基于可變系數的雙饋風機虛擬慣量與超速控制協調的風光柴微電網頻率調節技術

趙晶晶 呂 雪 符 楊 胡曉光

(上海電力學院電氣工程學院 上海 200090)

?

基于可變系數的雙饋風機虛擬慣量與超速控制協調的風光柴微電網頻率調節技術

趙晶晶 呂 雪 符 楊 胡曉光

(上海電力學院電氣工程學院 上海 200090)

為了提高風光柴微電網孤島運行時的頻率穩定性，將變速恒頻雙饋感應風力發電機(DFIG)和柴油機作為調頻電源，通過DFIG的虛擬慣量、轉速和槳距角的協調控制與柴油機的一次調頻相配合，共同抑制負荷波動和風速變化引起的微電網頻率變化。低于額定風速時，DFIG采用虛擬慣量控制和超速控制；高于額定風速時，采用虛擬慣量控制和自動槳距角控制。以此彌補虛擬慣量控制作用時轉速恢復過程的功率跌落問題，并為微網提供持久的功率支撐。為保證此調頻策略在時變風速中的有效性，通過不同風速下的參數分析制定了DFIG的虛擬慣量控制系數曲線與功頻靜特性系數曲線，實現了可變系數控制。并在DIgSILENT PowerFactory軟件平臺上搭建了包含柴油機、DFIG、光伏電池的微電網模型，驗證了此策略的有效性。

微電網頻率調節 DFIG 虛擬慣量控制 轉速與自動槳距角控制 可變系數

0 引言

頻率是保證微電網安全穩定運行的重要控制參數，尤其是在孤島運行模式下，此時一般由柴油機或儲能系統承擔調頻任務[1]。但柴油機的頻率響應速度相對較慢，在兆瓦級的中壓微電網系統中，當出現較大程度的有功缺額時，依靠安裝較大容量的儲能系統來快速平抑頻率波動是不經濟的。

隨著電力電子技術的日益成熟，變速恒頻雙饋感應風電機組由于具有較寬的轉速運行范圍和較大的裝機容量而被廣泛采用。與恒速風電機組相比，它能夠根據風速變化在運行中保持最佳葉尖速比以獲得最大風能。類似地，光伏電池也是通過電力電子變流器接入電網，為了保證太陽能利用率，也是運行在最大光能追蹤模式下。因此，風電和光伏的大量接入使得孤島運行的微電網等效慣量小的問題變得突出，當出現較小功率缺額時就會出現較顯著的頻率波動；而且它們的最大功率追蹤策略使其不能為系統提供備用，當出現較大負荷擾動或發電機切機時，微電網的頻率穩定性將受到嚴峻挑戰。

為了提高孤島運行微電網的動態頻率穩定性，文獻[2]提出了基于虛擬同步發電機思想的微電網逆變電源控制策略，文獻[3]提出了一種虛擬慣性頻率控制策略，使微電網電源具有類似于同步發電機轉子的慣性。但以上文獻都建立在微電網中配備了超級電容、飛輪儲能等快速功率響應特性的儲能裝置的前提下，實際上，風電機組也可作為迅速有效的調頻電源。

如何控制變速風力發電機組使其具有頻率調節能力是近年的研究熱點，目前國內外學者提出了一些控制策略。為了增加系統慣量，文獻[4，5]提出了虛擬慣量控制的概念，文獻[6]進行了進一步研究，提出了通過在風電機組轉子側變流器功率外環附加控制環節使轉子轉速與電網頻率不再解耦的控制策略。文獻[7]分析了控制參數及變流器電流限值對調頻效果的影響，但只考慮了恒定風速的情況，且忽視了轉速恢復過程中的功率跌落問題。以上利用附加控制環節，使DFIG轉子轉速與電網頻率剛性耦合的虛擬慣量控制策略只能為電網提供短暫的頻率支持，對減小頻率穩態偏差沒有貢獻。因此文獻[8，9]提出了使風電機組減載的控制策略。目前風電機組的備用容量一般通過調節轉子轉速和槳距角獲取[10]。但槳距角動作屬于機械過程，響應速度相對較慢，而且過于頻繁的動作容易造成風電機組的機械磨損。

