基于二次调频的孤岛微网自适应旋转惯量控制策略

杨祯 苏宏升

引用本文:
Citation:

基于二次调频的孤岛微网自适应旋转惯量控制策略

    作者简介: 杨祯(1994−),女,甘肃人,硕士生,主要研究方向为虚拟同步发电机及其在微电网中的应用. E-mail:759530210@qq.com;
    通讯作者: 苏宏升, shsen@163.com
  • 中图分类号: TM712

Control strategy with adaptive rotary inertia based on secondary frequency for islanding microgrid

    Corresponding author: SU Hong-sheng, shsen@163.com
  • CLC number: TM712

  • 摘要: 传统的虚拟同步发电机(VSG)控制策略中引入同步发电机(SG)的旋转惯量和阻尼系数,解决了大规模分布式能源接入微网时缺少惯性的问题,然而固定的旋转惯量无法兼顾负荷扰动下功率振荡及频率波动. 针对这一问题,提出一种基于二次调频的旋转惯量自适应控制策略,增强系统惯性,实现功率和频率的实时动态调节. 首先,借鉴SG的外特性建立VSG的数学模型,分析孤岛模式下不同旋转惯量对系统动态响应的影响;然后,在旋转惯量控制中引入角频率偏移量和变化率形成自适应惯量控制,减少系统在负荷扰动时的超调量和振荡时间,并分析重要参数对系统稳定性的影响;最后,通过Matlab/Simulink仿真软件,将其与传统VSG控制策略进行对比分析,验证了所提新型VSG控制策略的可行性和优越性.
  • 图 1  VSG控制结构框图

    Figure 1.  Control structure diagram of VSG

    图 2  传统虚拟功频控制器

    Figure 2.  Traditional virtual active power and frequency controller

    图 3  改进虚拟功频控制器

    Figure 3.  Virtual active power and frequency controller of improving

    图 4  虚拟励磁控制器

    Figure 4.  Virtual excitation controller

    图 5  内环电压电流控制结构图

    Figure 5.  Inner loop voltage and current control diagram

    图 6  VSG转子角频率曲线

    Figure 6.  Rotor angular frequency curve of VSG

    图 7  旋转惯量自适应控制原理

    Figure 7.  Principle diagram of adaptive control of rotational inertia

    图 8  离网模式等效电路图

    Figure 8.  Equivalent circuit of island mode

    图 9  参数变化的根轨迹

    Figure 9.  Root locus of parameters change

    图 10  不同旋转惯量时的动态响应

    Figure 10.  Dynamic response of different rotary inertia

    图 11  控制方法对比

    Figure 11.  Contrast of control methods

    图 12  自适应控制下的仿真结果

    Figure 12.  Simulation results of adaptive control

    表 1  不同情况下J的选取原则

    Table 1.  Selecting principle of J under different conditions

    区间$\Delta \omega $${{{\rm{d}}\omega } / {{\rm{d}}t}}$$\Delta \omega ({{{\rm{d}}\omega } / {{\rm{d}}t}})$J
    <0<0>0
    <0>0<0
    >0>0>0
    >0<0<0
    下载: 导出CSV

