計及風電并網模型的電動汽車集群參與系統頻率調整策略

李 嫣，張 謙，李 晨，胡熙茜

?

計及風電并網模型的電動汽車集群參與系統頻率調整策略

李 嫣1，張 謙1，李 晨2，胡熙茜1

1.輸配電裝備及系統安全與新技術國家重點實驗室(重慶大學)，重慶 400044； 2.中國南方電網超高壓輸電有限公司廣州局，廣東 廣州 510620)

為解決風能隨機性和波動性帶來的風電機組頻率支持可靠性不高的問題，采用電動汽車與風電機組協同參與系統調頻。對風速區域進行劃分，根據風電機組運行特性，利用虛擬慣性控制、下垂控制和變槳距角控制三種控制方式建立調頻模型；結合電動汽車集群控制策略，通過對系統調頻需求的分配，提出電動汽車集群和風電聯合調頻的控制策略。算例結果顯示，聯合虛擬慣性和下垂控制同時作用時風電機組調頻效果較好，電動汽車和風電機組聯合調頻效果優于風電獨立參與調頻。仿真證明所提出的聯合調頻策略能有效抑制頻率偏移，維持系統頻率穩定性。

電動汽車；風電機組；聯合頻率調整；虛擬慣性控制；下垂控制；變槳距角控制

0 引言

隨著微電網中風電滲透率不斷提高，風力發電的間歇性將直接影響微電網系統內部有功功率的供需平衡，造成頻率波動難以控制。各國均出臺并網導則，規定風電場必須具備有功功率調節、響應系統頻率變化的能力[1]。而當前主流風力發電機組為雙饋式變速風力發電機組，其通過電力電子設備接入電網，并不具備慣性響應及輔助調頻能力。要實現變速風電機組參與調頻的目的，需要采用附加控制方式。

利用風電機組自身有功功率控制以實現參與調頻目的的方法主要有虛擬慣性控制[2]、下垂控制[3]和變槳距角控制[4]。虛擬慣性控制和下垂控制均是通過改變轉子轉速，釋放轉子動能來參與系統頻率調整。變槳距角控制是通過改變風電風機葉片攻角，改變風機捕獲風能大小，進而改變自身有功功率輸出。現已有不少研究將虛擬慣性控制、下垂控制和變槳距角控制聯合以參與系統頻率調整[5-7]。

因為風能具有隨機性和波動性，由風電機組提供的頻率支撐的可靠性很難得到保障，對于剛參加過電力系統調頻的風電機組需要盡快恢復到最佳轉速，這就需要從系統中吸收部分有功，這很容易造成系統頻率的二次跌落，因此風電機組很難獨立為微電網提供主要頻率調節。而附加儲能系統與風電機組協同調頻，不僅可以有效抑制風電的隨機波動，提高風電機組的頻率響應能力，而且可以有效地改善電力系統的頻率響應特性[8]。然而，附加儲能系統參與風電調頻需要增加大量額外的設備，這將大幅度增加風電場的運行成本。同時，該方法僅從電源端改善系統頻率，沒有充分發揮負荷在電網調頻方面的積極作用。

電動汽車(Electric vehicle, EV)具有負荷和電源雙重身份，可以取代附加儲能設備，與風電機組協同參與系統調頻。目前關于電動汽車集群和風電聯合參與系統調頻的研究較少，現有研究側重于電動汽車集群和風電參加頻率調整控制模型的搭建。文獻[9]通過分層控制算法實現電動汽車集群充放電和風能發電在系統頻率調整中的協同控制，但僅由電動汽車集群通過充放電單獨參與下層頻率調整，而風電只進行上層發電調度計劃，并不參與下層頻率調整，針對兩者聯合調頻的相互耦合關聯的控制方法鮮有提及。文獻[10-11]通過不同原理的控制理論構建微電網負荷頻率控制模型的PID控制器，通過PID控制器分別控制電動汽車集群和風電的調頻模型以響應系統頻率變化信號，但均忽略了微電網調頻過程中系統有功功率分配策略對兩者聯合調頻模型及調頻參與度的影響。

