[0029] 方法三:当光伏系统发电量和储能模块电量总和小于负载消耗电量,同时大于重要负荷消耗量时,为保证系统的稳定,切出可切负载和可控负载,使光-储直流微电网运行于最基础的运行状态。
[0030] 本发明采用以上技术方案与现有技术相比,具有以下技术效果:
[0031] 光-储直流微电网预测控制技术,通过系统中发电电量与用电电量的检测数据,与三级可变负载和电池荷电状态进行结合,确定系统运行控制策略。三种运行状态分为场景一:当光伏系统发电量大于负载消耗电量,即PPV>PLoad时;场景二:当光伏系统发电量和储能模块电量总和小于直流负载消耗电量,同时大于重要直流负荷消耗量和可控直流负载消耗量时,即PSLoad+PTLoad<PPV+PESS<PLoad时;场景三:当光伏系统发电量和储能模块电量总和小于负载消耗电量,同时大于重要负荷消耗量时,即PSLoad<PPV+PESS<PLoad时;结合三级可变负载(可切直流负载、可控直流负载和重要直流负载)和电池最佳运行状态SOC(k)∈(SOCmin,SOCmax),决定系统的运行模式,本专利根据控制策略可以维持整个光-储直流微电网的稳定、安全和经济的运行,储能模块可以保证系统母线电压的稳定,通过与三级可变直流负载和储能模块的结合最大限度的消纳光伏模块产生的电量,因此光伏模块可以稳定工作在最大输出状态;对储能模块的预测控制,提前预测电池的荷电状态,避免电池的深充/深放,通过后备电池之间的切入/切出,保障电池运行在最佳工作区域,从而延长电池使用寿命,降低整个光-储直流微电网系统的维护成本;光-储直流微电网系统的稳定运行,可以减少传统一次化石能源的消耗量,不仅节能环保,而且可以缓解边远地区用电不便的困难,减少大电网建设的投资费用。
附图说明
[0032] 图1是本发明光-储直流微电网整体结构框图;
[0033] 图2是本发明光伏发电结构框图;
[0034] 图3是本发明光伏电池等效电路;
[0035] 图4是本发明光伏电池仿真模型;
[0036] 图5是本发明Boost电路拓扑结构
[0037] 图6是本发明定步长扰法控制流程图;
[0038] 图7是本发明扰动观察法的MPPT仿真模型;
[0039] 图8是本发明MPPT控制方式下的光伏电池Boost电路;
[0040] 图9(a)是本发明光伏阵列输出电流;
[0041] 图9(b)是本发明光伏阵列输出电压;
[0042] 图9(c)是本发明光伏阵列输出功率;
[0043] 图10是本发明锂离子电池工作原理图;
[0044] 图11是本发明锂电池的等效电路图;
[0045] 图12是本发明Buck-Boost双向DC/DC变换器结构;
[0046] 图13是本发明Boost模式等效电路;
[0047] 图14是本发明Buck模式等效电路;
[0048] 图15是本发明Buck-Boost双向DC/DC变换器仿真模型;
[0049] 图16是本发明电池荷电状态预测流程图;
[0050] 图17是本发明基于最小二乘法的预测曲线和实际曲线;
[0051] 图18是本发明光-储直流微电网运行控制流程图;
[0052] 图19(a)是本发明工作电池SOC临界20%,切出控制,备用电池切入控制荷电状态变化图;
[0053] 图19(b)是本发明工作电池SOC临界80%,切出控制,备用电池切入控制荷电状态变化图;
[0054] 图20是本发明光储直流微电网仿真图。
具体实施方式
[0055] 下面结合附图对本发明的技术方案做进一步的详细说明,所述实施例的示例在附图中示出,其中所述本技术领域技术人员可以理解的是,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
[0056] 下面结合附图来描述本发明实施的一种光-储直流微电网预测控制技术。
[0057] 如图1所示,是光-储直流微电网整体结构框图,该结构框图中包含光储直流微电网的整体结构,包括3个光伏发电系统、储能模块、直流母线、三级可变直流负载(可切直流负载、可控直流负载和重要直流负载)和直流微电网控制中心。
[0058] 如图2所示,是光伏发电结构框图,太阳能光伏发电系统由光伏整列、Boost升压电路、逆变器、变压器组成。
[0059] 如图3所示,是光伏电池等效电路,
[0060]
[0061] 式中:Iph为光伏阵列电流;Io为反向饱和电流;q为电子电荷(1.6*10-19C);n为二极管因子;K为玻耳兹曼常数(1.38*10-23J/K);Rs为串联电阻;Rsh为并联电阻;