在孤島運行的風/光/柴微電網中，為了更充分地利用風電機組的調頻能力，本文提出了雙饋風機的可變系數虛擬慣量與超速協調的調頻策略，使風電機組虛擬慣量控制的暫態性與轉速控制、柴油機一次調頻的持久性相協調，共同抑制由負荷、風速變化等引起的頻率波動。為了在時變風速下也能充分發揮DFIG的調頻能力，本文通過試錯法分析了不同風速下控制參數取值對微電網頻率的影響，制定了虛擬慣量控制曲線與超速控制時的功頻靜特性系數曲線，避免了采用統一控制系數帶來的調頻過度或調頻不足問題，保證了此策略在微電網實際運行中的可行性。

1 風光柴微電網系統的建模

本文在DIgSILENT PowerFactory軟件平臺上搭建了包括柴油機、光伏電池和DFIG風電機組3種電源的微電網。光伏電池由恒定電壓源和PWM變流器替代[11]，柴油機由同步發電機替代，雙饋風機模型包括槳距角控制、轉子側變流器控制、網側變流器控制和異步電機[12]。微電網孤島運行時，柴油機作為平衡節點；光伏電池按恒功率(P-Q)控制模式運行，假設此段時間內光伏電池一直處于最大功率運行點；DFIG風電機組在未超過額定風速時按90%次優風能追蹤模式控制運行，超過額定風速后按最大風能追蹤模式運行。微電網容量配置及參數如表1所示。

表1 微電網配置Tab.1 Microgrid configurations

微電網結構如圖1所示。其中負荷均為恒功率負荷。柴油機配有調速器(gov_IEESGO)和自動電壓調節器(avr_SEXS)。參數見附錄。

圖1 微電網結構示意圖Fig.1 Microgrid system schematic

2 DFIG虛擬慣量控制

2.1 虛擬慣量控制原理

同步發電機的轉子運動方程標幺制公式為

(1)

式中，H為發電機組慣性時間常數；ω為轉子轉速；PT和PE分別為同步發電機的機械功率和電磁功率。

當電網頻率發生變化時，在調速器還來不及動作的短暫時間內，同步發電機的機械功率不變，而轉速會發生變化，由式(1)知，此時電磁功率會隨轉速變化做出相應改變來阻尼頻率變化。

為模擬同步發電機組的慣量特性，使DFIG的轉速與頻率不再解耦，虛擬慣量控制將電網頻率變化率作為輸入變量引入轉子側變流器外環功率控制環節。在電網頻率跌落時，增大DFIG有功功率參考值，釋放的轉子動能參與頻率調節。由于DFIG轉子轉速一般在0.67～1.33 pu范圍內運行[13]，所以虛擬慣量控制環節的加入可充分利用這部分轉子動能，從而彌補微電網慣量小的缺點。

虛擬慣量控制環節如圖2所示。為了減小誤差，時間常數T取為0.1 s；受變流器容量限制，Pmax取值為1.2 pu；為了防止轉速下降過低，ωmin取值為0.67pu；風電機組的慣性時間常數一般為4～12s[14]，但Kin的取值并不是簡單的2Hω的乘積，因為雙饋風機最大功率跟蹤環節的輸入是轉子轉速，加入虛擬慣量控制后頻率跌落時轉子轉速的下降使其不再運行在最大功率運行點，考慮到最大功率跟蹤環節的上述特性，Kin的取值要大于2Hω。

圖2 虛擬慣量控制Fig.2 Virtual inertial control block diagram of DFIG

2.2 低于額定風速時虛擬慣量控制系數取值分析

風速不同時，DFIG轉子轉速不同，轉子中貯存的動能不同，加入虛擬慣量控制環節后能提供額外有功支持也不同。而Kin的取值會直接影響到DFIG的調頻效果，因此本文通過試錯法對不同風速下Kin的取值分別進行了分析。

在30 s時投入2 MW臨時負荷。7 m/s風速工況下Kin不同取值時DFIG的有功功率、轉子轉速、電網頻率如圖3所示。

圖3 7 m/s風速下虛擬慣量控制效果分析Fig.3 Performance of virtual inertia control under 7 m/s wind speed