因此，針對風電與電動汽車相互耦合的聯合調頻控制方法與調頻過程中有功功率分配的問題，本文研究了電動汽車集群和風電聯合調頻的分級協調控制策略，以實現兩者聯合調頻協調控制機制的建立。基于雙饋變速風力發電機(Double-Fed Induction Generator, DFIG)運行特性，在不同風速等級下，結合虛擬慣性控制、下垂控制和變槳距角控制建立了風電機組調頻模型，并在考慮個體需求的電動汽車調頻策略的基礎上，通過對系統調頻需求功率的分配，制定了電動汽車和風電聯合參與電網調頻的控制策略。

1 雙饋式變速風力發電機調頻策略框架

通過不同的控制器控制轉子和電網兩側的變流器及葉片攻角，可以實現對風機輸出機械功率的控制，進而使DFIG具有調節系統頻率的能力。

(2) 在低風速區域，轉子轉速相對較低，調整轉子轉速進行90%最大風功率跟蹤；在中風速區域，轉子轉速相對較高，無法達到90%最大風功率跟蹤狀態，調整轉子轉速運行在變比例最大風功率跟蹤狀態。在低風速和中風速區域，通過控制轉子速度變化，釋放轉子動能，改變風電機組輸出功率，參與系統調頻。

(3) 在高風速區域，轉子轉速維持在額定轉速，轉子速度和慣性控制器不再參與動作，采用變槳距角控制來調整風機葉片攻角，通過改變風機捕獲的風能功率進而改變風電機組輸出功率，參與系統調頻。

(4) 在無效風速2區域，風速過大，為保護風電機組安全，風電機組在該風速區域內退出電網，不參與系統調頻。

圖1 DFIG運行狀態

2 低風速和中風速區域調頻策略

2.1 轉子速度控制方式

如前所述，在低風速和中風速區域，可通過控制轉子速度變化，釋放轉子動能，改變風電機組輸出功率，參與系統調頻。轉子速度控制方式主要采用虛擬慣性控制和下垂控制兩類。

2.1.1虛擬慣性控制

當頻率下降時，需要降低DFIG轉子轉速，釋放轉子中儲存的動能。

轉子動能在極短時間內釋放，以功率輸出的形式從轉子側輸入到電網側，如式(3)所示。

為了給DFIG增加具有同步發電機類似的慣性，引入慣性常數，其定義為

對DFIG增加虛擬慣性后，有

則轉子釋放的動能可表示為

由式(7)知，可以利用DFIG虛擬慣性控制，通過控制釋放轉子動能所產生的功率，使風力發電機響應系統頻率變化。

2.1.2下垂控制

DFIG附加下垂特性后，如式(8)所示。

圖2 發電機功頻靜特性

Fig. 2 Static power frequency characteristics of generator

2.2 轉子速度控制策略

為了在不同風速條件下均可產生最大功率，必須對風機轉速進行調節，常采用最大功率點跟蹤技術(Maximum Power Point Tracking, MPPT)獲取最大機械功率。在風電參與系統調頻過程中，DFIG為獲得調頻容量儲備，采用90%最優功率運行狀態(即次最優)[13]。MPPT運行狀態在相同風速條件下具有唯一性，即僅有唯一轉子轉速對應風機最大功率的輸出；而次最優輸出功率對應兩個不同轉子轉速，分別為低速次最優和超速次最優。實際運行過程中，常采用超速次最優軌跡運行。

在低風速和中風速區域，DFIG采用不同的轉子速度控制策略參與系統調頻，如圖3所示。由圖可知，風電接入電網，轉子轉速常規運行在0.7~1.2 p.u.范圍內，在短暫動態擾動下，可以達到0.6~1.3 p.u.的安全范圍[14]。一旦風機轉子轉速超出安全范圍，轉子速度保護將會啟動，強迫風機脫離電網。