[0062] 在实际的工程实践中,根据厂家在标准状态下(日辐照度SB=1kW/m2,电池温度TB=25℃)对光伏电池的测试参数Isc,Voc,Im,Vm建模,在式(1)的基础上做两个近似。
[0063] (1)由于Rsh非常大,所以忽略(V+RsI)/Rsh项;
[0064] (2)Rs远小于二极管正向导通电阻,所以假设Isc=Iph。
[0065] 基于以上假设,光伏电池I-V方程简化为:
[0066]
[0067] 最大功率点时
[0068]
[0069] 可解C1,C2得:
[0070]
[0071]
[0072] 当辐照强度和电池温度均有变化时,重新计算Isc_new,Voc_new,Im_new,然后求出C1_new,C2-new即可得新的I-V特性曲线:
[0073]
[0074] ΔT=T-TB (7)
[0075] Voc_new=Voc(1-cΔT)(1+bΔS) (8)
[0076]
[0077]
[0078] Vm_new=Vm(1-cΔT)(1+bΔS) (11)
[0079] 式中系数a,c采用典型值:a=0.0025/℃;c=0.00288/℃。系数b采用优化后的参数值:b=-0.1949+7.056*10-4*S
[0080] 根据上述数学模型公式,在MATLAB/simulink仿真平台搭建光伏电池仿真模型,如图4所示光伏电池仿真模型,其中输入分别是光照、温度、工作电压,输出是电流和功率。
[0081] 如图5所示,是Boost电路拓扑结构,实际系统中一般选用Boost斩波电路,既可以保证光伏阵列始终工作在输入电流连续的状态,又可以升压保证逆变器正常工作。
[0082] 升压斩波电路工作原理假设L和C值很大。V处于通态时,电源E向电感L充电,电流恒定I1,电容C向负载R供电,输出电压Uo恒定。V处于断态时,电源E和电感L同时向电容C充电,并向负载提供能量。
[0083] 基本的数量关系
[0084] 当电路工作于稳态时,一个周期T中电感L积蓄的能量与释放的能量相等,即[0085] EI1ton=(U0-E)I1toff (12)
[0086] 化简得
[0087]
[0088] 上式中T/toff≥1,D是占空比。
[0089] 如图6所示,是定步长扰法控制流程图;关于最大功率点跟踪(maximum power point tacking,MPPT)控制,其主要目的就是要根据光伏阵列的伏安特性,利用一些控制策略保证其工作在最大功率输出状态,以最大限度地利用太阳能。专利采用基于定步长的扰动观测法来追踪光伏电池的最大功率。定步长扰动观察法(Perturbation Observation)主要工作原理是周期性地给PV电池的输出电压施加一个定步长的扰动ΔU,如果下一时刻功率变大,则继续保持原方向扰动,反之,则负向扰动,直到追踪到MPP为止。定步长扰动观察法工作流程图如图4-5所示。其中D为驱动Boost电路MOS管的占空比,Δd为定步长。
[0090] 在MATLAB/simulink中搭建如图7所示MPPT仿真模型。确定扰动步长,加入滞环实现该算法的扰动,通过步长值变化,对光伏系统模型进行仿真,最终得出步长取0.0001仿真效果最为理想。
[0091] 如图8所示,是MPPT控制方式下的光伏电池Boost电路;改变DC-DC变换电路,也就是改变Boost电路中的控制器件的PWM的占空比,进而获得最佳阻抗匹配,最终实现MPPT控制。光伏电池是一个电流源模型,对其Iout端口连接一个受控源,用于实现和电子元件的对接。在光伏电池两端并联330uf的支撑电容,1000uf的输出电容,取3.2mH的电感L。设置MPPT子模块的延迟环节和零阶保持器均以0.0001s的采样时间,设置占空D比初值为0.5,PWM模块中三角载波频率5kHz,幅值1。
[0092] 设置光照强度、温度初始值分别为1000W/m2、25℃,分别在0.6s和1.4s处施加光照强度为-300W/m2和温度为+30℃的扰动,最终仿真得到如图9(a)所示光伏阵列输出电流;如图9(b)所示光伏阵列输出电压;如图9(c)所示光伏阵列输出功率。
[0093] 如图10所示,是锂离子电池工作原理图;锂离子电池是一种利用锂离子在正负极材料之间嵌入和脱出的性能来实现充放电的二次电池。锂离子电池正极采用锂化合物LixCoO2,LiFePO4,LixNiO2或LixMn2O4,负极采用锂-碳层间化合物LixC6,。电解质为溶解有LixPF6,LixAsF6等的有机溶液。在不同类型的锂电池中,磷酸铁锂电池由于材料来源广泛、价格低廉、无污染等优势受到广泛关注。相比较其他类型的锂电池,磷酸铁锂在高温下稳定性好,抗过充能力强,使用过程中安全性高,同时工作电压适中,电压平台特性好,非常平稳,同时与大多数电解液系统兼容性好,储能性好,无记忆效应,可以大电流充电等优点。因此,本文中选取磷酸铁锂电池作为储能设备。
