風光互補發電系統的監督預測協調控制

馬苗苗，邵黎陽，潘軍軍，于少遠

風光互補發電系統的監督預測協調控制

馬苗苗1,2，邵黎陽1，潘軍軍1，于少遠1

(1. 華北電力大學 控制與計算機工程學院，北京，102206； 2. 華北電力大學 新能源電力系統國家重點實驗室，北京，102206)

針對風光互補發電系統的功率平衡與經濟調度問題，基于模型預測控制理論提出一種監督協調控制方法。首先，針對風力發電的非線性特征，設計滑模變結構控制器，使其在全工況下可以很好地響應負荷變化；其次，設計光伏發電的滑模變結構控制器，對其進行最大功率點控制，提高光伏子系統的轉換效率，降低光伏發電成本。在此基礎上，基于風力發電優先、光伏發電配合、必要時蓄電池補充的原則，選擇合理的目標函數，設計監督預測控制器進行協調控制，將監督預測控制器的輸出作為各子系統的參考輸入，對系統進行智能管理。研究結果表明：在復雜的氣象條件和變負荷擾動下，所提出的監督預測控制方法可以合理地分配子系統的輸出功率，既可滿足負載的需求，還可限制子系統輸出功率的過大波動，保護發電設備。

風光互補發電系統; 模型預測控制; 監督預測控制; 風能; 太陽能

隨著人們對能量需求的不斷增加以及傳統能源消耗帶來的環境污染問題越來越嚴重，可再生能源越來越受到人們的重視[1?3]。風能、太陽能[1?6]作為可再生能源具有分布廣泛、可再生、無污染等優點，同時，由于風能和太陽能擁有天然的晝夜互補性和季節互補性[7?8]，能夠降低由單一資源所造成的電力供應不足或不平衡問題，使得風光互補發電系統成為實現可再生能源綜合優化利用的有效途徑之一。功率平衡及經濟調度問題是電力系統穩定、經濟運行的基礎。所謂功率平衡是指微電網中所有負荷消耗的功率必須與所有電源發出的功率相等，經濟調度是指用最小的成本實現功率平衡，這2個問題都是通過協調各個發電單元輸出功率來實現的，本質上可以看作風光互補發電系統中各子系統的協調控制與優化問題[8?9]。對于傳統的風能、太陽能發電系統的控制問題，近幾年許多研究者基于不同的理論提出了大量的控制方法，如自適應控制[8?9]、模糊控制[10]、魯棒控制[11?12]等。VALENCIAGA等[13]首先針對風光互補系統中風能系統提出了滑模變結構控制策略，建立了風力發電子系統的非線性模型，將光伏發電系統產生的電流視作干擾，并基于此模型設計滑模變結構控制器，調節風力發電輸出功率來跟蹤負荷需求，在發電系統供電不足的情況下使用蓄電池儲能系統進行短時間補充，克服電能輸出波動。VALENCIAGA等[13]對風光互補發電系統的光伏發電子系統控制策略進行了研究，控制器的設計也是基于滑模變結構控制，其中光伏發電子系統有2種工作模式：當光照充足時，光伏發電輸出能夠充分供給外界負荷需求，即光伏發電系統響應負載需求模式；當光照不充足、光伏發電輸出不能充分供應外界負荷需求時，采用最大功率點跟蹤(MPPT)模式。上述研究大多關注于獨立的風能或太陽能發電系統的控制策略，很少涉及風光互補發電系統的協調控制。ZAZO等[11]采用應用監督控制進行風光互補發電系統的協調控制。監督層首要的控制目標是各個子系統相互協調配合，共同滿足負載需求；其次，維持蓄電池的狀態，防止其被過度充放電，從而延長電池的使用壽命。PRAKASH等[14]給出了各個子系統的負荷分配方案，但未對各個子系統的給定功率進行優化協調配置。JIA等[15]提出了風光互補發電系統的分布式模型預測控制算法，采用BP神經網絡對風光互補發電系統的非線性模型進行線性化，根據線性化模型來設計分布式模型預測控制器，但由于其控制器設計是針對線性化的模型，不能有效地實現全工況控制。本文作者在文獻[16?17]的基礎上，針對風力發電子系統和光伏發電子系統，分別設計滑模變結構控制器，使其在全工況下可以很好地響應負荷變化；同時，基于風力發電優先、光伏發電配合、必要時蓄電池補充的原則，設計監督預測控制器進行協調控制。因為風光互補發電系統的各個子系統獨立運行并且具有很強的非線性特性，而模型預測控制具有很強的處理復雜目標函數和各種復雜約束的能力以及優越的動態性能，故將監督預測控制算法和風光互補發電模型相結合，以便對其進行控制和優化。

