基于模糊控制的光儲微網實時電價能量管理策略

姚 鋼 ，王 旭 ，周荔丹

（1.上海電力大學電氣工程學院，上海 200090；2.上海交通大學電力傳輸與功率變換控制教育部重點實驗室，上海 200240）

近年來，隨著能源短缺和環境問題的日益凸顯，太陽能、風能等各種形式的清潔能源得到廣泛應用，微網作為分布式電源接入電網的有效途徑得到快速發展[1]。大量的新能源以及儲能裝置接入給微網帶來能量調度復雜以及經濟性低等問題，通過能量管理系統EMS（energy management system），可以實現新能源消納、平抑系統功率波動、減輕分布式能源和負荷隨機變化對電網穩定性帶來的沖擊[2-3]。

文獻[4-5]總結了國內外微網EMS的研究現狀，分析了其管理對象、基本功能、設計框架，闡述了其基本模型和算法，總結了其需要解決的聯合調度和負荷不確定性等問題；文獻[6]提出了一種以帕累托理論結合多目標遺傳算法形成的分層多目標優化算法，有效提升了算法的尋優能力，且使得算法適用于微網供需兩側優化問題的求解；文獻[7-8]提出了一種基于模糊控制的微網群控制方法，采用改進的模糊控制器實現對單微網的動態穩定控制，再依據群內子微網不同運行狀態提出了相應的控制目標與措施，實現集群穩定控制；文獻[9]提出了一種考慮分布式能源的運行約束、功率平衡約束的功率控制器，比較了實際的EMS模型和最佳潮流控制的EMS模型。

目前，儲能系統的能量調度和用戶需求側響應等研究受到廣泛關注[10]，文獻[11-12]基于分時電價構建了包含需求側響應的微網經濟優化調度模型，采用人群搜索算法對模型進行求解；文獻[13]基于實時電價，構建了實時交易下微網運行成本和污染排放目標函數，采用一種改進的粒子群優化算法對微網中分布式能源進行功率分配，實現了經濟效益和環境效益最大化；文獻[14-15]將需求側響應與實時電價相結合，提出了一種微網分布式能源實時管理模型，采用一種深度自適應動態規劃算法，實現了運營商與用戶之間的實時交互。

本文在上述基礎上，綜合考慮實時電價和儲能電池靈活充放電特性，針對光儲微網系統提出了一種基于模糊控制優化的能量管理策略。通過采集電網實時電價、儲能電池荷電狀態SOC（state of charge），經模糊控制實時產生電池貢獻度優化因子，將其引入EMS中，實現儲能電池充放電功率的實時調節，達到優化系統功率分配和降低整體運行成本的效果。最后在Matlab/Simulink中建立光儲微網仿真模型，驗證了本文所提策略的可行性和有效性。

1 光儲微網系統

圖1為光儲微網系統結構，主要由4部分組成：①光伏陣列通過boost變換器接入直流母線；②儲能電池通過雙向buck-boost變換器接入直流母線；③雙向DC/AC變換器作為光儲微網和外部交流電網之間的能量轉換接口，實現了交直流系統的功率交換；④負荷單元由直流母線通過buck變換器降壓后進行供電。

圖1 光儲微網系統結構Fig.1 Structure of photovoltaic storage microgrid system

本文能量管理系統采用雙層控制：第1層為單元級控制，主要針對光伏單元、儲能單元以及雙向DC/AC變換器，實現系統內功率平衡以及母線電壓穩定；第2層為系統級控制，由EMS進行優化調度，實現微網最佳經濟運行。

1.1 光伏單元及其控制

光伏單元本地控制如圖2所示。為了達到最大程度利用太陽能的目的，采用基于擾動觀察法的最大功率點跟蹤MPPT（maximum power point tracking）控制，保證光伏單元工作于最大功率輸出模式，輸出功率為