[0094] 磷酸铁锂电池充放电化学过程
[0095] 充电过程:
[0096] LiFePO4-xLi+-xe-→xFePO4+(1-x)LiFePO4 (14)
[0097] 放电过程:
[0098] FePO4+xLi++xe-→xLiFePO4+(1-x)LiFePO4 (15)
[0099] 由于FePO4和LiFePO4具有类似的结构,经过多次充放电其橄榄石晶型结构保持稳固。因此磷酸铁锂电池循环充放电性能优越。锂离子电池以金属锂化物为正极材料,石墨为负极材料。在充电过程中,Li+从正极脱出,通过电解液后嵌入负极,电子则由外电路到达负极,从而形成了电流。在放电过程中,Li+从负极脱出,通过电解液后嵌入正极,电子由外电路到达正极,形成电流。
[0100] 如图11所是,锂电池的等效电路图;根据磷酸铁锂电池充放电特性,抽象出锂电池的通用数学模型
[0101] 锂电池放电公式(i*>0)
[0102]
[0103] 锂电池放电公式(i*<0)
[0104]
[0105] 式中:
[0106] E0:压,单位:V
[0107] K:化电阻,单位:Ω
[0108] i*:区域电流,单位:A
[0109] i:池电流,单位:A
[0110] it:容量,单位:Ah
[0111] Q:池最大容量,单位:Ah
[0112] A:指数电压,单位:V
[0113] B:指数容量,单位:Ah-1
[0114] 锂电池的最佳SOC工作区,磷酸铁锂电池具有安全性高、循环寿命长、可大电流快速充放电、高温性能好、大容量、无记忆效应等优点。影响磷酸铁锂电池性能的因素有很多,其中电池荷电状态(SOC)是影响电池性能的主要因素之一,如果电池经常在不合理的SOC水平下工作,会严重影响电池的使用性能,降低使用寿命。比如对电池进行过充过放,轻则加速电池老化、降低电池功率,重则使电池析气、失效甚至起火。有实验表明,在常温环境下对电池过充时,电池内部的Li+会大量脱出,使生成的FePO4增多,同时电池的极化电阻和极化电势急剧升高,正极材料进行不可逆分解,并释放出大量的热量和氧气在电池内部集聚,从而导致电池鼓胀变形,加大了电池着火和爆炸的可能性;电池过放时电池负极的性能受到破坏,负极表面上的电解质界面膜发生分解,集流体铜箔受到较严重的氧化腐蚀,导致负极阻抗增大,极化现象增强,最终造成电池损坏或者失效。综合研究磷酸铁锂电池的开路电压、极化电压和内阻,最终确定电池运行的最佳荷电状态为20%-80%。
[0115] 如图12所示,是Buck-Boost双向DC/DC变换器结构;双向DC/DC变换器根据输入、输出是否隔离可分为带隔离和不带隔离的双向DC/DC变换器,常用的结构有Buck-Boost变换器、Cuk变换器、SEPIC变换器和Zeta变换器。其中带隔离的双向DC/DC变换器采用变压器隔离,导致其成本、体积、重量都有所增加,此外,带隔离的变换器还会产生严重的电磁干拢。而Buck-Boost变换器具有结构简单、电压变换系数变化范围宽、技术成熟、应用较为广泛等特点,因此本专利中选取改电路结构。Buck/Boost变换器由电感L,滤波电容C1、C2,开关器件T1、T2和续流二极管D1、D2构成,V1、V2分别为Buck/Boost变换器低压端、高压端电压。图13是Boost模式等效电路;图14是Buck模式等效电路;图15是Buck-Boost双向DC/DC变换器仿真模型。
[0116] 图16是电池荷电状态预测流程图;基于最小二乘法对下一步长电池荷电状态进行预测,第一步采集[0,TL]数据作为基础数据集S1,同时设置误差标准值δrmse、δmad、δmape;第二步设置初始预测时间步长的大小T1以及变动量TD(TD<0.1T1),规定第n次预测的实际步长为Tn=T1+xn-1*TD=Tn-1±TD,(xn-1=xz-xj,n-1=z+j,xz变动量增加的次数,xj变动量减少的次数),令Y=Tn,则第一次预测的时间范围是[TL,TL+T1],第m次预测的时间长度为[Tm-1,Tm-1±TD];第三步获取并存储第n个时段的预测数据和实际数据;第四步根据第n个时段的预测数据SOCfore和实际数据SOCreal计算两者之间的误差δrmsex、δmadx、δmapex,并比较这三个误差值与δrmse、δmad、δmape之间的关系,如果至少有一项大于误差标准值,则返回Y=Tn+1=Tn-TD,如果三相误差均小于误差标准值,则返回Y=Tn+1=Tn+TD,规定预测步长大小需要保持在范围以内。通过改变预测步长,不仅可以提高预测的精度,还可以提高预测的效率,通过减小步长预测步长,可以减小预测的数据量,提高预测的精度。