如圖3所示，虛擬慣量控制的作用使微電網頻率跌落到最低點的時間得到延緩。Kin=10時，發生負荷擾動時DFIG的輸出功率增加到0.285 pu，轉子轉速下降到0.679 pu，系統頻率最低值比不加控制時提升了45 MHz；Kin=20時，DFIG輸出功率則增加到0.345 pu，轉子轉速跌落到0.679 pu，系統頻率最低值比不加控制時提升了68 MHz。由此可見，微電網出現擾動時，其頻率跌落程度與Kin取值有關，隨著Kin取值的增大，DFIG能提供的有功支撐增大，但轉速跌落程度隨之加深。為了防止DFIG轉子過度減速引起發電機失步停機，7 m/s風速工況下Kin的取值為20。

由圖2知，加入虛擬慣量控制后，DFIG有功功率的增加值ΔPin與微電網頻率變化率df/dt和虛擬慣量控制系數Kin的乘積呈正比，而不同大小的負荷擾動引起不同程度的頻率變化率，因此ΔPin會有不同程度的增加，轉子轉速的跌落程度也會隨之不同，但它們的變化趨勢和圖3相同。本文分析的2MW的負荷擾動是考慮了微電網出現較大功率缺額的情況，此時臨時負荷容量占DFIG額定功率的40%(2MW/5MW)。在如7m/s的低風速工況下，為了防止出現更大功率缺額時功率增加值過大導致轉速跌落過深，本文設置了如圖2所示的DFIG的調頻死區，轉子轉速高于0.67時，輸出的邏輯值為1，否則為0。輸出的邏輯值與功率增加值相與，即得到調頻信號。

在風速達到額定風速14m/s前，加入臨時負荷后，DFIG的有功功率、轉子轉速和微電網頻率變化情況與圖3相近，為了更直觀地分析Kin取值對微電網動態頻率偏差、DFIG功率跌落值和轉速恢復時間的影響，分別給出9 m/s、11 m/s和13 m/s風速下Kin不同取值時上述變量的取值曲線，如圖4所示。

圖4 9、11、13 m/s風速下虛擬慣量控制效果分析Fig.4 Performance of virtual inertia control under9、11 and 13 m/s wind speeds

隨風速增大，DFIG的轉速升高，出現負荷擾動時風電機組可提供的功率支撐變大，所以隨Kin取值增大，微電網動態頻率偏差逐漸變小，但功率跌落值和轉速恢復時間則分別增大。比較知，在9 m/s的風速下，Kin取值大于30后，電網動態頻率偏差并未顯著改善，功率跌落值和轉速恢復時間卻有明顯增加，因此Kin取30。同理，在11～13 m/s風速區間內，為了平衡微電網動態頻率偏差、DFIG功率跌落值和轉速恢復時間，Kin均取40。

2.3 高風速下虛擬慣量控制系數取值分析

當風速超過14 m/s的額定風速后，風電機組受到功率限制和轉速限制，此時槳距角開始動作，以限制風機捕獲的機械功率，并將轉子轉速維持在1.2 pu。

在15 m/s的高風速工況下，30 s時投入2 MW臨時負荷，加入虛擬慣量控制并取不同控制系數時，DFIG的有功功率、轉子轉速、槳距角和微電網頻率變化如圖5所示。

圖5 15 m/s風速下虛擬慣量控制效果分析Fig.5 Performance of virtual inertia control under 15 m/s wind speed

由圖5a～圖5c知，頻率跌落時，槳距角隨轉速的降低而減小，風機捕獲的機械功率因此增加。增加的這部分機械功率一部分可加速轉子，從而避免轉速恢復過程中電磁功率的嚴重跌落；另一部分可輸送到電網中參與頻率調節，從而進一步減小動態頻率偏差。所以，在風速超過額定值的高風速工況下，DFIG可在最大風能追蹤的基礎上為微電網提供迅速、有效的頻率支持。由圖5c、圖5d，Kin取40時，動態頻率偏差比Kin取30時降低了13 MHz，但轉速恢復值過高引起槳距角增大相對嚴重，有功功率跌落值由Kin取30時的0.975 pu跌落到0.958 pu。綜合考慮，高風速下Kin取值為30，此時頻率跌落最低值比DFIG不參與頻率調節時提升了200 MHz。

根據本節分析，不同風速下虛擬慣量控制系數Kin的合適取值不同，風速較低時DFIG可釋放的轉子動能較少，Kin取值不宜過大；隨著風速升高，DFIG可釋放的轉子動能變大，為了提供足夠的功率支撐，Kin取值也相應變大。本文根據試錯法得出了如圖6所示的風速與Kin取值的關系曲線，使風機在實際運行中，可根據風速選取合適的虛擬慣量控制系數，從而保證較好的調頻效果。