圖2 光伏單元本地控制Fig.2 Local control of photovoltaic unit

式中，Upv和Ipv為光伏陣列工作電壓（V）和工作電流（A）。

1.2 儲能單元及其控制

儲能單元本地控制如圖3所示，采用雙向buckboost變換器可以實現儲能電池靈活充放電，快速平抑負荷波動。輸入光伏單元輸出功率以及負荷所需功率經過EMS計算得到儲能電池參考電流，與儲能電池實際電流做差后經過閉環比例積分PI（proportional integral）得到控制信號參數，即

圖3 儲能單元本地控制Fig.3 Local control of energy storage unit

式中：ctrbat為PI環節輸出控制參數；kpb和kib為比例和積分參數；為EMS生成的儲能電池參考電流；Ibat為儲能電池實際運行電流。

儲能電池輸出功率為

式中，Ubat和Ibat為儲能電池工作電壓和工作電流，儲能電池電壓為

式中：U0為儲能電池初始電壓；m為容量損失系數，本文取1.05；Q為儲能電池容量，A·h；∫Ibatdt為儲能電池提取容量；Rb為儲能電池內部電阻，Ω；A和B分別為電壓變化曲線的幅值和指數系數。

儲能電池SOC為

1.3 雙向DC/AC變換器及其控制

雙向DC/AC變換器本地控制如圖4所示，采用電壓電流雙閉環控制。參考電流由參考電壓經過PI調節后得到

圖4 雙向DC/AC變換器本地控制Fig.4 Local control of bidirectional DC/AC converter

式中：kpv和kiv為電壓外環的比例參數和積分參數；為直流母線參考電壓；Udc為直流母線實際電壓。

式中：PL為負載所需功率；PF為濾波器、變換器以及其他設備的損耗功率。

2 能量管理系統

EMS為儲能單元提供參考電流，使儲能單元根據負荷需求進行自主充放電，實現供需平衡以及經濟最優。系統運行模式由以下因素決定：①電網可用性以及實時電價；②儲能電池剩余容量以及SOC；③光伏單元可用性以及負荷曲線。

對于微網系統動態功率流向，應根據實時電價$以及儲能電池SOC通過模糊邏輯系統FLS（fuzzy logic system）分派策略產生電池貢獻度優化因子β(β ∈[0 , 1] )，確定電池和電網的功率流，即

式中：CPV、CB分別為光伏單元和儲能單元的運營成本；CG為電網的能源成本；EB為儲能單元能源貢獻量。將優化因子加入到儲能電池的參考電流表達式中，通過實時調節該因子達到實時調節儲能電池充放電功率的目的，以期最大程度地降低微網運行成本。

本文不考慮微網各部分的功率損耗，將功率損耗補償因子α與EMS生成的參考信號結合，達到考慮功率損耗和滿足負載需求的目的，考慮5%的系統功率損耗，補償因子取值為1.05。本文提出的EMS包括8種運行模式[16]，儲能電池參考電流見表1。

表1 EMS運行模式Tab.1 Operating modes of EMS

1）電網適應模式GSM（grid suit mode）

此模式下，光伏單元輸出功率接近于0，電網實時電價小于標準電價$std（峰谷電價平均值），由電網滿足負載需求，并通過電池貢獻度優化因子β對儲能電池進行合理充電，達到儲能電池安全運行SOC最大限值SOCmax則停止充電，改由電網單獨供電。

2）電池適應模式BSM（battery suit mode）

此模式類似于GSM模式，但此時電網實時電價高于標準電價$std，過多的使用電網電量會導致微網運行成本增加，通過電池貢獻度優化因子β對儲能電池進行合理放電，降低電網功率貢獻度，達到SOCmin則由電網單獨供電。

3）孤島運行模式IOM（island operation mode）

此模式下，微網脫離交流電網工作，光伏單元始終運行在MPPT模式，在滿足負載需求的基礎上剩余功率對儲能電池進行充電，達到SOCmax停止，若光伏功率不能滿足負載需求，則儲能電池進行放電，達到儲能電池安全運行SOC最小限值SOCmin停止，進行減載運行，本文僅考慮光伏和儲能聯合供電情況。