    表 2  系统仿真参数

    Table 2.  Simulation parameters of system

    物理量数值物理量数值
    直流侧额定电压/V800滤波电感/H3×10−3
    交流侧额定电压/V380滤波电容/F9×10−6
    系统额定频率/Hz 50内阻/Ω4×10−4
    系统额定功率/kW 10旋转惯量0.2
    开关频率/kHz 10阻尼系数30
    下载: 导出CSV
  • [1] Wang C S, Li P,Peng K et al. Coordinated optimal design of inverter controllers in a micro-grid with multiple distributed generation units[J]. IEEE Transactions on Power Systems, 2013, 28(3): 2 679-2 687. DOI:  10.1109/TPWRS.2013.2245922.
    [2] 杨小龙, 程启明, 褚思远, 等. 孤岛模式下光储直流微电网变功率控制策略[J]. 电力自动化设备, 2016, 36(11). Yang X L, Cheng Q M, Chu S Y, et al. Variable power control of photovoltaic-battery DC microgrid in islanding mode[J]. Electric Power Automation Equipment, 2016, 36(11).
    [3] 刘琦. 中国新能源发展研究[J]. 电网与清洁能源, 2010, 26(1): 1-2. DOI:  10.3969/j.issn.1674-3814.2010.01.001. Liu Q. Studies on China’s new energy development[J]. Power System and Clean Energy, 2010, 26(1): 1-2.
    [4] 牟晓春, 毕大强, 任先文. 低压微网综合控制策略设计[J]. 电力系统自动化, 2010, 34(19): 91-96. Mou X C, Bi D Q, Ren X W. Study on control strategies of a low voltage microgrid[J]. Automation of Electric Power Systems, 2010, 34(19): 91-96.
    [5] 钟庆昌. 虚拟同步机与自主电力系统[J]. 中国电机工程学报, 2017, 37(2): 336-349. Zhong Q C. Virtual synchronous machines and autonomous power systems[J]. Proceedings of the CSEE, 2017, 37(2): 336-349.
    [6] Rocabert J, Luna A, Blaabjerg F, et al. Control of power converters in AC microgrids[J]. IEEE Transactions on Power Electronics, 2012, 27(11): 4 734-4 749. DOI:  10.1109/TPEL.2012.2199334.
    [7] Hatziargyriou N, Asano H, Iravani R, et al. Microgrids[J]. Power & Energy Magazine IEEE, 2007, 5(4): 78-94.
    [8] Liu J, Miura Y, Ise T. Comparison of dynamic characteristics between virtual synchronous generator and droop control in inverter-based distributed generators[J]. IEEE Transactions on Power Electronics, 2015, 31(5): 3 600-3 611.
    [9] 杨新法, 苏剑, 吕志鹏, 等. 微电网技术综述[J]. 中国电机工程学报, 2014, 34(1): 57-70. Yang X F, Su J, Lu Z P, et al. Overview on micro-grid technology[J]. Proceedings of the CSEE, 2014, 34(1): 57-70.
    [10] 曾正, 李辉, 冉立. 交流微电网逆变器控制策略述评[J]. 电力系统自动化, 2016, 40(9): 142-151. Zeng Z, Li H, Ran L. Comparison on control strategies of inverters in AC microgrids[J]. Automation of Electric Power Systems, 2016, 40(9): 142-151.
    [11] Zhong Q C, Weiss G. Synchronverters: Inverters that mimic synchronous generators[J]. IEEE Transactions on Industrial Electronics, 2011, 58(4): 1 259-1 267. DOI:  10.1109/TIE.2010.2048839.
    [12] 杜威, 姜齐荣, 陈蛟瑞. 微电网电源的虚拟惯性频率控制策略[J]. 电力系统自动化, 2011, 35(23): 26-31+36. Du W, Jiang Q R, Chen J R. Frequency control strategy of distributed generations based on virtual inertia in a microgrid[J]. Automation of Electric Power Systems, 2011, 35(23): 26-31+36.
    [13] Torres L M A, Lopes L A C, Moran T L A, et al. Self-tuning virtual synchronous machine: A control strategy for energy storage systems to support dynamic frequency control[J]. IEEE Transactions on Energy Conversion, 2014, 29(4): 833-840. DOI:  10.1109/TEC.2014.2362577.
    [14] Alipoor J, Miura Y, Ise T. Power system stabilization using virtual synchronous generator with alternating moment of inertia[J]. IEEE Journal of Emerging and Selected Topics in Power Electronics, 2015, 3(2): 451-458. DOI:  10.1109/JESTPE.2014.2362530.
    [15] 陈来军, 王任, 郑天文, 等. 基于参数自适应调节的虚拟同步发电机暂态响应优化控制[J]. 中国电机工程学报, 2016, 36(21): 5 724-5 731. Chen L J, Wang R, Zheng T W, et al. Optimal control of transient response of virtual synchronous generator based on adaptive parameter adjustment[J]. Proceedings of the CSEE, 2016, 36(21): 5 724-5 731.