圖3 不同風速下轉子速度控制運行軌跡

在低風速Zone2區域內，采用超速次最優軌跡控制策略，如圖2中加粗黑色實線所示。在該風速區域內，控制轉子轉速運行在次最優狀態，為風機參與系統調頻提供了10%的調頻容量儲備，以便風機在適當減速的情況下，增加功率輸出，參與系統向上調頻。而在中風速Zone3范圍內，采用超速變比軌跡控制策略，如圖2中加粗黑色虛線所示。在風速為10 m/s的運行特性曲線中，次最優運行狀態的轉子速度為1.2 p.u.。若風速繼續加大，將會導致轉子在次最優運行狀態的速度超過正常運行范圍。因此，為確保風機能夠正常運行，在此風速區域內，轉子速度不繼續運行在次最優軌跡，而保持在最大常規運行速度1.2 p.u.。此時風機輸出功率與最大功率之間的比例為0.9~1，故稱為超速變比軌跡。

若頻率在此時恢復正常，則停止降低轉速，DFIG轉入正常運行軌跡運行。若釋放動能后，轉子速度變為最大功率點所對應轉速，頻率仍沒有恢復正常，則停止減速，該風機運行在最大功率點狀態，采取其他的方式恢復系統頻率。

圖4 轉子速度控制策略原理框圖

3 高風速區域調頻策略

圖5 變槳距角控制原理框圖

4 電動汽車集群調頻策略

電動汽車作為移動性儲能設備，具有響應信號速度快的優點，可以通過有序充放電控制策略參與電網調頻。EVA實時收集區域內接入電網的EV的需求申報信息，包括在網時間、荷電狀態SOC、EV入網誠信度等。根據在網時間長短和誠信度高低將EV分入調頻服務組或能量需求組。調頻服務組中，根據EV接入電網SOC狀態高低，將其分為充電組和放電組。EVA實時上報區域內調頻服務組EV的預測可控容量。電網調控中心根據系統頻率波動和風電調頻出力分配調頻功率需求給EVA，EVA下達指令使調頻服務組EV充電或者放電，以達到頻率調整的目的。

4.1 電動汽車分組策略

EV只有在滿足自身行駛需求的前提下，才會選擇接入電網參與調頻服務，且結束調頻輔助服務后會自動切換進入能量需求組，以滿足車主行駛需求。參與調頻服務過程中，將EV分為放電組和充電組，規則如表1所示，其中：SOC,j為第輛EV在時刻的荷電狀態；max和min分別為荷電狀態的上下限。

時刻的調頻服務組Se如式(3)所示。

表1 EV分組策略

EV分入調頻服務組后，開始接受EVA調頻指令，參與服務。時刻第個放電組和充電組分別為

4.2 電動汽車調頻功率分配策略

實時調頻過程中，EVA根據調頻功率需求調動EV充放電參與調頻。根據電動汽車的單位參與時間貢獻度將其排序，以確定放電組或充電組中參與調頻的具體車輛及其輸出功率。

4.2.1 EVA可控容量預測

電動汽車作為交通工具，其移動特性使得EV用戶存在違背調頻計劃，在申報時段內脫離電網的可能性，造成可控容量預測不準確。當違背計劃的車輛數量達到一定程度，可能導致電網分配至EVA的調頻計劃無法有效實施。

時刻預測的+1時刻可控容量如下所示。

4.2.2 EV調頻功率分配

+1時刻，EV調頻功率分配由在時刻所預測的+1時刻可控容量決定。

式中：E為單輛EV電池儲能總量；η和η分別為EV充電效率和放電效率。

放電組EV放電功率如式(25)所示：

EV的下調頻功率分配策略與上調頻類似，不再贅述。

5 電動汽車集群和風電協同控制策略

為了提升風電機組參與調頻的可靠性，考慮到風電場運行成本與負荷端頻率改善作用，采用電動汽車作為附加儲能系統與風電聯合參與調頻。風電和EV集群協調調頻時，優先調用風電參與調頻。由于風電參與調頻為有差調節，當風電無法單獨承擔系統調頻所需功率時調用EV集群參與調頻。

