✅作者简介:热爱科研的Matlab仿真开发者,擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页:Matlab科研工作室
🍊个人信条:格物致知,完整Matlab代码及仿真咨询内容私信。
🔥 内容介绍
随着全球能源结构的转型和清洁能源的快速发展,光伏发电作为一种重要的可再生能源形式,其大规模并网带来了诸多挑战。由于光伏发电的间歇性、随机性以及缺乏惯性响应等特性,对电力系统的稳定性、可靠性以及电能质量提出了更高的要求。传统的同步发电机由于其转动惯量,能够为电力系统提供天然的惯性支撑和阻尼,维持系统的频率和电压稳定。而光伏并网系统由于其基于电力电子变换器,本质上是电流源特性,不具备惯性,易受电网扰动影响,且对电网弱电网条件下的稳定性造成冲击。
为了解决光伏发电并网带来的挑战,引入储能系统成为一种有效的解决方案。储能系统能够平抑光伏发电的波动性,实现功率的削峰填谷,提高电网的接纳能力。然而,简单的将储能系统与光伏系统并联并网,虽然能够改善功率波动,但仍然缺乏惯性响应,无法有效支撑电网的频率和电压稳定。
虚拟同步发电机 (Virtual Synchronous Generator, VSG) 技术为解决上述问题提供了一条新的思路。VSG技术通过模拟同步发电机的电磁暂态特性,使逆变器具备惯性响应和阻尼特性,从而实现并网逆变器对电网的频率和电压提供支撑。将光伏发电、储能系统与VSG技术相结合,构建基于虚拟同步发电机的光伏混合储能并网系统,能够充分发挥光伏发电的清洁优势、储能系统的调节能力以及VSG的惯性支撑特性,有效提升系统的并网性能、电网友好性以及系统的整体稳定性。
本文将深入探讨基于虚拟同步发电机的光伏混合储能并网系统的架构、控制策略以及潜在优势,并对其面临的挑战进行分析,旨在为未来可再生能源大规模并网提供理论支撑和技术指导。
一、基于虚拟同步发电机的光伏混合储能并网系统架构
基于虚拟同步发电机的光伏混合储能并网系统通常由光伏阵列、光伏逆变器、储能单元(如锂电池)、储能变流器、公共耦合点 (Point of Common Coupling, PCC) 以及控制系统组成。其中,光伏逆变器和储能变流器可以采用独立的拓扑结构,也可以采用一体化的多端口变流器。无论采用何种拓扑,关键在于如何实现光伏发电单元和储能单元的协调控制,并赋予系统虚拟同步发电机特性。
在基于VSG的光伏混合储能系统中,VSG控制通常应用于储能变流器或集成变流器。这是因为储能系统具备双向功率流动的能力,更适合模拟同步发电机的有功和无功功率控制。光伏逆变器则可以采用最大功率点跟踪 (Maximum Power Point Tracking, MPPT) 控制策略,最大限度地从光伏阵列中提取能量,或者在系统需要时,参与到系统的协调控制中,提供一定的支撑。
系统的典型架构如下所示:
- 光伏单元:
由光伏阵列和光伏逆变器组成,负责将太阳能转换为电能,并通过逆变器实现并网。光伏逆变器可以采用MPPT控制,或者根据系统的需求进行功率限制或参与电压、频率控制。
- 储能单元:
由储能电池、电池管理系统 (Battery Management System, BMS) 和储能变流器组成。储能变流器是实现VSG控制的核心部分,通过模拟同步发电机的机电方程,对外表现出惯性、阻尼以及同步特性。
- 公共耦合点 (PCC):
系统与电网连接的点。
- 控制系统:
负责对光伏逆变器和储能变流器进行协调控制,实现系统的整体目标。控制系统可以包括上层能量管理系统 (Energy Management System, EMS),负责根据电网状态、光伏出力预测、储能荷电状态 (State of Charge, SOC) 等信息,制定最优的运行策略。底层控制器则实现VSG控制、MPPT控制等具体的控制算法。
在某些高级的系统架构中,光伏逆变器也可以集成VSG功能,形成分布式虚拟同步发电机,进一步增强系统的鲁棒性和对局部扰动的响应能力。然而,这需要解决光伏发电的随机性与VSG控制对连续功率输出的要求之间的矛盾。
二、虚拟同步发电机控制策略
VSG控制的核心思想是通过控制逆变器输出电压和电流,模拟同步发电机的转子运动方程和电磁暂态方程。其基本控制策略通常包括以下部分:
-
功角方程模拟:模拟同步发电机的转子运动方程,建立输出有功功率与虚拟角频率之间的关系。
-
电压方程模拟:模拟同步发电机的励磁方程,建立输出无功功率与虚拟内电势之间的关系。
-