    [16] 宋琼, 张辉, 孙凯, 等. 多微源独立微网中虚拟同步发电机的改进型转动惯量自适应控制[J]. 中国电机工程学报, 2017(2): 412-423. Song Q, Zhang H, Sun K, et al. Improved adaptive control of inertia for virtual synchronous generators in islanding micro-grid with multiple distributed generation units[J]. Proceedings of the CSEE, 2017(2): 412-423.
    [17] 章伟明, 赵巧娥, 刘毓梅, 等. 孤岛模式自适应转动惯量VSG逆变电源控制策略[J]. 电力系统及其自动化学报, 2019, 31(2): 95-100. Zhang W M, Zhao Q E, Liu Y M, et al. VSG inverter power control strategy with adaptive rotary inertia for island mode[J]. Proceedings of the CSU-EPSA, 2019, 31(2): 95-100.
    [18] 许爱国, 谢少军. 电容电流瞬时值反馈控制逆变器的数学控制技术研究[J]. 中国电机工程学报, 2005(1): 52-56. Xu A G, Xie S J. Study on digital control technique for inverters with instantaneous capacitor-current feedback[J]. Proceeding of the CSEE, 2005(1): 52-56.
    [19] 周振雄, 石硕. 基于DRNN自整定准PR控制的光伏并网系统研究[J]. 太阳能学报, 2017, 38(11): 2 932-2 940. Zhou Z X, Shi S. Research on quasi-PR control based on DRNN of self-tuning for photovoltaic grid-connected system[J]. Acta Energiae Solaris Sinica, 2017, 38(11): 2 932-2 940.
    [20] 李东东, 朱钱唯, 程云志, 等. 基于自适应惯量阻尼综合控制算法的虚拟同步发电机控制策略[J]. 电力自动化设备, 2017, 37(11): 72-77. Li D D, Zhu Q W, Cheng Y Z, et al. Control strategy of virtual synchronous generator based on self-adaptive rotor inertia and damping combination control algorithm[J]. Electric Power Automation Equipment, 2017, 37(11): 72-77.
    [21] 张兴, 朱德斌, 徐海珍. 分布式发电中的虚拟同步发电机技术[J]. 电源学报, 2013(3): 1-6. Zhang X, Zhu D B, Xu H Z. Review of virtual synchronous generator technology in distributed generation[J]. Journal of Power Supply, 2013(3): 1-6.
  • [1] 荆涛孙剑辉石旭东 . β确定下的飞机发电机故障诊断决策约简研究. 云南大学学报(自然科学版), 2016, 38(6): 866-872. doi: 10.7540/j.ynu.20160080
    [2] 陈威张世峰张祝威胡贵妹 . 焦炉集气管压力系统的复合自适应PID控制. 云南大学学报(自然科学版), 2017, 39(4): 565-572. doi: 10.7540/j.ynu.20160597
    [3] 朱娟萍侯忠生陆正福熊丹 . 应用神经网络的非参数模型自适应控制. 云南大学学报(自然科学版), 2005, 27(4): 280-284.
    [4] 商林松龙华李一民邵玉斌杜庆治 . 基于新型训练序列的OFDM频率同步算法. 云南大学学报(自然科学版), 2020, 42(): 1-8. doi: 10.7540/j.ynu.20190453
    [5] 孙巍郭敏 . 基于自适应形状先验的快速图像分割算法. 云南大学学报(自然科学版), 2015, 37(1): 52-61. doi: 10.7540/j.ynu.20140296
    [6] 庄红林段鹏何磊 . 基于能量分布的自适应整体变分去噪方法. 云南大学学报(自然科学版), 2008, 30(4): 350-354.
    [7] 杨跃诚钟汝能孙瑜肖梦雄 . 基于IRT的计算机化自适应测试系统研究. 云南大学学报(自然科学版), 2011, 33(S2): 294-298.
    [8] 高思聪刘云 . 能量采集WSN中的自适应机会路由算法研究. 云南大学学报(自然科学版), 2015, 37(6): 818-824. doi: 10.7540/j.ynu.20150162
    [9] 张晨光史伟光毕长浩 . 结合自适应高斯滤波的单幅图像去雾方法. 云南大学学报(自然科学版), 2017, 39(3): 369-375. doi: 10.7540/j.ynu.20160547
    [10] 冯瑶赵东风童赛美王昆 . MIMO水声信道分数间隔自适应均衡的研究. 云南大学学报(自然科学版), 2009, 31(1): 39-42,5 .
    [11] 郭栋鸿谭丽温润 . 基于MMSE的自适应灰度形态学钢轨边缘检测算法. 云南大学学报(自然科学版), 2019, 41(6): 1144-1151. doi: 10.7540/j.ynu.20190285
    [12] 赵显达黄欢 . 基于细胞神经网络边缘检测的自适应研究. 云南大学学报(自然科学版), 2019, 41(2): 268-277. doi: 10.7540/j.ynu.20170437
    [13] 李港罗志全杨娟曾晓雄 . 旋转带电BTZ黑洞的修正熵. 云南大学学报(自然科学版), 2010, 32(4): 437-442 .
    [14] 张小青李艳红 . 基于苍狼优化算法的神经网络PMSM混沌同步控制. 云南大学学报(自然科学版), 2020, 42(): 1-9. doi: 10.7540/j.ynu.20190534
    [15] 佘明辉林琳赵东风 . 自适应多通道二维概率型时隙式随机多址无线通信网络协议分析. 云南大学学报(自然科学版), 2009, 31(3): 232-237 .
    [16] 陈树刚张学杰 . 一种基于小波系数自适应加权平均的解剖和功能医学图像融合算法. 云南大学学报(自然科学版), 2005, 27(3): 200-205.
    [17] 张艳刘兵 . 抗旋转的数字图像水印算法. 云南大学学报(自然科学版), 2005, 27(1): 22-25,29.
    [18] 谭劲 . 旋转对超新星塌缩时标的影响. 云南大学学报(自然科学版), 2006, 28(5): 411-414.
    [19] 赵先锋张华 . 超子同位旋相互作用对中子星转动惯量的影响. 云南大学学报(自然科学版), 2011, 33(3): 303-307, .
    [20] 谢长贵陈平 . 一种DFT的频率校正算法. 云南大学学报(自然科学版), 2017, 39(2): 200-206. doi: 10.7540/j.ynu.20160117
  • 加载中
图(12)表(2)
计量
  • 文章访问数:  428
  • HTML全文浏览量:  1047
  • PDF下载量:  23
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-06-03
  • 录用日期:  2019-09-11
  • 网络出版日期:  2019-11-20
  • 刊出日期:  2020-03-01