電動汽車集群和風電機組協同參與電網調頻的步驟如下：

(1) 根據風電并網風速環境，確定風電能夠安全并網。若風電不能安全并網，則系統調頻功率需求由電動汽車集群獨立承擔。

電動汽車集群與風電機組協同控制思想流程如圖6所示，兩者協同控制模型如圖7所示。

圖6 電動汽車集群和風電協同調頻流程圖

圖7 計及風電調頻模型的負荷頻率控制模型

6 算例仿真

6.1 風電單獨調頻出力分析

設立三種情景以驗證本文所提風電調頻策略的有效性。情景一：風速為7 m/s；情景二：風速為11 m/s；情景三：風速為14 m/s。

圖9給出情景二下DFIG的調頻輸出。在頻率偏差變化不大的情況下，處于中風速區域的轉子速度比低風速的下降幅度較小，這是由于中風速區域轉子運行速度基數較大，高于低風速區域，僅下降較小幅度所釋放的轉子動能可提供足夠的調頻需求。因此，在中風速區域可提供的調頻功率增量要大于低風速區域。由于情景二處于中風速區域，僅采用轉子速度控制，故槳距角仍維持為0°。

圖9 風速11 m/s的DFIG調頻輸出

圖10給出情景三下DFIG的調頻輸出。在高風速區域，虛擬慣性控制和下垂控制不再起作用，僅由變槳距角控制器控制DFIG調頻輸出。在變槳距角控制策略中，在高風速區域采取90%最大功率的運行軌跡，負荷擾動接入之前增大槳距角運行度數，如圖10 (b)的0時刻。在擾動發生后，減少槳距角，增大風機捕獲風能，增加風電輸出功率，能夠有效地抑制系統頻率變化，如圖10(a)和(c)所示。在高風速區域轉子速度控制不再起調節作用，因此轉速始終維持在最大安全運行速度。

綜上所述，本文提出的DFIG轉子速度控制和變槳距角控制策略，在低載運行的前提下，能夠通過改變轉子速度和槳距角，增加風機功率輸出，起到抑制系統頻率波動的作用；在轉子速度控制策略中，中風速區域風機可提供的調頻功率增量要大于低風速區域；同時，由虛擬慣性控制和下垂控制策略同時起作用時，系統調頻效果最好。

圖10 風速14m/s的DFIG調頻輸出

6.2 電動汽車集群和風電聯合調頻出力分析

在風電機組參與調頻的基礎上，聯合EV集群參與系統調頻。為驗證風電和EV集群聯合調頻的效果，設立情景四、情景五和情景六。情景四和情景五中風電機組和EV集群聯合參與調頻，其中情景四和情景五的EV集群中EV數量分別為100輛和200輛，其余條件同情景一相同。情景六中風電不再作為調頻出力，僅作為階躍擾動，該情景僅由200輛EV調頻出力。

情景一、情景五和情景六調頻對比如圖12所示。由圖12(a)可知，風電和EV集群聯合調頻出力時，頻率偏差最小；風電為擾動，僅EV出力的情況次之；而僅風電出力時，頻率偏差最大。這說明風電和EV集群聯合調頻比風電單獨參加頻率調整效果要好。圖12(b)為相應情景下EV集群調頻出力。情景一中不含EV，故EV集群出力為0；情景五中風電和EV均有出力，故EV集群出力少于情景六。因此，風電作為調頻機組對系統頻率起穩定作用，可以分擔系統調頻壓力；而如果對風電不加以控制，則其作為擾動則會影響系統頻率穩定，增加系統調頻壓力。因此，在風電并網情況下，有必要增加部分風電機組作為調頻輔助機組，以維持系統頻率的穩定。