圖6 不同風速下Kin取值Fig.6 Kin value at different wind speed

通過本節的動態仿真可知，虛擬慣量控制只能提供短暫的功率支撐，對減小系統的穩態頻率偏差沒有貢獻。但虛擬慣量控制可迅速響應頻率變化率df/dt，為常規機組的調頻器動作提供一定的響應時間[15]，而且它對動態頻率偏差的顯著減小可避免微電網頻率跌落太深而出現甩負荷的情況。

本文分析的是單臺風機的情況，如果微電網中有若干臺風機，在風電場內風速相同，不考慮內部調頻分配的情況下可對風電場進行等值處理，通過多臺風電機組的集中將風電場視為等值機組；如果考慮到風電場內部風速不同，各風電機組處于不同運行區域的情況，需要通過多臺風電機組的建模對風電場層面的功率分配和調頻控制進行分析。在風電場層面上此調頻策略仍可適用，但在風電滲透率較高的系統中功率跌落問題會更加嚴峻。因為在一般情況下，加入虛擬慣量控制后風電機組參與調頻的持續時間只有數秒左右，而轉速恢復時間則長達10 s以上，在短暫的功率支撐后，如果若干臺風電機組同時退出調頻，會帶來較嚴重的功率跌落，此時這部分功率缺額只能由柴油機承擔，而頻繁的調速器動作容易造成其機械磨損。所以風機的適當減載十分必要。

3 DFIG超速控制

3.1 超速控制原理

根據空氣動力學知識，風機捕獲的機械功率為

(2)

式中，ρ為空氣密度；A為風力機葉片迎風掃掠面積；Cp為風能利用系數；Vw為進入風力掃略面積前的空氣流速。

由式(2)知，在風速給定的情況下，風輪獲得的功率將取決于風能利用系數，風能利用系數是風力機葉尖速比λ的函數，如圖7所示。

圖7 不同槳距角下Cp(λ) 曲線 Fig.7 Cp(λ) curve when pitch angle varies

可見Cp(λ)曲線是槳距角β的函數，槳距角逐漸增大時Cp曲線顯著減小。在槳距角不變的情況下，存在一個最大λ值使風機獲取最大功率。如果在任何風速下都能保證葉尖速比λ=λopt，就可維持風力機在Cpmax下運行。而葉尖速比

(3)

式中，R為風輪半徑。

由式(3)知，風速變化時，只要調節風輪轉速，使葉尖速度與風速之比保持不變，就可獲得最佳風能利用系數，由此可得出風機的最大功率跟蹤曲線。

為了解決低于額定風速時虛擬慣量控制加入后引發的功率跌落問題，同時為微電網提供長久的頻率支撐，需要使風電機組像常規機組一樣留有備用容量，目前主要有如圖8所示的兩種減載方式。

圖8 超速與變槳法獲得備用Fig.8 Change rotor speed or pitch angle to obtain reserve power

如圖8，風機運行在B點和C點都可獲得備用功率。但由文獻[16]知，B點是不穩定運行點，而且超速運行在C點可獲得更多的轉子動能。D點是變槳點，在不改變轉速的情況下增大槳距角也可限制機械功率的獲取。但由文獻[17]知，直接槳距角控制由于風電機組機械系統的頻繁動作，不但增加了風機檢修費用，而且容易導致風力機壽命減短。當風速低于額定風速，即轉子轉速達到1.2 pu前，風機通過兩種方式均可獲得備用功率。當風速達到或超過額定值后，轉子轉速維持在1.2 pu，此時只能通過適當增加槳距角限制風機捕獲的機械功率。由資料知，風速達到及超過額定值的運行工況只占風電場年運行時間的很小一部分比例，由文獻[18]知，接入葡萄牙電網的所有風電場出力超過額定功率50%的運行時間只占風電場年運行時間的10%，通過觀測我國某海上風電場的風速數據也可發現類似情況。而且如圖5所示，高風速情況下轉子轉速高，擾動出現時輸出功率可達到1.2 pu，參與調頻時間較長，而且幾乎不存在功率跌落的問題。因此，在高風速情況下，本文只采用虛擬慣量控制。