基于二次调频的孤岛微网自适应旋转惯量控制策略

    作者简介:杨祯(1994−),女,甘肃人,硕士生,主要研究方向为虚拟同步发电机及其在微电网中的应用. E-mail:759530210@qq.com
    通讯作者: 苏宏升, shsen@163.com
  • 兰州交通大学 自动化与电气工程学院,甘肃 兰州 730070

摘要: 传统的虚拟同步发电机(VSG)控制策略中引入同步发电机(SG)的旋转惯量和阻尼系数,解决了大规模分布式能源接入微网时缺少惯性的问题,然而固定的旋转惯量无法兼顾负荷扰动下功率振荡及频率波动. 针对这一问题,提出一种基于二次调频的旋转惯量自适应控制策略,增强系统惯性,实现功率和频率的实时动态调节. 首先,借鉴SG的外特性建立VSG的数学模型,分析孤岛模式下不同旋转惯量对系统动态响应的影响;然后,在旋转惯量控制中引入角频率偏移量和变化率形成自适应惯量控制,减少系统在负荷扰动时的超调量和振荡时间,并分析重要参数对系统稳定性的影响;最后,通过Matlab/Simulink仿真软件,将其与传统VSG控制策略进行对比分析,验证了所提新型VSG控制策略的可行性和优越性.

English Abstract

  • 随着能源和环境污染问题的加剧,以分布式能源(Distributed Generation, DG)为主要能量来源的微网受到广泛关注[1-3]. 微电网是一种由DG、储能装置、配电设施、用电负荷、保护装置和监控等构成的小型发配用电系统,其主要分为独立型微电网与并网型微电网,可实现自治管理与自我控制[4-6]. 储能系统能克服微网惯性小且抗扰动能力弱的问题,消减光伏、风能等可再生能源发电的间歇性和波动性对系统稳定性的影响,视为大电网的“可控单元”[7].

    传统电力系统的动态由同步发电机(Synchronous Generator, SG)主导. 由于SG存在惯性,能够抑制频率快速波动,维持电网安全稳定运行. 目前,新能源,直流输电,微电网的发展使现代电力系统趋于电力电子化,越来越多的DG通过电力电子并网逆变器接入电网中,相比于传统的SG,DG并网逆变器具有响应迅速的优点,由于其惯性缺失会导致各电能参数的快速响应,给电力系统安全稳定运行带来了新的挑战[8]. 因此,虚拟同步发电机(virtual synchronous generator, VSG)控制技术被提出,模拟出与SG相类似的旋转惯量和阻尼特性的新型控制策略[9-11]. 国内外学者已经提出多种多样的VSG控制方式,减小DG发电带来的不利影响,提高含高渗透率新能源电网的稳定性. 文献[12]针对DG的独立微网运行提出一种虚拟惯量频率控制策略,使微网电源既有下垂控制特性又具有与SG类似的转子惯性,该控制算法提高了微网的频率稳定性. 由于该策略中旋转惯量是定值,其频率在负载扰动时会导致暂态过长的问题. 文献[13]提出虚拟同步机(VSM)自适应旋转惯量和阻尼系数控制策略,优化了频率特性曲线,但该文为电流源型逆变器,不适用于离网运行. 文献[14]提出基于bang-bang控制的旋转惯量可调的VSG控制算法,实现旋转惯量的实时动态跟踪,但其控制算法较难完成. 文献[15]设计旋转惯量和阻尼系数的自适应调节算法,有效抑制功率和频率在暂态过程中的波动. 文献[16]提出一种改善有功和频率特性的旋转惯量自适应控制,该算法根据频率偏差量动态调节旋转惯量,提高系统的稳定性. 文献[17]设计出一种动态调节旋转惯量的控制算法,该策略使系统具有较快的响应速度,同时减少了负荷扰动时的频率超调量.

    文献[14-17]提出的VSG自适应旋转惯量一次调频控制策略,在负荷扰动时存在频率偏差,不能保证其运行于离网模式下的电能质量. 本文就以上文献对VSG研究存在的问题,提出一种基于二次调频的旋转惯量自适应控制策略. 基本思路为:建立VSG有功频率、无功电压控制,改进功频控制器结构,即在有功频率控制环中增加一个积分环节,实现微网频率的无差控制;在VSG控制算法中引入角频率偏移量和变化率实现旋转惯量动态调节,使系统在负荷扰动时能快速响应,且通过提高旋转惯量减少频率超调量,从而抑制频率的快速变化. 通过根轨迹的变化反应系统的动态性能,分析相关参数对系统动态响应的影响. 最后,利用Matlab/Simulink仿真软件对比分析,验证本文所提控制策略的有效性和优越性.

