系

k1+k2=1

(6)

此時T1/T1-ref與SOC1、 SOC2之間的關系如圖4所示。

圖4 T1/T1-ref與SOC1及SOC2之間的關系Fig.4 Relationship curve between T1/T1-ref and SOC1，SOC2

由圖4可見，當SOC1=SOC2=0.5時，T1/T1-ref有最大值1，隨著電池荷電狀態偏離理想狀態，kT逐漸減小。當T1/T1-ref確定后，儲能系統充放電總功率即確定了，此時兩組蓄電池之間的功率分配由T2/T2-ref決定，此時SOC2對T2的反饋修正表達式為

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

(7)

此時，兩者之間的關系曲線如圖5所示。同樣，當SOC2=0.5時，T2/T2-ref有最大值1，當SOC2=0或1時T2=0.5T2-ref， 此時儲能充放電功率最小，可有效降低儲能系統過充電或過放電的風險。如果考慮蓄電池的使用壽命及安全穩定，盡量保證電池的荷電狀態不低于0.2，此時認為SOC=0.6時電池平滑功率波動的能力最強，可將0.6作為基準SOC值，同時對以上各式可進行相應的修改。

圖5 T2/T2-ref與SOC2之間的關系Fig.5 Relationship curve between T2/T2-ref and SOC2

2)荷電狀態對功率衰減系數的修正

荷電狀態對低通濾波時間常數的修正可降低電池過充放電的危險，但由于充電和放電功率同時隨濾波時間常數增加或減小，無法實現充電和放電的獨立控制，當電池荷電狀態過大時無法及時放電，過小時無法及時充電，為此，引入了功率衰減系數這一參數，其定義為

(8)

式中，(1-SOC)Cin和(SOC)Cout分別為充電和放電的功率衰減系數，冪次數Cin、 Cout決定了充電和放電功率隨電池荷電狀態的變化規律，一般取Cin=Cout， 當Cin、 Cout取不同的值時，功率衰減系數與蓄電池荷電狀態SOC之間的關系如圖6所示。

圖6 儲能充放電功率衰減與蓄電池荷電狀態之間的關系Fig.6 Relationship curve between the power attenuation coefficients and SOC

由圖6可見，隨著SOC的增加，電池放電功率增加，充電功率減小，且以冪函數曲線變化。當SOC過低時，放電功率加速減小，SOC=0時，蓄電池只充電不放電；當SOC過高時，充電功率快速下降，SOC=1時，蓄電池只放電不充電，從而避免電池出現過充或過放現象。同時，當電池的荷電狀態過大或過小時，能夠及時釋放或補充電能，維持在合理的荷電狀態，提高電池的使用壽命，提高其平滑波動的能力。

3 低通濾波與短時功率預測相結合的儲能控制方法

根據低通濾波原理可知，對光伏發電功率變化進行平抑后，輸出波形較原波形出現延遲，增大了電池充放電電量，同時不利于電力系統的調度與控制，為解決這一問題，本文引入光伏發電功率預測技術。首先計算低通濾波方法造成的光伏功率延遲時間，根據低通濾波傳遞函數

(9)

可得到

(10)

式中，ωp為低通濾波截止角頻率，且ωp與低通濾波時間常數T之間的關系為

(11)

對式(10)進行變換可得到

(12)

其相頻特性為

(13)

光伏發電功率波形可被近似看作饅頭波，發電時間約為5∶00～20∶00，因此其基波周期約為15 h，此時可得濾波后輸出功率波形相比于原波形延遲時間為

(14)

該延遲時間為幾分鐘級至幾十分鐘，例如取時間常數T=2 000 s時，延遲時間約為半小時，延時的存在破壞了光伏發電功率波形，增加了儲能系統充放電功率及電量，加速了蓄電池老化。

為了消除該延遲，本文引入了光伏發電功率預測技術，對預測的功率曲線進行低通濾波，濾波結果作為光伏發電功率平抑波動的目標值。其中功率預測的時間根據式(14)和低通濾波時間常數來確定，該控制方法采用的是超短期光伏發電功率預測技術，該技術基于物理與統計相結合的方法，在統計模型的基礎上，同時利用了數值天氣預測數據，具有較高的準確度，由于該內容不是本文控制方法中的主要內容，在此不進行詳細介紹。

由于功率預測曲線較原功率曲線時間超前，選擇合適的預測時間，可完全或部分消除低通濾波造成的延時，此時充放電控制策略如圖7所示。

圖7 加入光伏發電功率預測后的儲能控制策略Fig.7 Control strategy of energy storage system after PV power prediction is introduced into the system

4 仿真驗證

本文使用Matlab/Simulink軟件對所提出的儲能系統控制策略進行仿真驗證，搭建如圖1所示的光伏/儲能混合發電系統模型，其中光伏發電功率1.5 MW，儲能電池容量1 MW·h，取濾波時間常數參考值分別為T1-ref=2 000 s、 T2-ref=500 s， 取兩級低通濾波的功率衰減系數的冪次數均為Cin=0.2、 Cout=0.2。

圖8為光伏發電功率波動平抑前后比較。可見，加入儲能系統后，光伏功率波形都得到有效抑制，降低了光伏發電對電網的沖擊，但平滑后的功率曲線存在明顯的延遲。

圖8 儲能平滑前后光伏并網點功率波形(未加入功率預測)Fig.8 Power curves of PV system before and after the smoothing by storage system (without PV power prediction)