1 風光互補發電系統的描述

風光互補發電系統由3個相互獨立的子系統即風力發電子系統、光伏發電子系統、蓄電池儲能子系統(用來彌補發電量不足時短暫的電能供應)組成[16]。圖1所示為風光互補發電系統結構圖。

圖1 風光互補發電系統結構

1.1 風力發電子系統的數學模型

風力發電子系統包括風輪、多極永磁同步發電機(PMSG)、整流器和DC/DC轉換器4部分，并通過直流母線與其他設備相連，如圖1所示。DC/DC變換器通過調整PMSG終端電壓間接控制風力發電機的輸出功率[18]。風輪負責捕獲風能，并將風能轉換為風輪旋轉的機械能，進而通過齒輪傳動系統來驅動發動機產生電能。風力發電機從風中獲得的機械功率m為[13]

式中：為空氣密度；為風力機葉片迎風掃掠面積；為風速；p()為實際風能利用系數；為葉尖速比。吸收風能后，風輪葉片所產生的機械轉矩為

式中：i和i為?轉子坐標系中的定子電流；e為電角速度；s和分別為單相定子電阻和電感；為葉輪的轉動慣量；m為轉子永磁體磁極的勵磁磁鏈；b為直流母線上的電壓；w為風機的控制信號(DC/DC轉換器占空比)。將式(1)，(2)和(3)改寫成以下緊湊 形式：

1.2 光伏發電子系統的數學模型

光伏發電子系統由光伏(photovoltaic，PV)陣列和半橋式DC/DC變換器構成，并通過直流母線連接到其他設備，如圖1所示。類似于風力發電子系統，DC/DC變換器用于間接控制光伏電池的輸出功率。光伏發電子系統的數學模型為[10]：

式中：pv為光伏陣列的端口電壓；s為注入直流母線的電流；和為降壓變換器的電氣參數；pv為控制信號；pv為光伏陣列的輸出電流；ph為參考光照強度下的光電流；rs為光伏電池的反向飽和電流，一般而言，其數量級為10?4A；p和s分別為陣列中光伏電池的并、串聯個數；=1.38×10?23J/K，為玻爾茲曼常數；為光伏電池的熱力學溫度；c為光伏電池中半導體電池的P?N結常系數，取值范圍為1~5[16]。光伏發電子系統注入直流母線的功率為

這個功率間接取決于控制信號pv。將模型(1)~(5)改寫為以下緊湊形式：

1.3 蓄電池儲能系統的數學模型

在獨立運行的風光互補發電系統中，儲能裝置主要是蓄電池。在風力、光照充足時，系統發電量能夠滿足外界負載，還會多余電能，蓄電池進行充電；在風力、光照不足時，系統無法滿足外界負荷需求，蓄電池進行放電，提供給負載，提高供電品質。考慮到風光互補發電系統的使用環境，一般采用的是閥控密封鉛酸電池組[19]。可以將其簡化為1個電壓源b串聯1個電阻b和1個電容b，DC總線上的電壓可以描述為

式中：c為電容b的電壓；s為光伏系統注入直流母線的電流；L為負載電流。

將其改寫成以下緊湊形式：

2 風光互補發電系統控制器設計

2.1 風力發電子系統滑模變結構控制器設計

當負荷功率給定時，根據風能充足或不足這2種情況，風力發電子系統有2種不同的工作模式。

模式1：當風能足夠時，風力發電子系統的發電能力足夠滿足負載需求，只需跟蹤給定功率。

模式2：當風能不足時，風力發電子系統的最大發電能力小于負載需求，此時要求系統處于最佳葉尖速比，以最大風能利用系數運行。

風力發電子系統的最大功率Pmax為[17]