通過調整DFIG的最大風能追蹤曲線，使DFIG在低于額定風速時追蹤10%減載次最優功率曲線，在頻率跌落時，風電機組即可增加有功出力，此時風機的功率-頻率關系類似于柴油機參與一次調頻的功率-頻率下垂特性，如圖9所示。

圖9 DFIG頻率特性曲線Fig.9 Frequency response cure of DFIG

頻率跌落時，風電機組增加的有功率ΔP與頻率差值Δf關系如下

(4)

式中，Rw為風電機組的調差系數。

在虛擬慣量控制的基礎上加入下垂控制環節，此時DFIG的協調控制如圖10所示。其中Kd是風電機組的功頻靜特性系數，Kd=1/Rw。

圖10 虛擬慣量與超速協調控制框圖Fig.10 Coordinated virtual inertia and overspeed control block diagram of DFIG

由式(4)可知，調差系數決定了頻率發生單位變化時，發電機組輸出功率的變化量。實際中，發電機組的調差系數可以整定，一般來說，汽輪機組調差系數的整定范圍是2.5%～8%[19]，水輪機組調差系數的整定范圍是0～10%[20]。對風電機組來說，調差系數不是一個定值，因為風速不同時，風機捕獲的機械功率不同，可用的備用功率不同，因此風機可承擔的調頻任務不同。為了保證不同風速下風機調頻能力的充分發揮，與第2節類似，本文對DFIG功頻靜特性系數Kd的取值分別在不同風速下進行分析。

3.2 不同風速時功頻靜特性系數取值分析

7 m/s風速工況下，30 s投入2 MW臨時負荷后Kd不同取值時對應的DFIG的有功功率、風能利用系數、轉子轉速、微電網頻率如圖11所示(Kin均取20)。

圖11 7 m/s風速下下垂控制效果分析Fig.11 The performance of droop control under 7 m/s wind speed

由圖11c可知，下垂控制的加入使DFIG轉子轉速跌落加深，此時有更多轉子動能釋放，這部分動能可轉變為電磁功率參與頻率調節，使微電網頻率最低值進一步提高；而且額外功率支撐結束后風機不再運行在減載點，備用功率的釋放不僅可彌補轉速恢復過程中對電磁功率的吸收，而且可提供長久的功率支撐。由圖11b可知，轉速穩定后DFIG的風能利用系數Cp明顯增加，但7 m/s的低風速工況下DFIG捕獲的功率較小，備用功率也少，而且為了避免轉速下降過低，Kd取值不能過大，所以此時頻率穩態值增加不明顯。為了避免轉子轉速下降過大導致風機失步停機，Kd取值為5，此時頻率最低值比只有虛擬慣量控制時提升了58 MHz，而且功率跌落問題得到了解決。

9 m/s風速工況下風電機組捕獲的風能有所增加，加入下垂控制后提供的頻率穩態支撐相對較明顯，此時Kd不同取值時轉子轉速變化波形與圖11類似，DFIG有功功率、微電網頻率變化如圖12所示(Kin均取30)。

圖12 9 m/s風速下下垂控制效果分析Fig.12 The performance of droop control under 9 m/s wind speed

如圖12a，Kd取20時DFIG能夠根據頻率偏差增發相應的有功功率，完全彌補了轉速恢復過程的功率跌落；如圖12b，Kd取20時動態頻率偏差比只加入虛擬慣量控制時減小了163 MHz，穩態頻率偏差減小了12 MHz。可見備用功率的增多使得風電機組對減小微電網動態及穩態頻率偏差的貢獻變得顯著。

11 m/s風速下加入下垂控制后DFIG有功功率和微電網頻率波形與圖12類似，由試錯法分析得此時Kd的合適取值為30。13 m/s風速工況下Kd取值不同時DFIG有功功率、微電網頻率如圖13所示(Kin均取40)。

圖13 13 m/s風速下下垂控制效果分析Fig.13 Performance of droop control under 13 m/s wind speed

由圖13可知，Kd取40時，即調差系數Rw為2.5%時，風機在短暫迅速的轉子動能釋放后回到最大功率跟蹤點，從而為微電網提供了長久的功率支撐。此時動態頻率偏差比僅加入虛擬慣量控制時減小了255 MHz，穩態頻率偏差減小了40 MHz。