功率计算与滤波:为了准确计算逆变器的输出有功和无功功率,需要采集输出电压和电流,并进行相应的滤波处理,以消除高频噪声和电网扰动的影响。
-
锁相环 (Phase Locked Loop, PLL) 替代:在VSG控制中,通常无需传统的锁相环,虚拟角频率直接由功角方程计算得出,实现了与电网的同步。这避免了在弱电网条件下PLL可能出现的失锁问题。
在基于VSG的光伏混合储能系统中,储能变流器的VSG控制通常接收来自EMS的功率指令。EMS根据光伏出力、负荷需求、电网状态以及储能SOC等信息,计算出储能系统需要提供的有功和无功功率参考值。储能变流器的VSG控制器则根据这些参考值,并通过模拟同步发电机特性,控制逆变器输出,实现功率的精确调节和对电网的惯性支撑。
此外,针对光伏并网的特性,还需要考虑一些特殊的控制策略:
- 协调控制策略:
如何协调光伏逆变器和储能变流器之间的控制,以实现系统整体的最优运行。例如,在电网频率下降时,储能系统通过VSG控制快速释放有功功率提供惯性支撑,而光伏系统可以适度降低MPPT点以参与调频。
- 储能SOC管理:
储能电池的SOC是影响系统长期稳定运行的关键因素。需要在VSG控制中融入SOC管理策略,避免电池过充或过放。
- 弱电网适应性:
在弱电网条件下,电网阻抗较高,电压和频率更容易波动。VSG控制需要针对弱电网特性进行优化,提高系统的稳定裕度。
三、基于虚拟同步发电机的光伏混合储能并网系统的优势
基于虚拟同步发电机的光伏混合储能并网系统相比传统的光伏并网系统和简单的光伏储能并网系统,具有以下显著优势:
- 增强电网惯性支撑:
VSG技术赋予系统惯性响应能力,能够在电网频率或电压发生变化时,快速响应并提供支撑,有效抑制频率和电压波动,提高电网的稳定性。这对于高比例可再生能源并网的电网至关重要。
- 改善系统阻尼特性:
VSG控制通过模拟同步发电机的阻尼特性,能够有效抑制系统振荡,提高系统的动态响应性能。
- 无需传统PLL:
VSG控制基于功角方程实现与电网的同步,避免了传统PLL在弱电网条件下易失锁的问题,提高了系统在弱电网中的运行可靠性。
- 增强电压支撑能力:
VSG控制通过模拟励磁系统,能够根据电网的无功功率需求,灵活调节输出电压,提供有效的电压支撑,改善电能质量。
- 提高系统对电网扰动的鲁棒性:
VSG控制使得系统具备类似同步发电机的“自愈”能力,在电网发生故障时,能够更稳定地运行,减少对电网的冲击。
- 更灵活的能量管理:
结合储能系统的双向功率流动能力和VSG控制的灵活调节能力,能够实现更精细化的能量管理,提高能源利用效率,并为电网提供辅助服务,如调频、调压、备用等。
- 促进高比例可再生能源并网:
通过解决光伏发电的间歇性和缺乏惯性问题,基于VSG的光伏混合储能系统能够有效提高电网对高比例可再生能源的接纳能力,推动能源结构的转型。
四、面临的挑战
尽管基于虚拟同步发电机的光伏混合储能并网系统具有诸多优势,但也面临一些挑战:
- 控制参数整定:
VSG控制中的虚拟转动惯量、阻尼系数等参数的整定对系统的性能和稳定性有重要影响。不合适的参数可能导致系统振荡甚至失稳。如何根据电网条件、系统容量等因素进行最优参数整定是一个挑战。
- 储能SOC与VSG控制的协调:
VSG控制为了提供惯性支撑可能需要快速充放电,这与储能电池的寿命和性能保护之间存在矛盾。如何在满足电网需求的同时,有效管理储能SOC,是需要深入研究的问题。
- 并联运行与功率共享:
当多个基于VSG的并网逆变器或混合储能系统并联运行时,如何实现有功和无功功率的合理分配,避免环流和系统不稳定,需要设计有效的功率共享控制策略。
- 控制算法复杂性:
相较于传统的MPPT控制,VSG控制算法相对复杂,需要更强的计算能力和更精确的传感器测量。
- 成本问题:
引入储能系统和复杂的控制算法会增加系统的成本。需要进一步降低储能成本和提高控制算法的效率,以提高系统的经济性。
- 标准与规范:
目前针对基于VSG的并网系统的标准和规范尚不完善,需要进一步研究和制定相关的技术标准,指导系统的设计和运行。
五、未来展望
基于虚拟同步发电机的光伏混合储能并网系统是未来高比例可再生能源并网的重要发展方向。未来研究可以从以下几个方面展开:
- 自适应VSG控制:
研究能够根据电网条件和系统状态自适应调整VSG控制参数的算法,提高系统的鲁棒性和性能。
- 多端口变流器集成:
进一步研究和开发集成光伏、储能和VSG功能的紧凑型多端口变流器,提高系统效率和降低成本。