其中，選取的控制輸入為

式中：

2.2 光伏發電子系統滑模變結構控制器設計

光伏發電系統的運行受環境條件(日照、溫度)的影響，在不同的條件下系統將會在不同的模式下運行。當光照充足時，系統發電功率大于負載需求，只需跟蹤給定功率；當光照不足時，系統的輸出功率不能滿足負載需求，此時要求系統運行在最大功率點。

由光伏電池的特性可知，光伏子系統的最大輸出功率點可由下式[14]得到：

即

根據文獻[14]，光伏發電子系統的最大可發功 率為

光伏發電子系統的滑模變結構控制器可設 計為[10]：

2.3 風光互補發電系統監督預測控制器設計

風光互補發電系統的監督預測控制結構圖如圖2所示，其中，監督預測控制器負責根據外界的自然條件(變化的風速、光照、溫度及負荷)，實時分配子系統的給定功率。前面為風力發電子系統和光伏發電子系統設計的滑模變結構控制器負責跟蹤監督預測控制器分配的給定功率。

圖2 風光互補監督預測控制結構

本文所設計的監督預測控制器如下：

式(10)為優化的目標函數，用于優化子系統的給定功率；式(11)和式(12)表示使各子系統的給定功率小于該采樣周期內各子系統所能發出的最大功率的最小值，保證系統可行性；式(13)和式(14)約束了各子系統的給定功率在1個采樣周期變化量，避免風機與光伏系統短期間變化量過大造成系統損耗；式(15)為系統模型；式(18)和式(19)表征了最大可用給定功率與系統的狀態之間的關系。在監督預測控制器尋優過程中，為了得到未來時刻的各個子系統的最大可用功率，假設采樣時間內的風速、光照和溫度是恒定的。只要采樣時間和預測時域都足夠短，則由陣風引起的高頻率擾動可以被合理忽略。

基于風力發電優先，光伏發電配合，必要時蓄電池補充的原則，定義目標函數如下：

3 仿真與分析

利用前面設計的監督預測控制器對風光互補發電系統進行仿真研究。在整個仿真過程中，選取預測時域p=3，控制時域c=3，采樣時間s=1 s。風光互補發電系統參數如表1所示[13?16]。

表1 風光互補發電系統參數

3.1 考慮風力發電給定功率Pwref和光伏發電給定功率Psref變化量約束的仿真

假設=12.8 m/s，=60℃，=80 mW/cm2，dwmax=1.0 kW，dsmax=0.5 kW，仿真時間為30 s。在0~9 s時，負載負荷t=1.5 kW；在9~18 s時，負載負荷t=3.0 kW；在18~27 s時，t=2.0 kW。假設開始時wref=1.0 kW，sref=0.5 kW，仿真結果如圖3所示。

圖(a)中，實線表示負載需求Pt；虛線表示風機與光伏的共同輸出功率；圖(b)中，虛線表示風機最大可發功率Pwmax=2.029 kW，實線表示風機實際發電功率Pw；圖(c)中，虛線表示光伏最大可發功率Psmax=1.262 kW，實線表示光伏實際發電功率Ps。

