多端口DC-DC變換器型風光互補系統的分布式模型預測控制

張 怡，劉 洋

（華北理工大學電氣工程學院，河北 唐山 063210）

1 引言

太陽能和風能是兩種重要的可再生清潔能源，由于兩種能源之間地域分布相隔較遠且受到晝夜變化、自然因素等外界條件的影響而決定其各個輸出功率的大小，單獨的風力發電和光伏發電會導致發電和用電負荷的不均衡[1]。

因其風力發電和光伏發電在自然條件下具有互補性，以至于利用以風光互補混合系統去發電成為一種必然的選擇且對現代電力行業具有重要的研究價值[2]。

模型預測控制（model predictive control，MPC）是近幾年提出用來解決系統優化問題的方法，該方法能夠很好地對約束問題進行在線的處理[3-4]。

隨著網絡信息化技術的逐步完善，集中式控制和分散式控制的方法對于局限且系統之間沒有信息交流的弊端現象，導致了系統在優化方面的耗時大、效率低，逐步地被分布式的思想所替代[5-7]。

分布式MPC是將集中式的控制方法劃分為多個關聯度很高的子系統，增強集中式系統中無通訊交流或交流少的缺陷且為每個子系統都設計了一個獨立的控制器去優化和調節[8]。

針對大規模且地理分散的風光互補系統中，提出用分布式模型預測控制策略對其進行控制和優化，在此基礎上，把多端口雙向DC-DC變換器運用到風光互補系統中。

實驗研究證明，該方法能夠使系統穩定的實現功率平衡要求且優化效率高、時間短。

2 多端口DC-DC變換器型風光互補系統

多端口DC-DC變換器型的風光互補系統由風力、光伏和蓄電池三個獨立的子系統組成，其結構，如圖1所示。

圖1 多端口DC-DC變換器型風光互補系統結構圖Fig.1 Multi-Port DC-DC Converter Type Wind-Solar Complementary System Structure Diagram

圖中：iw、is—風力和光伏發電子系統的輸出電流；uw、us—風力渦輪機和光伏板的控制信號（DC/DC整流器的占空比）；ib、iL—電池和負荷的輸入電流。

其中，風力和光伏發電去解決系統中多數情況下的負荷需求，當兩個子系統共同發電超出負荷需求時，剩余的能量會提供給電池組[9]。而風力和光伏子系統發出的功率滿足不了系統的負荷需求時，電池組會進行必要的補充。

2.1 風力子系統模型

風力發電子系統包括風機、一個多極永磁同步發電機（PMSG），整流器和DC/DC轉換器。

風力發電子系統的數學模型可描述如下：

2.2 光伏子系統模型

光伏發電子系統包括由多個光伏板組成的光伏面板陣列和DC/DC 轉換器，其中DC/DC 整流器把太陽能轉化成電能，其結構，如圖1所示。數學模型描述如下：

2.3 蓄電池模型

蓄電池組作為風光互補發電系統中的第三個子系統，不僅能在風力和光伏正常發電維持系統負荷端功率平衡條件下儲存其兩個系統剩余的能量，還能在風光兩者供給能量不足的條件下提供自身的能量去滿足負荷端的需求。其結構為一個電壓源Eb串聯一個電阻Rb和一個電容cb模型如下：

式中：fc(xw，xs，vc)—非線性標量函數。

3 分布式模型預測控制器

單個風光互補系統的狀態空間方程為：

4 仿真實驗

整個仿真過程中，取預測時域Np=10，控制時域Nc=10，采樣時間Ts=10ms，仿真時間為260s，外界環境條件，如圖2所示。

圖2 外界環境Fig.2 External Environment

光照強度在（55～70）MW/cm2之間平穩運行，溫度在（25～35）℃之間波動，風機風速在（5～15）m/s之間小幅波動，負荷需求在60s 由（3.5～4.3）MW，在100s 跌落到4MW，在150s 跌落到3.7MW，最后在190s又升至4.3MW。

風力和光伏的輸出功率，如圖3所示。從圖3中可以看出當風力發電子系統的輸出功率最大化時也不能滿足系統的負荷需求，此時，光伏發電去補充且效果很好，蓄電池只有在（200～240）s進行必要的補充。蓄電池的輸出功率，如圖4所示。

圖3 風力和光伏的輸出功率Fig.3 Output Power of Wind and Photovoltaic System

圖4 蓄電池的輸出功率Fig.4 Output Power of Bank System

為了對比分布式模型預測控制和其他控制方法，分別對風力發電子系統和光伏發電系統做了一個（2000～4000）W 和光伏發電系統從（800～400）W的階躍響應，其控制效果，如圖5所示。

圖5 風力、光伏發電子系統輸出功率效果圖Fig.5 Output Power Control Effect Comparison Chart of Wind and Solar

研究結果表明，分布式模型預測控制相對于傳統的PID控制方法效果好很多，但略差于集中式控制方法。

從表1可以看出，在260s的仿真優化過程中，隨著優化時間的變長，分布式的優化效率明顯強于集中式，而且優化時間越長，其效果越明顯。

表1 分布式和集中式模型預測控制優化時間對比Tab.1 Distributed and Centralized Model Predictive Control Optimization Time Comparison

綜上所述，在針對大規模的風光互補發電系統中，運用分布式模型預測控制去優化和調節效果好、速率高。

5 結論

針對大規模且地理分散的風光互補系統，各個子系統優化時缺少通訊交流，提出基于模型預測控制的方法設計各個子系統的控制器去合理分配各個子系統的輸出功率。

針對傳統風光互補系統中風力、光伏和蓄電池三個子系統之間都要都要通過一個單獨的DC-DC 變換器才能實現功率交流，進而維持整個系統功率平衡的現狀，提出把多端口DC-DC變換器運用到該系統中去。

最后，通過仿真證明了該方法在保證各子系統實現通訊交流的基礎上，使系統穩定可靠安全的運行，且對于傳統的控制方法，優化效果好且速率高。