    • 基于VSG的逆变型DG整体控制框图如图1所示,主电路采用三相电压源型逆变器,Udc为直流母线电压;S1S6为IGBT开关管;R为滤波电感寄生电阻;LC分别为滤波器的滤波电感和滤波电容值;Zline为线路阻抗;KM为静态转换开关;iLiCig分别表示滤波电感输出电流、滤波电容电流及流向PCC的三相电流;UC为滤波电容电压;PrefQref分别为有功功率、无功功率指令值;PQ分别为测量得到的逆变器输出的有功功率、无功功率瞬时值;φE分别为经过VSG控制算法得到的电压幅值和相位的参考值;E*为得到的电压正弦波参考值;mambmc为经过电压电流双闭环控制得到的三相调制波. 为增大控制器在基波频率附近的增益,提升系统的响应速度和无静差跟踪能力,在内环采用QPR控制对E*进行跟踪,功率外环采用VSG控制.

      图  1  VSG控制结构框图

      Figure 1.  Control structure diagram of VSG

      为便于分析,假设极对数为1,VSG的电气角速度和机械角速度相同,则VSG转子运动方程表示为

      $\left\{ \begin{array}{l} J\dfrac{{{\rm{d}}\Delta \omega }}{{{\rm{d}}t}} = {T_{\rm{m}}} - {T_{\rm{e}}} - {T_{\rm{D}}} = \dfrac{{{P_{\rm{m}}}}}{{{\omega _0}}} - \dfrac{{{P_{\rm{e}}}}}{{{\omega _0}}} - D(\omega - {\omega _0}); \\ \dfrac{{{\rm{d}}\Delta \varphi }}{{{\rm{d}}t}} = \omega - {\omega _0} . \\ \end{array} \right.$

      式中,TmTeTD分别表示VSG的机械转矩、电磁转矩和阻尼转矩;Pm为VSG输入的机械功率;Pe为输出的电磁功率;J为虚拟转动惯量,单位kg·m2D为阻尼系数,单位N·m·s/rad;ω为转子角频率,单位rad/s;ω0为VSG额定角频率;φ为逆变电源电压的相角.

    • 传统SG通过调速器的作用,根据系统频率偏差对其输入机械转矩进行调整,从而实现对转子频率的调节. 将此原理应用于逆变型DG的调频控制中,使逆变型DG具备一定的调频能力,属于有差调节. 依据上述原理可得传统的功频控制器结构如图2所示.

      图  2  传统虚拟功频控制器

      Figure 2.  Traditional virtual active power and frequency controller

      由于传统的有功频率控制在离网模式下不能抑制频率偏差,当负荷波动较大时,频率不能快速恢复至额定值,产生频率越限问题. 因此本文在有功频率控制环中增加一个积分环节,消除了微网运行于离网模式下的频率偏移,可得改进的有功频率控制器结构如图3所示.

      图  3  改进虚拟功频控制器

      Figure 3.  Virtual active power and frequency controller of improving

      根据图3,可知输入有功功率指令的表达式为

      ${P_{\rm{m}}} = {P_{{\rm{ref}}}} + \Delta P = {P_{{\rm{ref}}}} +\left({K_{\rm{f}}} + \frac{k}{s}\right)({\omega _0} - \omega ),$

      式中,Pref为有功功率设定值;Kf为调差系数;ω0为参考角频率;k为积分系数;s为积分因子. 通过此控制策略,分布式逆变器可实现SG的旋转惯性和二次调频功能.

      由式(1)和式(2)联立可得式(3):

      $\frac{{{\omega _0} - \omega }}{{{P_{{\rm{ref}}}} - {P_{\rm{e}}}}} = - \frac{1}{{J{\omega _0}s + D{\omega _0} + {K_{\rm{f}}} + \dfrac{k}{s}}}.$

      由此可见,分布式逆变器通过式(1)模拟SG的转子运动方程,实现旋转惯量控制;通过式(2)、式(3)模拟原动机调节且实现二次调频,减小频率偏移量,改善系统频率稳定性.

    • VSG的无功电压控制模拟了SG的励磁调节系统,使逆变器的无功功率和输出电压之间的关系满足下垂特性. 当逆变型DG工作在并网模式时,系统的电压和输出的无功功率由大电网来支撑. 在离网运行时,主要由微电网中的负载决定所输出的无功功率,从而控制逆变器输出的电压值,此时无功控制器不起作用. 由此,系统工作在离网模式下的励磁控制框图如图4所示.

