基于麻雀搜索算法的三端口變換器功率協調控制

李 山,冉卓鑫,王琪湄

(1.重慶理工大學 電氣與電子工程學院, 重慶 400054;2.重慶市能源互聯網工程技術研究中心, 重慶 400054)

0 引言

近年來,光伏、風力等新能源發電技術的迅猛發展帶動了微電網等相關領域的發展。而大量新能源接入電網帶來了機遇,也帶來了一系列的挑戰。涂春鳴等[1]指出如何解決風、光等分布式能源的高效消納和功率的合理分配,以及如何提高系統穩定性和可靠性等問題是當下需要解決的重要問題。而如何在微電網中進行各種能源的互聯和功率協調分配,是解決問題的關鍵要素之一。

通常情況下,各種能源互聯的傳統做法是通過多個兩端口變換器來實現,但這種方法效率低、成本高、功率密度低。為此,采用一種三端口變換器(three port DC-DC converter,TPC)來代替傳統方式下功能單一的兩端口變換器。TPC具有結構緊湊、成本低、調控靈活、功率密度高等優點,在提高系統可靠性的同時能實現多種能源的互聯與集中控制。

通常,TPC根據拓撲可被劃分為非隔離型、部分隔離型和隔離型3種結構。非隔離型TPC由Buck、Boost等電路組合而來,由于各端口之間沒有電氣隔離,因此器件需求較少,經濟性較好;非隔離型TPC中有著大量的電感元件,導致其體積較大且僅適用于低壓環境,局限性較強。隔離型和部分隔離型TPC使用高頻變壓器來實現電壓調節、電氣隔離及功率交換;部分隔離型TPC綜合了非隔離型和隔離型TPC的特點,但仍存在一定缺陷,如無法解決各端口間的電壓匹配等問題。相較于前兩類拓撲,隔離型TPC能夠很好地彌補這種不足。

目前,相關研究主要聚焦于TPC拓撲結構[2-6],對于TPC各個端口之間的功率協調控制策略則研究較少。在工程領域中,PI控制因經濟性好和簡單可靠的特點,仍是較為常用的控制方法[7-10]。但傳統PI控制對被控對象數學模型的建立有較高要求,對于TPC這類復雜模型會導致產生響應速度慢、超調大等問題,通過引入麻雀搜索算法(sparrow search algorithm,SSA)可解決此類問題。SSA由于控制參數少、結構簡單,且能提高控制系統的穩定性和響應速度,被廣泛應用于非線性系統和解決各個領域的優化問題[11-17]。史永勝等[18]針對部分隔離型TPC拓撲,采用模糊PID控制來實現控制策略的優化,但模糊PID控制在復雜系統的控制精度和動態性能等方面有很多不足。張萍等[19]提出一種基于多策略的SSA算法優化微電網容量,通過SSA對風光儲能的微電網系統的優化實現自適應控制和優化控制,驗證了SSA在微電網容量優化方面具有更好的性能。王浩[20]將SSA算法應用于PID控制系統,發現通過麻雀搜索算法可以優化電路的布局方式,提高電路的穩態性能和動態響應。

綜上所述,從隔離型TPC的拓撲結構出發,提出了一種基于SSA算法的TPC功率協調控制策略。首先,介紹了隔離型TPC的拓撲結構以及等效模型的推導;然后,研究了隔離型TPC的功率流動工作模態,并根據實際情況劃分隔離型TPC的工況,推導并建立了隔離型TPC的小信號模型,設計了系統的解耦策略;隨后,提出了基于SSA的隔離型TPC功率協調控制策略;最后,對SSA算法與傳統PI算法進行仿真,證明SSA算法優化下的控制方法優于傳統PI控制。通過RT-LAB實驗平臺,驗證并實現了SSA算法下隔離型TPC的功率協調控制策略。

1 隔離型TPC的系統描述

隔離型TPC拓撲結構如圖1所示,由3個全橋單元和1個三繞組高頻變壓器組成,可通過調整和選擇不同的變壓器繞組匝數比來滿足多種電壓等級的供電需求。其中,1端口連接光伏電池,2、3端口分別連接直流母線和儲能電池。

圖1 隔離型TPC拓撲結構示意圖

根據隔離型TPC拓撲結構,繪制移相控制下TPC電壓波形如圖2所示。其中φ12是端口1和端口2電壓之間的移相角,φ13是端口1和端口3電壓之間的移相角;V1、V2、V3分別為3個端口的電壓。各個端口之間的功率傳輸方向和大小都可以通過調整移相角φ12和φ13來實現。

圖2 移相控制下TPC電壓波形示意圖

對拓撲進行等效變換,得到Y型等效電路(圖3所示)。其中,雙繞組變壓器的變比分別為n1∶n2,n3∶n2;Lm為變壓器的等效勵磁電感。u1、u2、u3和iL1、iL2、iL3分別為變壓器各繞組端口的等效方波電壓和輸入電流。

圖3 雙繞組變壓器等效模型

圖4 變壓器二次側等效模型

(1)