4）電池空閑模式IBM（idle battery mode）

此模式下，儲能電池趨于深度放電，SOC小于其最小值SOCmin，電池處于空閑狀態，由光伏單元以及電網滿足負載需求，無需考慮電網電價，當光伏單元有剩余功率或電網電價較低時在對電池進行充電。

5）經濟運行模式EOM（economic operation mode）

此模式下，實時電價接近電網低谷電價$L，光伏單元正常運行，儲能電池SOC小于SOCmax。此時為了降低微網運行成本并且獲得一定的經濟效益，以最大額定充電電流對儲能電池進行充電，直到達到SOCmax停止，在電價高峰時期可由儲能單元向電網出售多余的電量，賺取經濟效益。

6）盈利運行模式POM（profit operation mode）

此模式下，實時電價接近電網高峰電價$H，光伏單元始終運行在MPPT模式，儲能電池以最大額定放電電流進行放電，直到達到SOCmin停止，將微網內多余的能量出售給電網達到盈利目的。

7）重負荷運行模式HIM（heavy load mode）

此模式下，負載需求過高，由光伏、儲能以及電網聯合供電，此時電網實時電價介于高峰電價和低谷電價之間，通過電池貢獻度優化因子β對電池放電功率進行優化，實時調整放電功率保證微網運行成本最低。

8）輕負荷運行模式LIM（light load mode）

此模式類似于HIM模式，但負載需求不高，光伏單元輸出功率可以滿足負載需求，剩余電量將以最佳費率對電池進行充電，或者出售給電網，電池的充放電速率以及對電網的影響都取決于電池貢獻度優化因子β。

表1總結了本文所提EMS中8種運行模式的優化目標、運行條件以及儲能電池參考電流，運行模式相互關系如圖5所示。

圖5 運行模式相互關系Fig.5 Interrelationship among operating modes

EMS操作流程如圖6所示，采集SOC、光伏功率、儲能功率、負載功率以及電網電價，步驟如下。

圖6 EMS操作流程Fig.6 Operation process of EMS

步驟1判斷電網是否可用，若不可用，則系統運行在ISM模式；

步驟2判斷儲能電池SOC是否滿足約束，若不滿足，則系統運行在IBM模式；

步驟3判斷光伏功率是否接近于0，接近則根據實時電價在進行判斷，較高則系統運行在BSM模式，較低則系統運行在GSM模式；

步驟4判斷實時電價是否在峰谷，高峰則系統運行在POM模式，低谷則系統運行在EOM模式；

步驟5判斷負載功率是否超出光伏單元輸出功率上限，是則運行在HIM模式，否則運行在LIM模式。

3 實時電價下模糊控制優化

模糊控制是利用模糊數學的基本思想和理論達到人工精確控制的目的。為了實現微網內功率的精確分配，采集電網實時電價$和儲能電池SOC通過FLS分派策略實時產生電池貢獻度優化因子β，將其引入提出的EMS中，達到實時調節儲能電池出力的目的，實現微網內能量的經濟運行。

3.1 實時電價模型

實時電價由電力市場供需關系決定，主要包括邊際成本定價模型、平均成本定價模型以及壟斷定價模型[17]。本文主要研究實時電價下的能量管理策略，不對實時電價模型進行研究，采用文獻[18]中參考美國加州電價結合國內實際情況構建的實時電價曲線，如圖7所示。

圖7 實時電價曲線Fig.7 Curve of real-time electricity price

3.2 輸入隸屬度函數

輸入隸屬度函數如圖8所示。輸入模糊變量包括實時電價$和儲能電池SOC，$的變化范圍為[0，1.4元/（kW·h）]，模糊論域為[0，0.2，0.4，0.6，0.8，1.0，1.2，1.4]，對應模糊子集為[VS，S，M，L，VL]，分別代表電價很低、低、中、高、很高，隸屬度函數如圖8（a）所示。儲能電池SOC的變化范圍為[0，1.0]，模糊論域為[0，0.2，0.4，0.6，0.8，1.0]，對應模糊子集為[VS，S，M，L，VL]，分別代表SOC很低、低、中、高、很高，隸屬度函數如圖8（b）所示。