      图  4  虚拟励磁控制器

      Figure 4.  Virtual excitation controller

      根据图4得在离网模式下,VSG励磁电动势给定值为

      $E = {E_0} - ({Q_{{\rm{ref}}}} - Q)n,$

      式中:Qref为无功功率设定值;E0为VSG的空载电动势;n为电压下垂系数.

    • 为了更好地跟踪上层控制器的给定电压值,要求电压电流控制器的动态响应速度较快. 文献[18]在电压外环控制中采用PI控制,由于PI控制属于一阶控制器,更适合直流信号的调节,其跟踪正弦信号时,在一定程度上会造成电压幅值和相位误差,影响系统的控制效果. 所以本文采用跟踪效果更好的QPR控制,其传递函数为[19]

      $ {G_{\rm{QPR}}}(s) = {K_{\rm{p}}} + \frac{{2{K_{\rm{R}}}{\omega _{\rm{c}}}s}}{{{s^2} + 2{\omega _{\rm{c}}}s + {\omega _0}^2}}, $

      式中:Kp为比例系数;KR为谐振参数;ω0为基波角频率,ω0=314 rad/s;ωc为截止频率.

      对于VSG,电流内环反馈变量的选取不一样也会影响系统的动态响应特性及稳定性能. 本文选用基于电容电流反馈的VSG内环控制,其控制环路包含负载电流的扰动,具有更好的抗扰动性能. 因此,内环电压电流双闭环控制框图如图5所示.

      图  5  内环电压电流控制结构图

      Figure 5.  Inner loop voltage and current control diagram

      图5得,闭环传递函数为

      ${U_{\rm{C}}}(s) = G(s){U_{{\rm{ref}}}}(s) - {Z_{\rm{o}}}(s){I_{\rm{g}}}(s),$

      其中,

      $\begin{split} &G(s) = \frac{{{G_{{\rm{QPR}}}}(s){K_{\rm{C}}}{K_{{\rm{PWM}}}}}}{{1 + {K_{\rm{C}}}{K_{{\rm{PWM}}}}Cs + LC{s^2} + {G_{{\rm{QPR}}}}(s){K_{\rm{C}}}{K_{{\rm{PWM}}}}}},\\ &{Z_{\rm{O}}}(s) = \frac{{Ls}}{{LC{s^2} + {K_{\rm{C}}}{K_{{\rm{PWM}}}}Cs + {G_{{\rm{QPR}}}}(s){K_{\rm{C}}}{K_{{\rm{PWM}}}} + 1}}.\end{split} $

    • 由上述分析可知,VSG控制是在下垂控制中增加转子运动方程模拟SG旋转惯性和阻尼特性,其中旋转惯量J、阻尼系数D等参数提高了系统的频率稳定性. 文献[20]详细分析了旋转惯量J的可变性,实际SG的旋转惯量是恒定值,而VSG的J为虚拟量,不受条件约束,取值灵活.

      当VSG控制系统运行于离网模式时,负荷扰动导致系统频率波动,且产生稳态偏差.

      图6为采用固定旋转惯量的仿真结果,得到VSG的转子角频率变化曲线和角频率变化率曲线,通过得到的曲线分析角频率偏差量和变化率之间的关系. 当产生负荷扰动时,其曲线变化过程主要分成4个部分,分别为:I(t0-t1)、II(t1-t2)、III(t2-t3)、IV(t3-t4).

      图  6  VSG转子角频率曲线

      Figure 6.  Rotor angular frequency curve of VSG

      在区间Ⅰ内,t0时刻负荷发生变化,转子角频率偏差量 $\Delta \omega $ 从0开始减小至振荡最大幅值,$\Delta \omega<0 $;相应地,角频率变化率 ${{{\rm{d}}\omega }/ {{\rm{d}}t}}$ 从0突减,在t1时刻增加到0,可见,转子角频率在该区间完成先减速再加速为0的过程,${{{\rm{d}}\omega } /{{\rm{d}}t}}<0$. 由此可得,在区间Ⅰ内需增加旋转惯量J,减小系统的频率超调量.

      在区间Ⅱ内,转子角频率偏差量开始上升到0,$\Delta \omega <0$;相应地,角频率变化率由0增大再减小到0,${{{\rm{d}}\omega } / {{\rm{d}}t}}>0$. 由此可得,在区间Ⅱ内需减小旋转惯量J,从而减小系统的稳态时间.