為了分析儲能系統對光伏發電功率的平滑效果，對平滑光伏功率波動前后并網點1 min及10 min最大功率變化值進行比較，結果分別如圖9和圖10所示。

圖9 儲能平滑前后光伏并網點1 min級最大功率波動Fig.9 The maximum power changes in 1 minute of PV systembefore and after the smoothing by energy storage system

圖10 儲能平滑前后光伏并網點10 min級最大功率波動Fig.10 The maximum power changes in 10 minute of PV system before and after the smoothing by energy storage system

可見加入儲能系統對光伏功率波動進行平滑后，當日1 min和10 min內的功率最大變化值均減小，平滑效果明顯，而引入SOC反饋環節后，不僅保證了電池的運行安全，同時進一步減小了最大功率變化值，其原因為：在未引入SOC反饋時，電池可能會過早的放空或充滿電量，在此之后如果發生劇烈波動，電池失去了響應能力，而引入SOC反饋后可有效避免這種現象，提高了平滑效果。

但前文中提到，低通濾波算法會造成光伏發電功率出現延時現象，這就意味著要用儲能將光伏功率整體平移，浪費了大量的蓄電池電量，為了消除該延時，引入功率預測技術，根據所選擇的低通濾波時間常數，可知此時的延時時間約為0.5 h，因此仿真也采用半小時功率預測。此時，平滑前后的光伏功率波形比較結果如圖11所示。

圖11 儲能平滑前后光伏并網點功率波形(加入功率預測)Fig.11 Power curves of PV system before and after the smoothing by storage system (with PV power prediction)

為了分析短時功率預測誤差對最終的控制效果的影響，分別引入無預測誤差的功率預測和均方根誤差50%、平均誤差10%的功率預測，對兩者情況下的平滑效果進行比較。圖12和圖13分別為引入功率預測后的1 min和10 min最大功率波動曲線。

圖12 加入功率預測后光伏并網點1 min級最大功率波動Fig.12 The maximum power changes in 1 minute of PV system with the introduction of PV power prediction

圖13 加入功率預測后光伏并網點10 min級最大功率波動Fig.13 The maximum power changes in 10 minute of PV system with the introduction of PV power prediction

可見即便功率預測存在較大誤差，最終的控制效果的影響也很小，這是因為此時功率預測的波形并不直接被使用，而是通過了低通濾波，得到一個與原波形輪廓相近的平滑波形，該波形作為平滑目標，因此對功率預測準確度的要求較低。本文設定的超短期功率預測誤差已遠大于目前實際應用的各類方法的誤差，即說明采用各類光伏發電功率預測技術都可以滿足本方法的要求。

與圖9和圖10相比較可看出，引入功率預測后功率波動較引入前進一步降低，究其原因，是因為節省了電池電量，使其平滑波動的能力得到提高。

加入半小時短時功率預測前后儲能蓄電池荷電狀態曲線如圖14所示。由于消除了延時，節省了電池電量，SOC曲線可以保持在一個更為合理的范圍內。

圖14 加入短時功率預測前后儲能蓄電池荷電狀態Fig.14 SOC curves of energy storage system before and after the introduction of PV power prediction technology

5 結論

本文鑒于光伏發電系統功率易受環境影響，具有較強的隨機性和波動性，提出一種蓄電池儲能系統平抑光伏功率波動的控制策略，具體控制方法如下：

1)對儲能電池進行分組控制，采用兩級低通濾波原理平滑光伏發電功率，可避免所有電池頻繁充放電，有利于提高電池使用壽命。

2)具備蓄電池荷電狀態反饋調節功能，可對低通濾波時間常數及充放電功率衰減系數分別進行實時修正，在電池SOC值過大時及時放電，過小時及時充電，避免電池出現過充或過放現象。

3)引入短時光伏發電功率預測技術，消除了低通濾波造成的延時問題，同時可以證明，光伏功率預測的準確度對最終的控制效果影響很小。

該控制策略可對光伏發電系統中的儲能電池充放電控制進行理論指導，具有實際工程意義。

[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，陳自年，等.一種適用于混合儲能系統的控制策略[J].中國電機工程學報，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.利用儲能系統平抑風電功率波動的仿真研究[D].吉林：東北電力大學，2008.

[9] 李蓓，郭劍波.平抑風電功率的電池儲能系統控制策略[J].電網技術，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]吳振威，蔣小平，馬會萌，等.用于混合儲能平抑光伏波動的小波包-模糊控制[J].中國電機工程學報，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，韓民曉，趙國鵬，等.基于隨機預測誤差的分布式光伏配網儲能系統容量配置方法[J].中國電機工程學報，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

國家高技術研究發展計劃(863計劃)項目(2015AA050402)和青海科技支撐項目(2015-GX-101A)資助。

2015-06-08 改稿日期2015-11-25

TM615

雷鳴宇 男，1989年生，博士研究生，研究方向為光伏微網中的能量管理與儲能控制技術。

E-mail：leimingyu@mail.iee.ac.cn(通信作者)

楊子龍 男，1980年生，博士，助理研究員，研究方向為微網能量管理與分散測控技術。

E-mail：yangzl@mail.iee.ac.cn