- 基于数据驱动的控制策略:
利用大数据和人工智能技术,开发基于数据驱动的VSG控制和能量管理策略,提高系统的智能化水平。
- 弱电网下的优化控制:
针对弱电网特性,深入研究VSG控制在不同弱电网场景下的优化控制策略,提高系统的稳定裕度。
- 协同控制与虚拟电厂:
将基于VSG的光伏混合储能系统作为虚拟电厂的重要组成部分,研究其与电网其他资源(如柔性负荷、电动汽车等)的协同控制策略,提供更全面的电网辅助服务。
- 标准与测试平台建设:
加快相关技术标准和测试平台的建设,为VSG技术在实际工程中的应用提供支撑。
结论
基于虚拟同步发电机的光伏混合储能并网系统将光伏发电的清洁优势、储能系统的调节能力和VSG技术的惯性支撑特性有效结合,能够显著提升光伏并网系统的性能和电网友好性,是解决高比例可再生能源并网挑战的有力武器。虽然仍面临一些技术挑战,但随着研究的深入和技术的进步,基于VSG的光伏混合储能系统必将在未来的电力系统中发挥越来越重要的作用,为构建稳定、可靠、绿色的能源系统做出贡献。
⛳️ 运行结果
🔗 参考文献
[1] 刘华志,覃露,张祥宇,等.基于虚拟轴耦合的虚拟同步发电机混合储能惯量-阻尼协调控制策略[J].电力自动化设备, 2023, 43(9):103-111.DOI:10.16081/j.epae.202302021.
[2] 李永丽,李怡.基于虚拟同步发电机的光伏混合储能系统功率分配及虚拟惯性控制方法.CN202211422434.1[2025-04-20].
[3] 代骄阳,电气工程.混合储能型虚拟同步发电机系统功率分配策略及稳定性研究[D].华中科技大学[2025-04-20].
📣 部分代码
🎈 部分理论引用网络文献,若有侵权联系博主删除
👇 关注我领取海量matlab电子书和数学建模资料
🏆团队擅长辅导定制多种科研领域MATLAB仿真,助力科研梦:
🌈 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划(2E-VRP)、充电车辆路径规划(EVRP)、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位
🌈 机器学习和深度学习时序、回归、分类、聚类和降维
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类
2.10 DBN深度置信网络时序、回归预测和分类
2.11 FNN模糊神经网络时序、回归预测
2.12 RF随机森林时序、回归预测和分类
2.13 BLS宽度学习时序、回归预测和分类
2.14 PNN脉冲神经网络分类
2.15 模糊小波神经网络预测和分类
2.16 时序、回归预测和分类
2.17 时序、回归预测预测和分类
2.18 XGBOOST集成学习时序、回归预测预测和分类
2.19 Transform各类组合时序、回归预测预测和分类
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
🌈图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
🌈 路径规划方面
旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划(EVRP)、 双层车辆路径规划(2E-VRP)、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻
🌈 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划
🌈 通信方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
🌈 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
🌈电力系统方面
微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电
🌈 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀
🌈 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别
🌈 车间调度
零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP
👇