圖11 情景四和情景五調頻對比

綜上所述，本文提出的EV集群和風電聯合調頻控制策略，其調頻效果分別優于風電單獨調頻出力和EV集群單獨調頻出力。風電作為調頻機組對系統頻率起穩定作用，能夠分擔系統調頻壓力。而EV集群內部EV數量不同時調頻效果也不盡相同，當EV集群調頻實時預測可控容量能夠滿足調頻任務需求時，其調頻效果優于實時預測可控容量不足的情況。

圖12 情景一、情景五和情景六調頻對比

7 結論

(1) 本文提出的DFIG轉子速度控制和變槳距角控制策略，能夠有效抑制系統頻率波動。而且虛擬慣性控制和下垂控制單獨作用時，系統調頻效果較差。因此在風電參與調頻時，應聯合虛擬慣性控制和下垂控制同時作用，才能起到較好的調頻效果。

(2) 本文提出的風電和EV集群聯合調頻控制策略中，風電作為調頻機組能夠分擔系統調頻壓力，且兩者聯合調頻效果優于風電單獨調頻出力。

(3) 風電和EV集群聯合參與調頻時，EV集群內部EV數量越多，可提供的調頻可控容量越多，調頻效果越好。

[1] 趙嘉興, 高偉, 上官明霞, 等. 風電參與電力系統調頻綜述[J]. 電力系統保護與控制, 2017, 45(21): 157-169.

ZHAO Jiaxing, GAO Wei, SHANGGUAN Mingxia, et al. Review on frequency regulation technology of power grid by wind farm[J]. Power System Protection and Control, 2017, 45(21): 157-169.

[2] HAFIZ F, ABDENNOUR A. Optimal use of kinetic energy for the inertial support from variable speed wind turbines[J]. Renewable Energy, 2015, 80: 629-643.

[3] VAN DE VYVER J, DE KOONING J D M, MEERSMAN B, et al. Droop control as an alternative inertial response strategy for the synthetic inertia on wind turbines[J]. IEEE Transactions on Power Systems, 2016, 31(2): 1129-1138.

[4] 李世春, 黃悅華, 王凌云, 等. 基于轉速控制的雙饋風電機組一次調頻輔助控制系統建模[J]. 中國電機工程學報, 2017, 37(24): 7077-7086.

LI Shichun, HUANG Yuehua, WANG Lingyun, et al. Modeling primary frequency regulation auxiliary control system of doubly fed induction generator based on rotor speed control[J]. Proceedings of the CSEE, 2017, 37(24): 7077-7086.

[5] 張冠鋒, 楊俊友, 孫峰, 等. 基于虛擬慣量和頻率下垂控制的雙饋風電機組一次調頻策略[J]. 電工技術學報, 2017, 32(22): 225-232.

frequency regulation strategy of DFIG based on virtual inertia and frequency droop control[J]. Transactions of China Electrotechnical Society, 2017, 32(22): 225-232.

[6] 趙冬梅, 許瑞慶, 鄭立新. 全風況下雙饋風機參與調頻的協調控制策略研究[J]. 電力系統保護與控制, 2017, 45(12): 53-59.

ZHAO Dongmei, XU Ruiqing, ZHENG Lixin. Research on coordinated control strategy for DFIGs participating in system frequency regulation with different wind[J]. Power System Protection and Control, 2017, 45(12): 53-59.

[7] ZHAO J, LYU X, FU Y, et al. Coordinated microgrid frequency regulation based on DFIG variable coefficient using virtual inertia and primary frequency control[J]. IEEE Transactions on Energy Conversion, 2016, 31(3): 833-845.