圖8 輸入隸屬度函數Fig.8 Input membership function

3.3 輸出隸屬度函數

輸出模糊變量為電池貢獻度優化因子β，變化范圍為[0，1.0]，模糊論域為[0，0.2，0.4，0.6，0.8，1.0]，對應模糊子集為[VS，S，M，L，VL]，分別代表優化因子很低、低、中、高、很高，輸出隸屬度函數如圖9所示。

圖9 輸出隸屬度函數Fig.9 Output membership function

3.4 模糊控制規則

本文工作目標是在滿足負載需求的基礎上降低微網運行成本。若儲能電池SOC較高且電價相對較高，則利用儲能電池大功率放電以購買更少的高價電力；若儲能電池SOC較低且電價相對較低，則利用儲能電池大功率充電以獲取更多的低價電力；若儲能電池SOC和電價處于其他狀態，則需要根據規則確定儲能電池的充放電功率。設計的模糊控制規則如表2所示。

表2 模糊控制規則Tab.2 Fuzzy control rules

4 仿真實驗及結果分析

為了驗證本文所提策略的正確性和有效性，采用Matlab/Simulink仿真軟件，搭建了圖1的仿真平臺，其中直流母線額定電壓為750 V，微電網與大電網最大交換功率為110 kW，系統負荷峰值80 kW，光伏單元最大輸出功率為50 kW，儲能電池額定電壓為300 V，容量為500 A·h。在圖6所示的EMS操作流程中，微網可以在8種模式下平穩運行，為了簡化分析，進行2次實驗，每次實驗包括4種運行模式。

實驗1：4種運行模式（GSM，BSM，ISM和IBM）的微網功率變化曲線如圖10所示，儲能電池SOC變化曲線如圖11所示，直流母線電壓如圖12所示。

圖10 實驗1微網功率變化曲線Fig.10 Curve of microgrid power in Experiment 1

圖11 實驗1儲能電池SOC變化曲線Fig.11 Curve of energy storage battery SOC in Experiment 1

圖12 實驗1直流母線電壓變化Fig.12 Changes in DC bus voltage in Experiment 1

0～0.5 s，微網運行在GSM模式，負載功率為80 kW，光伏出力約為0，電網電價低于標準電價，經過模糊控制產生電池貢獻度優化因子β為0.3，電網發出功率105 kW，向負載提供功率80 kW，向儲能電池提供功率25 kW，電池SOC上升，母線電壓穩定在750 V。

0.5～1.0 s，微網運行在BSM模式，負載功率為80 kW，光伏出力約為零，電網電價高于標準電價，經過模糊控制產生電池貢獻度優化因子β為0.7，電網發出功率25 kW，儲能電池釋放功率55 kW，共同滿足負載需求，電池SOC下降，母線電壓穩定在750 V。

1.0～1.5 s，微網運行在ISM模式，切除電網工作，負載功率為80 kW，光伏單元輸出功率50 kW，不能滿足負載需求，此時以微網安全穩定運行為目標，儲能電池釋放功率30 kW保證負載可靠運行，電池SOC下降，母線電壓穩定在750 V。

1.5～2.0 s，微網運行在IBM模式，儲能電池SOC低于其下限值，為了防止電池過放導致受損，使其處于空閑狀態。負載功率為80 kW，光伏單元輸出功率50 kW，此時不考慮電網電價，電網發出功率30 kW，共同滿足負載需求，電池SOC不變，母線電壓穩定在750 V。

