来源：《中国电力》2024年第11期
引文：夏向阳, 蒋戴宇, 曾小勇, 等. 基于虚拟振荡器控制的储能变流器控制策略研究[J]. 中国电力, 2024, 57(11): 70-77.
过度使用化石燃料导致大量温室气体排放到大气中，严重损害了生态系统。因此，可再生能源（renewable energy sources，RES）因其无污染地生产高效电能而受到广泛关注和发展，太阳能光伏、风能和地热能是典型的可再生能源。已经开发了各种控制算法、功率变换器拓扑和功率跟踪系统，以有效利用RES进行发电。为了提高效率，正在不断地研究将可再生能源有效地整合到电网中。由于功率转换器在这些资源的功率转换和输出功率调节中的关键意义，其有效控制正受到越来越多的关注。《中国电力》2024年第11期刊发了夏向阳等撰写的《基于虚拟振荡器控制的储能变流器控制策略研究》一文。文章选取改进的粒子群优化算法（partical swarm optimization，PSO）对VOC的控制参数进行优化，实现负荷突变的情况下更快的同步速度和更精准的有功功率跟踪，并在包含2台储能变流器并联的储能系统中进行了仿真验证。
针对传统储能变流器控制方法存在的同步速度较慢、有功功率跟踪效果欠佳的问题，提出了一种基于虚拟振荡器控制的储能变流器控制策略。该策略基于虚拟振荡器控制，采用优化惯性权重和学习因子的改进粒子群算法整定控制器参数，避免了有功和无功功率的测量，具有比传统下垂控制更好的动态响应。最后，针对储能系统中2台并联储能变流器在负荷突变情况下进行了相应控制，仿真结果表明，所提新型控制方法具有更快的同步速度和更好的有功功率跟踪性能。图1为储能系统中储能变流器并联结构图，该系统包含2台PCS，它们相互连接并在孤岛模式中运行。图1中：Vdc为直流电源电压；C为直流侧电容，负责平滑直流总线电压；Lf、Cf和Rf分别为滤波器电感、电容和电阻；ron为IGBT导通电阻；Vta、Vtb和Vtc为变流器的端子三相电压；Vsa、Vsb和Vsc为滤波之后的三相电压；Ifa、Ifb、Ifc为电容三相电流；ILa、ILb、ILc为负载三相电流。
![]()
Fig.1 Parallel structure of power conversion systemVOC受到非线性耦合振荡器同步的影响，其结构如图2所示，由2个子系统组成，即RLC电路和电压相关电流源（voltage dependent current source，VDCS）。图3描述了死区函数和VDCS的特性。
![]()
![]()
Fig.3 Dead zone function and VDCS characteristic
PSO算法灵感来源于鸟群或鱼群等的行为。鱼、鸟和其他生物总是成群结队地旅行，根据群体信息改变它们的位置和速度，以避免与其他成员发生碰撞。由于粒子群算法思想简练，易于实现，执行效率高，尤其对于高维优化问题能够有效地缩短计算时间，可以应用于多种类型的优化问题。与其他优化算法（如遗传算法）相比，PSO需要调整的参数较少，这减少了在实际应用中的调试难度。本文将粒子群算法和虚拟振荡器相结合，充分考虑偏置电压参数、死区函数斜率、谐振子电阻、电感、电容参数，具有一定的工程应用可能性。粒子群算法主要流程分为：1）初始化 N 个种群；2）根据粒子 i 在第 k 次迭代的位置![]()
求得该粒子目标函数值，即适应度；3）迭代更新个体极值 Pbest、全局极值 Gbest。
通过式（1）（2）分别实现粒子 i 在第 k 次迭代的速度![]()
和位置![]()
的更新。其中：r1、 r2为0~1的随机数；c1、c2分别为个体学习因子和群体学习因子；![]()