[0117] 在时间序列数据的预测领域,一般通过三类误差指标来评价预测效果,即均方根误差指标、平均绝对误差指标、平均绝对百分比误差指标、标准均方根误差指标,对应上式中δrmsex、δmadx、δmapex三值。
[0118] 均方根误差指标的数学形式:
[0119]
[0120] 式(1)中, 表示数据真值,Op(n)表示数据预测值,a表示执行预测的数据序列起点,b表示执行预测的数据序列终点。
[0121] 平均绝对误差指标的数学形式:
[0122]
[0123] 平均绝对百分比误差指标的数学形式:
[0124]
[0125] 如图17所示为,基于最小二乘法的预测曲线和实际曲线对比图。
[0126] 如图18所示,是光-储直流微电网运行控制流程图;根据监测模块获取到的数据光伏系统发电量PPV、负载消耗电量PLoad和储能模块电能储量PESS之间的关系,结合三级可变负载(可切直流负载PRLoad、可调直流负载PTLoad和重要直流负载PSLoad)和电池荷电状态预测值SOCfore,参考储能模块额定容量PRTESS制定相应的直流微电网控制策略和储能模块控制策略。在光-储直流微电网中,策略一:当光伏系统发电量大于负载消耗电量,即PPV>PLoad时,负载不能完全消纳光伏发出的电能,将未消纳的电能输送到储能模块,当储能模块已达到最大额定容量,未能消纳的电能被弃置;策略二:当光伏系统发电量和储能模块电量总和小于直流负载消耗电量,同时大于重要直流负荷消耗量和可控直流负载消耗量时,即PSLoad+PTLoad<PPV+PESS<PLoad时,为保证系统的稳定,切出可切负载,同时为了避免电池的深充深放,提高电池的使用寿命。通过监测模块获得电池的工作状态,根据电池实际荷电状态和电池的预测荷电状态对蓄电池进行一步预测控制和当前状态控制。一步预测控制:第一步采集电池此时的荷电状态SOCreal(k)和下一步的预测状态SOCfore(k+1),第二步,令D=SOCreal(k)-SOCfore(k+1),若D>0,则电池将处于放电状态,若D<0,则电池将处于充电状态,根据D与0的比较进行下一步的判断;第三步,如果D>0,则将SOCfore(k+1)与荷电状态最佳控制区间的下界SOCmin比较,如果D<0,则将SOCfore(k+1)与荷电状态最佳控制区间的上界SOCmax比较,决定下一步电池状态,第四步,若D>0,SOCfore(k+1)0,SOCfore(k+1)>SOCmin时,蓄电池保持放电状态,弥补光伏发电量的不足,为负载提供电量,稳定母线电压;若D<0,SOCfore(k+1)>SOCmax时,电池切出并放电,备用电池切入,若D<0,SOCfore(k+1)
[0127] 图19(a)是工作电池SOC临界20%,切出控制,备用电池切入控制荷电状态变化图;图19(b)是工作电池SOC临界80%,切出控制,备用电池切入控制荷电状态变化图;由图18可知,依据蓄电池荷电状态控制规则,由图19(a)可知当蓄电池处于放电状态时,蓄电池的荷电状态临界于蓄电池最佳工作区间设定的最小值SOCmin=20%,根据蓄电池充放电控制策略,预测控制将会将蓄电池切出,备用电池将会接入为母线电压稳定提供电量,图19(a)前图显示蓄电池荷电状态下降到最佳工作区间最小值以后,荷电状态不再发生变化,说明蓄电池正常切出系统,图19(a)后图显示,备用蓄电池同时接入系统,为系统提供电能。由图19(b)可知当蓄电池处于充电状态时,蓄电池的荷电状态临界于蓄电池最佳工作区间设定的最大值SOCmax=80%,根据蓄电池充放电控制策略,预测控制将会将蓄电池切出,备用电池将会接入存储负载未能消纳的电量,图19(b)前图显示蓄电池荷电状态上升到最佳工作区间最大值以后,荷电状态不再发生变化,说明蓄电池正常切出系统,图19(b)后图显示,备用蓄电池同时接入系统,为系统消纳电能。
[0128] 实现验证的仿真图如图20所示是光储直流微电网仿真图。
[0129] 以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。