[8] 李軍徽, 馮喜超, 嚴干貴, 等. 高風電滲透率下的電力系統調頻研究綜述[J]. 電力系統保護與控制, 2018, 46(2): 163-170.

LI Junhui, FENG Xichao, YAN Gangui, et al. Survey on frequency regulation technology in high wind penetration power system[J]. Power System Protection and Control, 2018, 46(2): 163-170.

[9] LI C, AHN C, PENG H, et al. Synergistic control of plug-in vehicle charging and wind power scheduling[J]. IEEE Transactions on Power Systems, 2013, 28(2): 1113-1121.

[10] KOUBA N E Y, MENAA M, HASNI M, et al. A novel optimal frequency control strategy for an isolated wind-diesel hybrid system with energy storage devices[J]. Wind Engineering, 2016, 40(6): 497-517.

[11] PAHASA J, NGAMROO I. Coordinated control of wind turbine blade pitch angle and PHEVs using MPCs for load frequency control of microgrid[J]. IEEE Systems Journal, 2016, 10(1): 97-105.

[12] 高翔. 現代電網頻率控制應用技術[M]. 北京: 中國電力出版社, 2010.

[13] MA H T, CHOWDHURY B H. Working towards frequency regulation with wind plants: combined control approaches[J]. IET Renewable Power Generation, 2010, 4(4): 308-316.

[14] 趙晶晶, 呂雪, 胡符楊, 等. 基于可變系數的雙饋風機虛擬慣量與超速控制協調的風光柴微電網頻率調節技術[J]. 電工技術學報, 2015, 30(5): 59-68.

ZHAO Jingjing, Lü Xue, HU Fuyang, et al. Frequency regulation of the wind/photovoltaic/diesel microgrid based on DFIG cooperative strategy with variable coefficients between virtual inertia and over-speed control[J]. Transactions of China Electrotechnical Society, 2015, 30(5): 59-68.

[15] ZHANG Q, LIU H, LI C. A hierarchical dispatch model for optimizing real-time charging and discharging strategy of electric vehicles[J]. IEEJ Transactions on Electrical and Electronic Engineering, 2018, 13(4): 537-548.

System frequency regulation strategy of electric vehicle cluster considering wind power grid-connected model

LI Yan1, ZHANG Qian1, LI Chen2, HU Xiqian1

(1. State Key Laboratory of Power Transmission Equipment & System Security and New Technology, Chongqing University, Chongqing 400044, China; 2. EHV Power Transmission Company of China Southern Power Grid, Guangzhou 510620, China)

In order to solve the low reliability of wind turbine frequency support due to the randomness and volatility of wind energy, electric vehicles and wind turbines are combined to participate in the system frequency regulation. Based on the division of wind speed region and the operation characteristics of wind turbine, the virtual inertia control, droop control and pitch angle control are used to establish the frequency regulation model. Combined with the EV cluster control strategy, through the allocation of system frequency regulation demand, the coordinated control strategy of EV cluster and wind power frequency regulation is proposed. The results show that the frequency regulation effect of wind turbines is better when the virtual inertia and droop control work together, and the effect when electric vehicles and wind turbines coordinated to participate in frequency regulation is better than that when wind turbines participate in frequency regulation independently. The simulation proves that the proposed coordinated frequency regulation strategy is able to suppress the frequency deviation, maintaining the system frequency reliability.

This work is supported by National Natural Science Foundation of China (No. 51507022).

electric vehicle; wind turbine; coordinated frequency regulation; virtual inertia control; droop control; pitch angle control

2018-07-29；

2018-08-27

李 嫣(1995—)，女，碩士研究生，研究方向為電動汽車與電網互動技術；E-mail: liyanly@cqu.edu.cn

張 謙(1980—)，女，通信作者，博士，副教授，研究方向為電力市場與電力系統安全經濟運行、電動汽車與電網互動技術。E-mail: zhangqian@cqu.edu.cn

國家自然科學基金項目(51507022)