根據圖4(a)的等效電路,可得到TPC端口間能量傳遞表達式為：

(2)

其中：P12為端口1向端口2傳輸的功率,同理可得P13和P23。根據各端口傳輸功率的疊加,可以得到各端口的總功率：

(3)

其中：P1為端口1產生的總功率,同理可得P2、P3;V2為端口2的電壓,V1*為折算后端口1電壓,V3*為折算后端口3電壓。

式(2)、(3)為后續建模與功率協調控制策略提供了理論支撐。

2 隔離型TPC的控制策略

2.1 隔離型TPC的工作模態

針對移相角之間的大小關系,TPC各端口間傳輸功率的方向有多種情況。TPC的6種工作模態如圖5所示。

圖5 TPC的6種工作模態

在微電網的研究背景下,TPC的光伏端口僅輸出功率;母線端口和儲能端口吸收和輸出功率。綜上,僅需考慮模態(a)、(b)兩種情況即可實現微電網下的功率協調控制。

實際情況中,光照強度和溫度的變化都可能造成光伏端口輸出功率的波動,使母線電壓與功率發生波動。為了保持母線端口功率的穩定,需要用儲能端口來吸收冗余功率或補償功率缺額。同時,各個端口的功率關系滿足：

P1+P2+P3=0

(4)

式中：P1為光伏端口功率;P2、P3分別為母線端口功率和儲能端口功率。根據上述工作模態,TPC各個端口具體的功率傳遞工況可以分為3種,見圖6。

圖6 TPC功率傳輸工況

2.2 隔離型TPC的建模及解耦

將式(2)代入式(3),得到各個端口的輸出功率為

(5)

由式(4)可知,各個端口功率守恒,儲能端口的功率滿足

P3=-(P1+P2)

(6)

由式(6)可知,儲能端口的功率由光伏端口和母線端口的功率共同決定。對于儲能端口而言,無需對其單獨控制,僅需控制光伏端口和母線端口的功率,便可間接實現對儲能端口的控制。

推導光伏端口和母線端口的平均電流為

(7)

根據式(7),若端口電壓與開關頻率不變,I1、I2受φ12、φ13影響。而I1、I2與φ12、φ13是非線性的關系,因此需要對其進行偏微分運算處理使其線性化,得到TPC的小信號模型矩陣表達式為

(8)

(9)

由式(8)與式(9)可知電流變量ΔI1、ΔI2與移相角干擾量Δφ12、Δφ13的關系。根據式(8)可以得到如圖7所示的TPC小信號建模結構。

圖7 TPC小信號建模結構電路圖

由圖7可以看出,ΔI1和ΔI2分別受到干擾耦合項G21Δφ12和G12Δφ13的影響。這將導致TPC的電流變量相互耦合,不能獨立控制,故需要對模型進行解耦,以消除G21Δφ12和G12Δφ13對ΔI1和ΔI2的影響。前饋解耦結構如圖8所示。

圖8 前饋解耦結構電路圖

在解耦作用下,移相角變量為

(10)

ΔI1=G21Δφ12+G22Δφ13=

(11)

ΔI2=G11Δφ12+G12Δφ12=

洪澤縣位于淮河下游，蘇北平原。肩挑兩湖，四面環水，西接洪澤湖，東靠白馬湖，南臨淮河入江水道，北連蘇北灌溉總渠，境內河網密布，水域寬闊，總面積1 273.4km2，其中陸地面積734.6km2，水域及灘地面積538.7km2。全縣總耕地59.18萬畝（1 hm2=15畝，下同），有效灌溉面積45.5萬畝。境內有周橋、洪金兩個大型灌區，其中周橋灌區全部位于洪澤縣境內，洪金灌區涉及洪澤、金湖兩縣。

(12)

(13)

整理得到解耦網絡的表達式為

(14)

由此,得出電流ΔI1和ΔI2的表達式為

(15)

2.3 SSA算法

SSA算法是一種模擬麻雀尋找食物過程的優化算法。在SSA算法中,麻雀代表搜索過程中的解決方案,而食物代表問題的最優解。麻雀的行動包括搜索和優化2個過程,通過這2個過程來不斷地更新當前解,直至找到最優解。

算法中的麻雀可分為發現者、追隨者和警戒者,每只麻雀的位置都對應一個適應度值。麻雀種群中,發現者負責帶領種群搜索食物;追隨者跟隨發現者覓食以獲得最佳適應度值;警戒者進行全局的偵查,一旦發現危險則發出預警,通知麻雀種群撤離危險區。

發現者位置迭代表達式為

(16)

式中：T為最大迭代次數;R為正態分布的隨機數;t為當前迭代次數;α為(0,1)區間均勻分布的隨機數;P為(0,1)區間的警戒值;ST為(0.5,1)區間的安全值。H為1×l的常數矩陣,每個元素均為1。當P

(17)

警戒者位置迭代表達式為

(18)