基于風力發電優先的原則，仿真開始時風機沒有達到最大功率點，所以，w上升至1.500 kW，s下降至0 kW。假設未來短時間內的負荷變化信息是已知的，=7 s時監督預測控制器預測負荷會在=9 s時會發生1.500 kW躍變，因此，提前改變子系統的功率分配。從圖3可見：在=8 s時，確保風光互補發電系統發電功率滿足總功率的前提下，減小風機發電負荷，w下降到1.029 kW，并啟動光伏發電，s上升到 0.471 kW。其目的是在有約束的情況下，在=9 s能使總功率最大化增加1.500 kW達到3.000 kW。若沒有采用監督預測控制，直到=8 s時，風力發電系統都可以滿足外界負荷的要求，則光伏發電就沒辦法提前啟動。到=9 s時，負荷突然改變，光伏發電最大功率增幅dsmax只有0.500 kW，風機從1.500 kW上升到最大功率點2.029 kW，也只能提供0.529 kW的增幅，兩者相加只能增加1.029 kW，不能滿足負荷1.500 kW的增幅，不能很好地響應負荷變化。同樣，在=18 s時，光伏功率s從0.971 kW下降至0.500 kW，風機功率w從2.029 kW下降至1.529 kW，快速跟蹤負荷t的變化。然后，為讓風力發電優先，w上升至2.000 kW，光伏功率s下降至0 kW。風力發電子系統和光伏發電子系統給定功率的提前變化，表明利用監督預測控制可以很好地處理各子系統輸出功率增幅的約束限制。

3.2 變化的自然條件下的仿真

假設系統處于實時變化的氣象條件中，仿真時間為180 s。風速、外界溫度及光照強度均為隨機變化的函數，外界負荷需求t在開始時為2.000 kW，15 s時下降至1.500 kW，25 s時上升至2.500 kW，60 s時上升至4.000 kW，100 s時躍變下降到3.000 kW，150 s時回升至4.000 kW。

圖4所示為外界環境的變化和相應時間下的負荷需求，其中，圖4(a)所示為外界風速變化情況，圖4(b)所示為光照強度變化情況，圖4(c)所示為溫度變化情況，圖4(d)所示為外界負荷需求。

(a) 風速v；(b) 光照強度λ1； (c) 溫度；(d) 外界的負荷需求

在外界環境條件不斷變化時，各子系統輸出功率的變化情況見圖5。從圖5可以看到：在0~60，93~120和130~158 s時，風光互補發電系統能提供足夠電量，滿足負載需要，此時，蓄電池處于關閉狀態；而在其他時間，負載需求過大，以至于在當時氣象條件下的風光互補發電系統的最大發電能力都不足以滿足需求。這時，監督預測控制器使得風光互補發電系統按照它們的最大能力發電，并且啟動蓄電池以彌補短期的電力缺口。

圖(a)中，虛線表示外界總的負荷需求，實線表示風力發電子系統和光伏發電子系統的功率輸出總和，點劃線表示蓄電池的輸出功率；圖(b)中，虛線表示風力發電子系統在對應風速下的最大輸出功率，實線表示風力發電子系統的實際功率輸出值；圖(c)中，虛線表示光伏發電子系統在對應日照強度和溫度下的最大輸出功率，實線表示光伏發電子系統實際功率輸出值。

3.3 考慮高頻擾動的自然條件下的仿真

前面都是假設氣象條件參數如風速、光照和溫度在1個采樣周期內的變化很小或者說可以忽略不計。這種假設在絕大部分情況下都是合理的，但考慮到一些極端的氣象條件譬如遭遇短時雷暴雨、強風或者積雨云，風速和光照都會發生強烈擾動，因此，有必要考慮系統在嚴苛的自然條件下的性能。

圖6所示為外界環境條件和相應時間下的負荷需求。從圖6可以看出自然條件(風速、光照強度、溫度)都出現了高頻擾動。圖7所示為考慮高頻擾動的自然條件下各子系統輸出功率的變化情況。從圖7可以看出：系統在外界自然條件高頻擾動的情況下，輸出曲線與先前曲線的大致走向相似，顯示了很好的魯棒性。子系統的最大可發功率也隨氣象條件不同強烈波動，但監督預測控制系統還是很好地滿足了負載需求。

(a) 風速；(b) 光照強度；(c) 溫度；(d) 外界負荷

圖(a)中，虛線表示外界總的負荷需求，實線表示風力發電子系統和光伏發電子系統的功率輸出總和，點劃線表示蓄電池的輸出功率；圖(b)中，虛線表示風力發電子系統在對應風速下的最大輸出功率，實線表示風力發電子系統的實際功率輸出值；圖(c)中，虛線表示光伏發電子系統在對應日照強度和溫度下的最大輸出功率，實線表示光伏發電子系統實際功率輸出值。