      区间Ⅲ和区间Ⅳ与以上所述情况类似,根据不同情况实时动态改变旋转惯量J的值,提高系统频率的动态响应. 综上所述,转子角频率偏差量 $\Delta \omega $ 与角频率变化率 ${{{\rm{d}}\omega } /{{\rm{d}}t}}$ 之间的关系对旋转惯量J取值的影响如表1所示

      区间$\Delta \omega $${{{\rm{d}}\omega } / {{\rm{d}}t}}$$\Delta \omega ({{{\rm{d}}\omega } / {{\rm{d}}t}})$J
      <0<0>0
      <0>0<0
      >0>0>0
      >0<0<0

      表 1  不同情况下J的选取原则

      Table 1.  Selecting principle of J under different conditions

      表1可知,当 $\Delta \omega ({{{\rm{d}}\omega } / {{\rm{d}}t}})$ 大于0时,提供大的旋转惯量,$\Delta \omega ({{{\rm{d}}\omega } / {{\rm{d}}t}})$ 小于0时,需提供小的旋转惯量,将此原理应用于自适应旋转惯量控制,增加系统控制的灵活度,改善频率稳定性,减小频率振荡超调量.

    • 根据前文所述,本文所提的新型旋转惯量自适应控制能够满足微网的稳定运行,当有较大负荷投入或切除时,自适应控制策略可以抑制频率偏移过大,使频率超调量更小,响应速度更快. 由此,设计旋转惯量自适应控制的表达式为

      $J = \left\{ \begin{array}{l} J + {J_0} \to \Delta \omega \left( {{\rm{d}}\omega /{\rm{d}}t} \right) \geqslant 0 ; \\ J - {J_0} \to \Delta \omega \left( {{\rm{d}}\omega /{\rm{d}}t} \right) < 0 .\end{array} \right.$

      由参考文献[21]旋转惯量J的确定方法得到

      $J < \dfrac{{{P_{\max }}}}{{\max (\omega \dfrac{{{\rm{d}}\omega }}{{{\rm{d}}t}})}},$

      式中,J0为旋转惯量参考值;Pmax为分布式逆变器输出有功最大. 同时,为保证微网系统稳定运行,在旋转惯量自适应控制中J始终大于0. 自适应旋转惯量控制原理图如图7所示.

      图  7  旋转惯量自适应控制原理

      Figure 7.  Principle diagram of adaptive control of rotational inertia

      旋转惯量J的实时动态调节控制对微网系统频率波动有良好的改善,其实现过程如下:动态获取转子角频率偏差量 $\Delta \omega $ 和角频率变化率 ${{{\rm{d}}\omega } / {{\rm{d}}t}}$ 的值;判定 $\Delta \omega $${{{\rm{d}}\omega } / {{\rm{d}}t}}$ 的大小;根据不同的判定结果,选取旋转惯量J的取值.

    • 建立VSG运行于离网模式下的小信号模型. 等效电路图如图8所示.

      图  8  离网模式等效电路图

      Figure 8.  Equivalent circuit of island mode

      其中,Eφ表示逆变电源输出电压;R1+jX1为线路阻抗;ZL为负载阻抗.

      假设在离网运行时负载呈阻感特性,将线路阻抗和负载阻抗合起来表示为Z=R+jX,则离网模式下逆变电源输出的视在功率表示为

      $\begin{split}S =& \frac{{{E^2}R({\rm{co}}{{\rm{s}}^2}\varphi - {{\sin }^2}\varphi ) + 2{E^2}X{\rm{sin}}\varphi \cos \varphi }}{{{R^2} + {X^2}}} \\ &+{\rm{j}}\frac{{2{E^2}R\sin \varphi \cos \varphi + {E^2}X({{\sin }^2}\varphi - {{\cos }^2}\varphi )}}{{{R^2} + {X^2}}}.\end{split}$

      $X = {(\Delta \omega ,\Delta \varphi ,\Delta E)^{\rm{T}}}$,对式(9)、(3)、(4)分别线性化,并结合 $s\Delta \varphi (s) = \Delta \omega (s)$,可得VSG离网运行的小信号模型为

      $\dot X = AX = \left\{ {\begin{array}{*{20}{c}} { - \dfrac{{D{\omega _0} + {K_{\rm{f}}}}}{{J{\omega _0}}}}&{ - \dfrac{{{K_{p\varphi }} + k}}{{J{\omega _0}}}}&{ - \dfrac{{{K_{pe}}}}{{J{\omega _0}}}} \\ 1&0&0 \\ { - \dfrac{{n{K_{q\varphi }}}}{{1 + n{K_{qe}}}}}&0&0 \end{array}} \right\}X.$

      依据李雅普诺夫理论,通过特征根在复平面上的分布情况,采用特征值分析法对式(10)的小信号模型进行分析. 图9所示为虚拟转动惯量J、阻尼系数D、调差系数Kf、积分器系数k变化的特征根轨迹. 图9(a)所示为转动惯量J从0.1到10变化的根轨迹,由图可知,所有特征根均分布在虚轴左侧,根据李雅普诺夫定理判断系统是稳定的;其次依据控制理论原理,离虚轴更近的特征根是主导特征根,对系统稳定性影响较大. 因此旋转惯量J的不断增大,一对共轭特征根向虚轴靠近,超调越大,系统的稳定性降低. 图9(b)(c)为阻尼系数D和调差系数Kf变化的根轨迹曲线,由图可知,随着DKf的增大,系统衰减速率越快,调节时间越短. 图9(d)所示为系统随k增大的根轨迹图,从图中可看出,一对共轭复根始终在虚轴左侧,说明系数k的引入不会对系统的稳定性造成影响. 因此需根据系统容许的超调量和期望的响应速度选择合适的参数.