如上述仿真分析，風速較高時風機的備用功率多，為了承擔相應的調頻任務，需要設置較大的功頻靜態系數；相反，風速較低時，為了保證風機的穩定安全運行，功頻靜態系數不能設置過大。為了保證時變風速中功頻靜態系數的靈活選擇，本文根據試錯法做出不同風速下的功頻靜態系數曲線，如圖14所示。

圖14 不同風速下Kd取值Fig.14 Kd value at different wind speed

對比第2節分析，虛擬慣量控制是對頻率的變化率df/dt做出響應，在頻率跌落釋放轉子動能，降低微電網動態頻率偏差。下垂控制是對頻率偏差Δf做出響應，與虛擬慣量控制結合，使轉子動能的釋放更加明顯，進一步減小動態頻率偏差；而且轉速恢復后，風機不再運行在減載點，增發的備用功率可降低微電網穩態頻率偏差。

目前許多國家也在研究風電減載問題，例如西班牙在電網導則中明確指出，風電機組必須有1.5%的頻率備用裕度[21]；挪威、德國等國也對風電機組提出了備用容量的要求。本文通過調整風機的功率跟蹤曲線實現了減載控制，在風電場層面上仍可通過此策略獲取合適的備用容量。

4 實時風速下微電網頻率分析

在不同風速下投入臨時負荷，DFIG采用虛擬慣量控制和超速控制與柴油機共同承擔微電網頻率調節任務的情形已在前文做了詳細分析。為了驗證上述控制策略在微電網實際運行中的調頻效果，根據我國某海上風電場1月份的實測風速數據擬合風速曲線如圖15所示。

圖15 實時風速Fig.15 Time-varying wind speed

在圖15所示的時變風速下，60 s時投入2 MW臨時負荷，DFIG不參與頻率調節以及采用可變系數的虛擬慣量和超速控制協調的調頻策略與柴油機共同承擔調頻任務時，微電網頻率、DFIG有功功率、柴油機出力、光伏電池出力、DFIG的Kin取值、Kd取值變化情況分別如圖16所示。

圖16 實時風速下變系數協調控制效果分析Fig.16 Performance of coordinated control using variable coefficient under time-varying wind speed

如圖16a所示，在風速波動的情況下，虛擬慣量控制和下垂控制能通過快速釋放或吸收轉子動能使電網的頻率更加平滑。控制系數Kin和Kd取值如圖16e～圖16f所示。可見在變系數的調節策略下，DFIG能夠根據風速選擇合適的控制系數，從而抑制了由風速變化引起的頻率波動，減輕了柴油機部分調頻任務。由圖16d可知，光伏電池按P-Q控制模式運行，有功功率與電網頻率解耦，不參與頻率調節，所以DFIG參與微電網頻率調節的能力是不可或缺的。

在60 s臨時負荷投入后，在柴油機調速器來不及動作的短暫時間內，DFIG的虛擬慣量控制和下垂控制能夠分別迅速響應頻率變化率和頻率偏差，增加功率參考值，釋放轉子動能，增發備用功率，提高微電網的動態頻率特性。如圖16f，60 s投入臨時負荷后，DFIG不參與調頻時頻率最低值跌落到49.227 Hz，而在可變系數協調控制策略下，頻率最低值上升到49.554 Hz，動態頻率偏差減小了327 MHz。可見，此調頻策略不僅能在微電網正常運行的模式下抑制由風速變化引起的頻率波動，還能在出現大功率負荷擾動時提供迅速有效的頻率支撐。