式中：F為(0,1)的均勻隨機數;Pi為麻雀個體的當前位置,對應一個適應度值;Pg、Pw分別為經過第t次迭代,當前麻雀種群處于全局最優位置和最差位置。此外,為了防止分母為0,e為極小常數;設置均值為0、方差為1的步長控制參數為正態分布隨機數β。當Pi>Pg時,第i個警戒者位于麻雀種群邊緣,容易發現危險,該麻雀會向麻雀種群當前最優位置轉移,以逃避危險;當Pi=Pg時,第i個警戒者在處于種群的最優位置時發現危險,此時,該麻雀需要向種群中其他麻雀的位置轉移。

SSA算法流程見圖9。通過設定TPC在SSA算法下的適應度函數,對系統全局進行迭代與求解,以此求出全局的最優PI參數,實現對TPC的PI控制優化。

圖9 SSA算法流程

2.4 基于SSA算法的隔離型TPC的控制策略

由式(6)可知,儲能端口作為間接控制端口,其輸入和輸出等于光伏端口和母線端口的功率差值。因此,僅需控制光伏端口與母線端口的功率,即可實現對TPC各端口的功率控制。

圖10 基于SSA算法的TPC控制策略電路圖

(19)

其中：I1、V2為TPC實際輸出的電流、電壓;I1*、V2*為期望電流、電壓。通過迭代,求得目標函數最小值時,即解出PI參數為最優解。將求得的PI參數賦給PI1與PI2,實現對PI控制的優化。

3 仿真與實驗

3.1 仿真分析

為驗證上述推論,基于Matlab搭建TPC的仿真模型,參數設置見表1。

表1 TPC仿真參數設置

圖11與圖12分別為TPC在SSA算法與傳統PI控制下的功率協調控制策略仿真結果。由仿真結果可知：傳統PI控制下的波形在0.12 s后到達最大功率點,且各端口功率波動較大,母線端口功率超調嚴重;采用SSA優化下的波形在0.02 s達到最大功率點,且各端口功率未發生功率波動,母線端口功率無超調;在0.3 、0.6 s分別減弱光照強度,并在1 s時將母線端口電壓躍變,此時,傳統PI控制存在功率波動,經過0.03 s后達到穩定,而SSA控制下功率無波動。

圖12 傳統PI控制下TPC功率流動波形曲線

綜上,在各個功率切換點處,傳統PI控制雖能實現功率協調控制,但受模型復雜程度影響,控制效果存在超調、動態響應慢等問題;而使用SSA算法進行全局優化后,能提高整個TPC控制系統的動態響應能力與穩定性。

3.2 實驗

為驗證所提控制方法的正確性,基于圖13所示RT-LAB實驗平臺進行實驗。DSP控制器采用TI公司的TMS320F28335處理芯片,實驗參數與仿真模型一致。

圖13 RT-LAB實驗平臺實物圖

為驗證SSA算法下TPC的功率協調控制策略在不同工況之間切換的有效性和母線端口的穩定性,得到TPC啟動狀態的波形,如圖14所示。

圖14 TPC啟動狀態波形曲線

由圖14可知,當光伏端口經MPPT過程升至MPP點后,系統處于工況a的狀態,光伏端口的輸出功率完全滿足母線端口功率需求,儲能端口處于充電狀態,儲存多余功率;減小光照強度,系統仍處于工況a狀態,儲能端口吸收功率有所減少。

由圖15可知,光照強度持續減小,光伏端口的輸出功率無法滿足母線端口的功率需求,此時系統將切換為工況b,儲能端口將由充電狀態轉為放電狀態,功率方向反向,即向母線端口傳輸功率,彌補其功率缺額;當母線端口電壓突增,母線端口功率增大,系統將切換為工況c,此時光伏端口輸出功率不變,母線端口內功率過剩,即光伏端口和母線端口多余的功率都將流向儲能端口,通過儲能端口來吸收整個系統里多余的功率,實現各端口之間的功率平衡。

圖15 3種工況切換狀態

如圖16所示為母線端口的輸出電壓、電流波形。可以發現,母線端口的輸出電壓和電流在母線端口運行條件未改變時均穩定;當母線端口電壓從200 V突變到220 V時,母線端口將進行功率流向的切換。由于電流環的快速調節作用,母線端口電流經過一個輕微波動后,電流反向,功率流的方向進行了切換。同時,母線端口受到一個較為明顯的電壓沖擊,但經過短暫波動后,母線端口電壓仍能穩定在200 V左右,即母線端口有較好的電壓穩定性。

圖16 母線端口輸出電壓、電流波形示意圖

上述結果表明,在基于SSA算法的功率協調控制策略下,TPC可以穩定運行,并根據外部條件的變化切換工況。同時,無論是光伏端口或是母線端口運行狀態發生改變時,母線端口輸出電壓仍能維持穩定,進一步驗證了基于SSA算法下的TPC功率協調控制策略的正確性和可行性。

4 結論

1) 相比于PI控制,所提控制策略能平滑地進行各種工況的切換,提高整個控制系統的動態響應能力與穩定性。

2) 對SSA算法下TPC的功率協調控制策略進行RT-LAB實驗,證明SSA算法下的TPC能穩態運行,并能有效且平滑地實現各個端口間的工況切換。