4 結論

1) 對風光互補發電模型運用監督預測控制進行優化管理和操作，通過監督預測控制器相互交互、傳遞各子系統所需信息，從而有效地協調分配各個子系統的輸出功率達到最優。

2) 系統基于風力發電優先、光伏發電配合、必要時候再用蓄電池補充的原則，選擇合理的目標函數，同時考慮了各子系統實際輸出功率和給定功率限制，避免輸出波動過大、發生電流突變的現象。

3) 系統控制器設計加入了給定功率最大變化率的約束條件，避免設備頻繁啟停以保證設備使用壽命。

4) 在復雜的氣象條件和變負荷的擾動下，所提出的監督預測控制方法可以很好地協調各子系統的輸出功率，使風光互補發電系統的輸出功率滿足外界符合需求，同時盡量減少風光互補發電系統的電流突變，保護發電設備。

[1] LIU Liqun, WANG Zhixin. The development and application practice of wind–solar energy hybrid generation systems in China[J]. Renewable and Sustainable Energy Reviews, 2009, 13(6): 1504?1512.

[2] LI Chong, GE Xinfeng, ZHENG Yuan, et al. Techno-economic feasibility study of autonomous hybrid wind/PV/battery power system for a household in Urumqi, China[J]. Energy, 2013, 55(1): 263?272.

[3] HOSENUZZAMAN M, RAHIM N A, SELVARAJ J, et al. Global prospects, progress, policies, and environmental impact of solar photovoltaic power generation[J]. Renewable & Sustainable Energy Reviews, 2015, 41: 284?297.

[4] BAYRAK G, KABALCI E. Implementation of a new remote islanding detection method for wind-solar hybrid power plants[J]. Renewable & Sustainable Energy Reviews, 2016, 58: 1?15.

[5] SIDDAIAH R, SAINI R P. A review on planning, configurations, modeling and optimization techniques of hybrid renewable energy systems for off grid applications[J]. Renewable & Sustainable Energy Reviews, 2016, 58: 376?396.

[6] PARIDA A, CHATTERJEE D. An improved improved control scheme for grid connected doubly fed induction generator considering wind-solar hybrid system[J]. International Journal of Electrical Power & Energy Systems, 2016, 77: 112?122.

[7] LI Kewen, BIAN Huiyuan, LIU Changwen, et al. Comparison of geothermal with solar and wind power generation systems[J]. Renewable & Sustainable Energy Reviews, 2015, 42: 1464?1474.

[8] HOLJEVAC N, CAPUDER T, KUZLE I. Adaptive control for evaluation of flexibility benefits in micro-grid systems[J]. Energy, 2015, 92(4): 487?504.

[9] 吳亮紅, 徐睿, 左詞立, 等. 求解一類雙層規劃的自適應變異動態差分進化算法[J]. 中南大學學報(自然科學版), 2016, 47(10): 3436?3444. WU Lianghong, XU Rui, ZUO Cili, et al. A self-adaptive mutation dynamic differential evolution algorithm for a class of bi-level programming problem[J]. Journal of Central South University (Science and Technology), 2016, 47(10): 3436?3444.

[10] LOIA V, TOMASIELLO S, VACCARO A. Using fuzzy transform in multi-agent based monitoring of smart grids[J]. IEEE Transactions on Power Electronics, 2017, 388/389: 209?224.

[11] ZAZO J, ZAZO S, MACUA S V. Robust worst-case analysis of demand-side management in smart grids[J]. IEEE Transactions on Power Electronics, 2016, 8(2): 662?673.

[12] LI Zhigang, WU Wenchuan, SHAHIDEHPOUR M, et al. Adaptive robust tie-line scheduling considering wind power uncertainty for interconnected power systems[J]. IEEE Transaction on Power Systems, 2015, 31(4): 2701?2713.