5 結論

本文提出了虛擬慣量和超速控制結合的DFIG調頻策略。首先分析了虛擬慣量控制的優缺點，通過仿真驗證了其可迅速響應微電網頻率變化率，對減小動態頻率偏差有顯著效果。但它只能提供短暫的功率支撐，而且在低風速下，轉速恢復過程中會出現嚴重的功率跌落。所以本文在低于額定風速時使DFIG超速運行獲得10%備用功率，風電機組因此可參與一次調頻，不僅使功率跌落問題得到解決，風速及負荷擾動引起的動態及穩態頻率偏差也可進一步降低。當高風速下出現負荷擾動時，由于自動槳距角控制的作用，功率跌落問題不再明顯，而且風電機組高風速運行工況較少，因此不再設置備用。為了避免采用統一控制系數導致風機調頻能力不能充分發揮，本文通過分析不同風速下虛擬慣量控制系數和功頻靜特性系數取值對調頻效果的影響，分別制定了控制系數取值曲線，實現了DFIG的變系數調頻控制。仿真表明可變系數的虛擬慣量與超速協調的控制策略可有效分擔柴油機的部分調頻任務。由于DFIG采用交流變頻控制技術，響應速度快，對提高微電網動態頻率特性有顯著效果，而且適當的減載可避免波谷負荷時風電機組的切機情況，這種控制策略對較大容量微電網的頻率穩定有較高的參考意義，尤其是在風電滲透率較高的情況下。

附 錄

調速器參數：

T1=0.3 s，T2=5 s，T3=11.88 s，K1=25 pu，T4=0.1 s，K3=1 pu，Pmax=0.95 pu。

調壓器參數：

[1] 沈臣，顧偉，吳志.孤島模式下的微電網低頻減載策略分析[J].電力系統自動化，2011，35(9)：47-52. Shen Chen，Gu Wei，Wu Zhi.An underfrequency load shedding strategy for islanded microgrid[J].Automation of Electric Power Systems，2011，35(9)：47-52.

[2] 丁明，楊向真，蘇建徽.基于虛擬同步發電機思想的微電網逆變電源控制策略[J].電力系統自動化，2009，33(8)：89-93. Ding Ming，Yang Xiangzhen，Su Jianhui.Control strategies of inverters based on virtual synchronous generator in a microgrid[J].Automation of Electric Power Systems，2009，33(8)：89-93.

[3] 杜威，姜齊榮，陳蛟瑞.微電網電源的虛擬慣性頻率控制策略[J].電力系統自動化，2011，35(23)：26-31. Du Wei，Jiang Qirong，Chen Jiaorui.Frequency control strategy of distributed generations based on virtual inertia in a microgrid[J].Automation of Electric Power Systems，2011，35(23)：26-31.

[4] Morren J，de Haan S W H，Ferreira J A.Contribution of DG units to primary frequency control[C].IEEE Future Power Systems International Conference，Amsterdam，2005：1-6.

[5] Ekanayake J，Jenkins N.Comparison of the response of doubly fed and fixed-speed induction generator wind turbines to changes in network frequency[J].IEEE Transactions on Energy Conversion，2004，19(4)：800-802.

[6] Ramtharan G，Ekanayake J B，Jenkins N.Frequency supportfromdoubly fed induction generatorwind turbines[J].IET Renewable Power Generation，2007，1(1)：3-9.

[7] Mustafa K，Jovica V.Dynamic contribution of doubly-based wind plants to system frequency disturbances[J].IEEE Transactions on Power Systems，2009，24(22)：859-867.

[8] Almeida R G，Castronuovo E D，Pecas Lopes J A.Optimum generation control in wind parks when carrying out system operator requests[J].IEEE Transactions on Power Systems，2006，21(2)：718-725.

[9] Chang-Chien Le-Ren，Hung Chihmin，Yin Yao-ching.Dynamic reserve allocation for system contingency by DFIG wind farms[J].IEEE Transactions on Power Systems，2008，23(2)：729-736.

[10]張昭遂，孫元章，李國杰，等.超速與變槳協調的雙饋風電機組頻率控制[J].電力系統自動化，2011，35(17)：20-25. Zhang Zhaosui，Sun Yuanzhang，Li Guojie，et al.Frequency regulation by doubly fed induction generator wind turbines based on coordinated overspeed control and pitch control[J].Automation of Electric Power Systems，2011，35(17)：20-25.

[11]楊永恒，周克亮.光伏電池建模及MPPT控制策略[J].電工技術學報，2011，26(s1)：229-234. Yang Yongheng，Zhou Keliang.Photovoltaic cell modeling and MPPT control strategies[J].Transactions of China Electrotechnical Society，2011，26(s1)：229-234.

[12]蔡國偉，孔令國，潘超，等.風光儲聯合發電系統的建模及并網控制策略[J].電工技術學報，2013，28(9)：196-204. Cai Guowei，Kong Lingguo，Pan Chao，et al.System modeling of wind-PV-ES hybrid power system and its control strategy for grid-connected[J].Transactions of China Electrotechnical Society，2013，28(9)：196-204.

