基于电压变化的自适应虚拟惯性控制,用于分布式储能Discover蓄电池系统中动态电力分配
由于其高效和灵活性,直流微电网(DC-MG)在能源利用中发挥着关键作用。然而,随着可再生能源系统(RES)的普及,直流电-MG在母线电压稳定性和能源优化调度方面面临重大挑战。作为微电网中关键的储能组件,分布式储能电池系统(DESB)通过其动态电力分配策略,在维护系统稳定性和延长电池寿命方面发挥着重要作用。因此,本文提出了基于电压变化状态的分布式电池自适应虚拟惯性控制(AVIC)策略。该方法根据不同相位的母线电压波动和DESB中不同电池能量单元(BEU)的电荷状态(SoC)水平动态调整每个受控BEU双直流电的虚拟惯性系数。它不仅有效减少母线电压偏差,缩短恢复时间,确保BEU动态充放电功率的平稳过渡,还防止状态较差的BEU遭受过多浪涌电流影响,从而延长DESB的运行寿命。所提控制系统的有效性通过仿真和HIL实验测试得到验证。
简介
随着可再生能源的快速发展和对智能电网需求的增长,微电网在能源管理和分布式能源集成方面展现出了显著潜力[1]。直流微电网因其卓越的效率和灵活性,在微电网研究中作为一种创新的电力系统架构备受关注[2]。图1展示了典型的直流微电网设计,包括可再生能源(如光伏(PV)、风能、储能系统(ESS)、直流负载和控制系统[3]。
然而,随着系统从传统的发电机架构向基于电子变换器的电力配置过渡,集成可再生能源(RES)的直流微电网表现出低惯性和弱阻尼特性[4,5]。在直流微电网中,由供需不匹配引起的动态功率波动可能导致电压偏差和振荡[6]。此外,整个DC-MG无法有效响应动态电源扰动,可能导致系统稳定性问题,因为许多RES通过电力电子设备连接到电网,无法提供机械惯性[7]。
目前,许多研究者已经总结并研究了电力系统中低惯性的问题。参考文献[8]分析了直流MG电压不稳定的原因,并提供了相应的控制方法。参考文献[9]研究了直流系统中阻尼与惯性的关系,描述了弱阻尼引起的振荡问题以及低惯性引起的突然变化,最终提出了一个统一的概念。由于其固有结构和工作特性,风力涡轮机和光伏阵列不适合提供惯性[10,11]。相反,储能装置已成为缓解直流机电功率波动的有效解决方案[12,13]。目前,包括DESB和超级电容器在内的直流-MG储能装置已达到成熟技术阶段,具有广泛的应用潜力[14]。
超级电容器因其高的充放电效率,非常适合抑制高频功率波动。在[15]中,采用了并联HESS惯性控制策略,超级电容器减轻高频功率波动,电池吸收或释放低频功率。参考文献[16]提出了一种协调控制策略,其中超级电容器用于快速的动态功率响应,电池承担稳态能量支持,以有效减轻母线电压波动。对于岛式直流微电网中的储能系统,参考文献[17]采用模型预测控制(MPC)方法,动态优化电池与超级电容器之间的功率分配,以延长电池寿命并提升系统响应。然而,这种方法使控制策略变得复杂,超级电容器的成本仍然相对较高。此外,在稳态运行期间,这些超级电容器处于空闲状态,导致资源浪费。
参考文献[18]提出了一种虚拟惯性和阻尼控制策略,旨在通过双向直流/直流转换器(Bi-DC)抑制电压振荡。该策略利用储能系统的能量模拟直流微电网的惯性,无需对系统硬件进行修改。在[19]中,作者仍以DESB为惯性源,并建立了连接直流总线的电网逆变器小信号模型。研究发现,并网逆变器的直流输出电流会起到干扰作用,显著影响电压的动态响应。因此,引入了直流输出电流的前馈干扰抑制方法。
针对锂离子电池老化对SoC估计准确性的影响,结合改进的灰狼优化和极限学习机的联合估计方法,在不同老化水平下保持高准确性[20]。与此同时,在电池管理精度方面,参考文献[[21]、[22]、[23]]推动通过多功能电化学-热耦合模型、深度学习与滤波融合、多参数协优化和RUL预测,将电池状态评估扩展到全生命周期管理。
从引入电压变化率(ROCOV)和电池SoC的参考文献[24]中可以看到,提出了基于模糊逻辑的AVIC策略,以动态调整每个BEU的虚拟惯性系数。该策略旨在提升DC-MG的稳定性,同时防止部分BEU因动态充能和放电而产生过度影响。然而,该方法的规则设计依赖于经验知识,且计算复杂。此外,母线电压波动并不总是需要较大的惯性支持。在恢复阶段,较大的惯性实际上可能阻碍电压恢复,并可能导致BEU间动态充放电功率变化不均。
本文提出了分布式储能电池系统的自适应虚拟惯性控制策略(AVIC)。系统优化通过电压偏差和恢复的两阶段动态调整实现;本研究的主要贡献总结如下:
- 1)
在电压偏移期间,惯性效应被增强,以提升电池的动态充放电功率并抑制电压偏移;
- 2)
电压恢复周期削弱了惯性约束,加速了功率调节过程。
- 3)
创新性地引入了电荷状态(SoC)参数,构建惯性调节机制,使高SoC充电单元和低SoC放电单元展现更强的惯性特性,优先响应电网的动态需求。