[13] VALENCIAGA F, PULESTON P F, BATTAIOTTO P E, et al. Passivity/sliding mode control of a stand-alone hybrid generation system[J]. IEE Proceedings: Control Theory and Applications, 2000, 147(6): 680?686.

[14] PRAKASH M, PREETHA R. Supervisory control of standalone wind/solar energy generation systems[C]//2014 IEEE 8th International Conference on Intelligent Systems and Control: Green Challenges and Smart Solutions. Coimbatore, India, 2014: 199?205.

[15] JIA Yubin, LIU Xiangjie. Distributed model predictive control of wind and solar generation system[C]//Control Conference (CCC), 2014 33rd Chinese. Hangzhou, China, 2014: 7795?7799.

[16] VALENCIAGA F, PULESTON P F. Variable?structure?system?control?design method based on a?differential?geometric?approach: application to a?wind?energy?conversion subsystem[J]. IEE Proceedings: Control Theory and Applications, 2004, 151(1): 6?12.

[17] VALENCIAGA F, PULESTON P F, BATTAIOTTO P E. Power control of a photovoltaic array in a hybrid electric generation system using sliding mode techniques[J]. IEE Proceedings: Control Theory and Applications, 2001, 148(6): 448?455.

[18] 廖高華, 烏建中, 來鑫. 風電葉片雙錘激振加載振動耦合特性及實驗研究[J]. 中南大學學報(自然科學版), 2016, 47(11): 3692?3699. LIAO Gaohua, WU Jianzhong, LAI Xin. Experimental study and coupling characteristics of double hammer excitation fatigue loading system[J]. Journal of Central South University (Science and Technology), 2016, 47(11): 3692?3699.

[19] FULLER M E. A battery model for constant-power discharge including rate effects[J]. Energy Conversion & Management, 2014, 88: 199?205.

(編輯 陳燦華)

Supervisory predictive coordinated control of wind/solar energy generation systems

MA Miaomiao1,2, SHAO Liyang1, PAN Junjun1, YU Shaoyuan1

(1. School of Control and Computer Engineering, North China Electric Power University, Beijing 102206, China;2. State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources, North China Electric Power University, Beijing 102206, China)

A supervisory predictive coordinated control method was proposed for the power balance and economic dispatch problems of wind/solar energy generation systems based on model predictive control theory. First of all, based on the highly nonlinear feature of the wind generation system, the sliding mode controllers for it were designed to satisfy the load power demand in the full operating conditions. Then, a sliding mode variable structure sub-controller was proposed based on the control of the maximum power point tracking for the photovoltaic cells. It improved the conversion efficiency of photovoltaic cells and decreased the cost of solar generation systems. The reasonable optimization objective function of supervisory predictive controller was selected based on the principle that the wind subsystem was operated as the primary generation system, while the solar subsystem was considered as the auxiliary generation system and the battery bank was only activated when the wind/solar subsystem could not satisfy the power demand. The designed supervisory predictive controller computed the power references for the wind and solar subsystems and the power references were sent to two local controllers which drove the two subsystems to the power references. The results show that the proposed supervisory predictive control method can allocate the output power of subsystems reasonably under varied environment conditions, which can not only satisfy the load demand but also limit excessive fluctuations of output power to protect the power generation equipment.

wind/solar hybrid generation systems; model predictive control; supervisory predictive control; wind energy; solar energy

10.11817/j.issn.1672?7207.2018.10.029

TU528.53

A

1672?7207(2018)10?2602?08

2017?11?12；

2018?01?15

國家自然科學基金資助項目(61873091); 北京市自然科學基金資助項目(4173079)；中央高校基本科研業務費專項資金資助項目(2017ZZD004, 2015MS28)(Project(61873091) supported by the National Natural Science Foundation of China; Project(4173079) supported by the Natural Science Foundation of Beijing Municipal; Projects(62017ZZD004, 2015MS28) supported by Fundamental Research Funds for the Central Universities)

馬苗苗，博士，副教授，碩士研究生導師，從事先進控制與系統仿真研究；E-mail：mamm@ncepu.edu.cn