實驗2：其他4種運行模式（EOM，POM，HIM和LIM）的微網功率變化曲線如圖13所示，儲能電池SOC變化曲線如圖14所示，直流母線電壓如圖15所示。

圖13 實驗2微網功率變化曲線Fig.13 Curves of microgrid power in Experiment 2

圖14 實驗2儲能電池SOC變化曲線Fig.14 Curve of energy storage battery SOC in Experiment 2

圖15 實驗2直流母線電壓變化Fig.15 Changes in DC bus voltage in Experiment 2

0～0.5 s，微網運行在EOM模式，負載功率為80 kW，光伏單元輸出功率50 kW，電網電價接近谷值，儲能電池以最大額定充電電流進行充電，直到達到SOC上限，電網輸出功率70 kW，向負載提供功率30 kW，向儲能電池提供功率40 kW，電池SOC上升，母線電壓穩定在750 V。

0.5～1.0 s，微網運行在POM模式，負載功率為80 kW，光伏單元輸出功率50 kW，電網電價接近峰值，儲能電池以最大額定放電電流進行放電，直到達到SOC下限，輸出功率38 kW，向負載提供功率30 kW，向電網輸出功率8 kW，獲取一定的經濟效益，電池SOC下降，母線電壓穩定在750 V。

1.0～1.5 s，微網運行在HIM模式，負載功率為80 kW，光伏單元輸出功率50 kW，電網電價不處于峰谷值，結合電網電價以及儲能電池SOC產生電池貢獻度優化因子β為0.7，儲能電池輸出功率20 kW，電網輸出功率10 kW，共同滿足負載需求，電池SOC下降，母線電壓穩定在750 V。

1.5～2.0 s，微網運行在LIM模式，負載功率下降至25 kW，光伏單元輸出功率50 kW，電網電價不處于峰谷值，結合電網電價以及儲能電池SOC產生電池貢獻度優化因子β為0.8，光伏單元剩余功率向儲能電池輸出功率5 kW，向電網輸出功率20 kW，電池SOC上升，母線電壓穩定在750 V。

采用上述微電網的容量配置，將其應用在某園區中，圖16為光伏及負荷功率全天變化曲線，該園區日負荷耗電量為991 kW·h，光伏單元日發電量為390 kW·h，光伏滲透率為40%。針對該園區進行微網運行成本分析，采用3種配置：光伏微網（PV+G）、光儲微網傳統控制（PV+B+G）、以及光儲微網改進控制（PV+B+G+EMS）。光伏單元運行成本0.45元/（kW·h），儲能電池綜合運行成本0.25元/（kW·h），電網電價采用圖7中實時電價曲線，向電網售電費用為同期電價的85%，圖17為不同配置下全天實時電費變化曲線。表3為不同配置下微網運行成本。

圖16 光伏及負荷功率全天變化曲線Fig.16 All-day curves of photovoltaic and load power

圖17 全天實時電費變化曲線Fig.17 All-day real-time curves of electricity bills

由圖17和表3可以看出，在光伏微網中，微網運行成本主要取決于電網實時電價，全天運行費用為723.36元；在光儲微網傳統控制中，電池夜間充電，日間放電，夜間運行費用略高于第一種模式，日間電池多余的能量出售給電網獲利，全天運行費用為594.48元，比光伏微網減少17.82%的成本；在光儲微網改進控制中，通過儲能電池優化因子的實時調節，盈利效果更加明顯，全天運行費用降為492.00元，比采用傳統能量管理策略的光儲微網減少17.23%的成本，比光伏微網減少31.98%的成本。

表3 不同微網配置運行成本Tab.3 Operating costs under different microgrid configurations

5 結語

本文針對光儲微網采用實時電價引起系統能量分配復雜、運行經濟性低的問題，在能量管理策略基礎上引入了模糊控制方法，根據各單元出力情況以及電網電價設計了8種運行模式，以微網運行成本最低為優化目標，綜合考慮了實時電價、儲能電池SOC，通過模糊控制實時調節儲能電池出力。最后通過對某園區在3種配置下進行微網運行成本分析，采用本文所提策略的光儲微網要比采用傳統能量管理策略的光儲微網節約17.23%的費用，比光伏微網節約31.98%的費用，有效降低了微網運行成本。

本文所提光儲微網系統及其EMS可用于居民住宅和商業園區，后續將考慮電動汽車接入系統的能量優化策略。