[13]Wang Ye，Delille G，Bayem H.High wind penetration in isolated power systems—assessment of wind inertial and primary frequency reponese[J].IEEE Transactions on Power Systems，2013，38(3)：2412-2420.

[14]Knudsen H，Nielsen J N.Wind power in power systems-introduction to the modeling of wind turbines[M].United Kingdom：Wiley，2005，525-585.

[15]劉巨，姚偉，文勁宇，等.大規模風電參與系統頻率調整的技術展望[J].電網技術，2014，38(3)：638-646. Liu Ju，Yao Wei，Wen Jinyu，et al.Prospect of technology for large-scale wind farm participating into power grid frequency regulation[J].Power System Technology，2014，38(3)：638-646.

[16]吳子雙，于繼來，彭喜云.高風速段次優功率追蹤方式的風電調頻方法[J].電工技術學報，2013，28(5)：112-119. Wu Zishuang，Yu Jilai，Peng Xiyun.DFIG’s frequency regulation method only for high wind speed with suboptimal power tracking[J].Transactions of China Electrotechnical Society，2013，28(5)：112-119.

[17]Erlich I，Wilch M.Primary frequency control by wind turbines[C].IEEE Power and Energy Society General Meeting，Minnesota，USA，2010：1-8.

[18]Estanqueiro A I，de Jesus J M F，Ricardo J，et al.Barriers (and solutions…) to very high wind penetration in power systems：the iberian case study[C].Power Engineering Society General Meeting，Berlin，Germany，2007：1-7.

[19]IEEE Recommended Practice for Functional and Performance Characteristics of Control Systems for Steam Turbine-Generator Unit[S].IEEE Std.122-1991.

[20]IEEE Recommended Practice for Preparation of Equipment Specifications for Speed-Governing of Hydraulic Turbines Intended to Drive Electric Generators[S].IEEE Std.125-2007.

[21]Langnisso O.Incentives for grid-friendly wind power plants-examples from Spain and Germany[C].Proceedings of China-US Renewable Energy Grid Integration Workshop，Beijing，2010.

Frequency Regulation of the Wind/Photovoltaic/Diesel Microgrid Based on DFIG Cooperative Strategy with Variable Coefficients BetweenVirtual Inertia and Over-speed Control

ZhaoJingjingLvXueFuYangHuXiaoguang

(Shanghai University of Electric Power Shanghai 200090 China)

To improve the frequency stability of the isolated islanding wind/photovoltaic/diesel microgrid，in this paper，the doubly fed induction generator(DFIG) and the diesel turbine are both utilized as the frequency regulation sources.Via coordinating virtual inertia control，rotor speed control，and automatic pitch control strategy，DFIG can cooperate with diesel turbine to restrain the frequency fluctuation caused by the change of the wind speed and the load.When operating at the below-rated wind speed，DFIG adoptsbothvirtual inertia control and over-speed control strategy.On the other hand，when at above-rated wind speed，DFIG utilizes virtual inertia control and automatic pitch control.Therefore，the output power drop during the recovery period of the rotor speed with virtual inertia control can be avoided.Moreover，this combined control strategy can provide permanent power support for the microgrid.In order to guarantee the efficiency of this strategy in a time-varying wind speed，an inertia coefficient curve and a droop control gain curve areplotted by analyzing parameter settings under different wind speeds，and as a result，the variable coefficient control is realized.This paper established the microgrid control model includes the diesel generator，photovoltaic power generator and DFIG using the software DIgSILENT PowerFactory.The simulation results show that this control strategy is valid.

Microgrid frequency regulation，DFIG，virtual inertia control，overspeed and automatic pitch control，variable coefficient

國家自然科學基金(51207087)，上海市重點支撐攻關計劃(13160500800)，上海市教委科研創新(12YZ143)和上海綠色能源并網工程技術研究中心(13DZ2251900)資助項目。

2014-11-15 改稿日期2014-12-30

TM315

趙晶晶 女，1980年生，副教授，博士，研究方向為分布式發電與微電網技術、風力發電無功電壓控制、配電網無功優化。

呂 雪 女，1990年生，碩士研究生，研究方向為風力發電頻率控制、分布式發電與微電網技術。(通信作者)