      图  9  参数变化的根轨迹

      Figure 9.  Root locus of parameters change

    • 为了验证本文所提出控制策略的有效性及相关参数分析的正确性,利用Matlab/Simulink仿真软件搭建如图1所示的VSG孤岛运行仿真模型,主电路参数如表2所示.

      物理量数值物理量数值
      直流侧额定电压/V800滤波电感/H3×10−3
      交流侧额定电压/V380滤波电容/F9×10−6
      系统额定频率/Hz 50内阻/Ω4×10−4
      系统额定功率/kW 10旋转惯量0.2
      开关频率/kHz 10阻尼系数30

      表 2  系统仿真参数

      Table 2.  Simulation parameters of system

      分析旋转惯量J对微网系统动态响应的影响. 此时,有功功率指令值为Pref=6 000 W,在0.5 s时系统有功功率突增3 000 W,在1 s时系统有功功率恢复至6 000 W,如图10所示为转子频率随虚拟旋转惯量变化的波形图.

      图  10  不同旋转惯量时的动态响应

      Figure 10.  Dynamic response of different rotary inertia

      图10的仿真结果分析可知,随着J的不断增加,系统的动态响应变慢,频率偏差越小,但是达到额定频率所需调节时间变长,超调量增大,开始出现振荡,与上述根轨迹分析结论一致. 因此在选择合理参数时要综合考虑动态响应时间、超调量以及达到稳定状态所需时间等影响因素.

      为突出本文所提控制策略的优越性,对逆变型DG分别采用VSG一次调频、二次调频及旋转惯量自适应控制进行仿真验证. 初始时刻,逆变型DG向6 000 W和3 000 Var的负载供电,其输出的有功功率和无功功率均由负载决定,系统额定频率为50 Hz,相电压有效值为220 V. 在0.4 s时刻系统有功负荷增加3 000 W,在0.7 s时切出有功负荷,1 s再切除2 000 W负荷,1.5 s时仿真结束.

      图11给出了3种控制方法下的有功功率和频率波形,由图11(a)可知,采用一次调频控制,能够提供惯性支撑,响应速度快,能够减小频率变化率,且传统VSG控制可以保证微网在离网模式下频率稳定. 但在负载突变时,频率不能快速恢复稳定值,系统存在频率偏差,可能使微网内出现低频振荡现象,导致系统输出不稳定,因此,一次调频存在的频率偏移不能满足系统稳定运行要求. 采用二次调频控制,能够有效抑制频率偏差,频率响应速度快,负荷扰动时频率能够恢复额定值. 但负荷扰动时,其频率超调量较大. 采用本文所提的控制策略,转子角频率超调量减小,调节时间缩短,有效提高孤岛微网的频率稳定性. 由图11(b)可知,各控制方法对输出有功功率的影响不大,但在本文所提控制策略下,负荷扰动时超调量更小. 由此可得,改进的虚拟同步发电机控制策略在动态响应速度和稳定性上都具有一定优势,且与理论分析一致.

      图  11  控制方法对比

      Figure 11.  Contrast of control methods

      图12给出旋转惯量自适应控制下J$\Delta \omega $${{{\rm{d}}\omega } / {{\rm{d}}t}}$ 的变化情况.

      图  12  自适应控制下的仿真结果

      Figure 12.  Simulation results of adaptive control

      图12可知,根据转子角频率偏差量 $\Delta \omega $ 和角频率变化率 ${{{\rm{d}}\omega } / {{\rm{d}}t}}$ 可实时动态调节J的值,其变化规律与式(10)一致.

      综上所述,旋转惯量自适应控制在负载发生扰动时,能够抑制频率波动,减小频率超调量,缩短达到稳定值的时间,提高孤岛微网的频率稳定性.

    • 根据目前VSG的相关研究,本文提出一种基于VSG二次调频的孤岛微电网旋转惯量自适应控制策略. 在旋转惯量控制中引入角频率的偏移量和变化率形成自适应惯量控制,实现功率和频率的实时动态调节,并与传统VSG控制算法进行对比,通过仿真分析,验证了所提虚拟同步发电机控制策略动态响应速度快,超调量减小,达到稳态值时间降低,进一步改善了系统频率的响应特性.

参考文献 (21)

目录

    /

    返回文章
    返回