为第 i 个粒子在第 k 次迭代后该粒子的最优值；gk为第 k 次迭代所有粒子的最优值；ω 为惯性系数。为了对粒子群算法进行改进，首先对式（1）中的惯性权重 ω 进行更新为式中：ωmax为惯性权重初始值；ωmin为最后一次迭代的惯性权重；Gmax为迭代次数。线性递减惯性权重是改进惯性权重的常用方法，但是式（3）中的方法更为优越。这种方法中， ω 的值与迭代次数有关。在搜索初期， ω 较大，增强了全局搜索能力，而在搜索后期 ω 迅速减小，增强了局部搜索能力以更大的可能锁定最优解。提出基于指数函数的更简洁的异步动态调整学习因子，计算式分别为式中：cmax、 cmin分别为 c2、 c1的上下限；ger为迭代总次数。在传统VOC中，参数选择冗长且耗时。本节使用PSO来设计VOC的参数，这易于应用并提高了系统性能。文献[19]描述了设计VOC参数的过程，主要步骤如下。1）设置电压增益kv以生成PCS所需的输出电压，即kv=![]()
（Vrated为额定电压）。2）调整偏置电压参数 φ ，以确保系统能够在不同负载情况下在指定的电压范围内运行。3）调整电流增益 ki ，以便在额定操作期间，系统以尽可能低的电压工作。5）选择振荡器电阻 R 以及死区函数的斜率 σ以满足式（8）。6）选择VOC的其他参数，以满足同步标准，如式（9）所述。7）最后，VOC的所有参数应最小化（式（10）），以获得纯正弦调制信号。根据上述设计过程，适应度函数的最小值与参数值的最佳集合相匹配。基于粒子群算法的虚拟振荡器控制变流器的流程如图4所示，而图5显示了虚拟振荡器控制变流器适应度函数值与迭代次数之间的关系。PSO算法的参数值见表1。
![]()
Fig.4 VOC-PSO control flow chart![]()
Fig.5 Convergence curve of VOC-PSO
Table 1 Parameters of PSO![]()
采用单独直流电源的2台三相PCS并联的仿真模型，并对孤岛运行状态进行仿真，2台变流器共享三相平衡负载，如图1所示。在Droop和VSM控制器中，电流共享由下垂系数决定，而在VOC中，则由变流器额定功率决定。设置仿真初始负载为2 kW，然后在0.4 s时增加到3 kW，最后在0.6 s时恢复到2 kW。图6为均流效果，可以看出，VOC和VOC-PSO中的电流共享很明显，图6 c)和d)中的电流过零点也是相同的。图6 a)和b)显示Droop和VSM中的过零点并不完全匹配。与Droop和VSM控制方法相比，VOC和VOC-PSO方法表现更好。
![]()
Fig.6 Current sharing effect
图7为并网点（point of common coupling，PCC）电压，可以看出，Droop、VSM、VOC和VOC-PSO中变流器输出电压同步。在Droop和VSM中，当负载在0.4 s和0.6 s突变时，负载电压的变化大于VOC和VOC-PSO中的变化。VOC概念基于死区振荡器，它能保持恒定的输出电压和频率。因此，当负载突变时，传统虚拟振荡器控制变流器中的负载侧电压变化比Droop和VSM控制方法的负载侧电压变化更小，而所提出的改进虚拟振荡器控制也比传统VOC控制具有更快的输出电压同步能力。
![]()
图8为上述4种控制方法的负载电流。如上述所述，对于相同的负载变化，所有控制器中的稳态响应几乎相同。然而，与Droop和VSM相比，采用VOC和VOC-PSO的系统的动态性能更好。基于VSM的系统比基于Droop的系统具有更好的动态响应。VOC中的所有变流器具有相同的电流过零点，而Droop和VSM中的过零点位置不同。
![]()
图9显示了负载扰动期间，采用上述4种不同控制机制时的系统频率响应。可以看出，在Droop控制中，当负载变化时，系统频率突然下降，导致频率变化率较大，这表明稳定性较差（可能导致不必要的继电器跳闸）。VSM控制的频率变化率低于Droop和VOC。由于VOC使用实时电流反馈信号，频率的变化率比VSM高得多。与Droop和VSM相比，VOC和VOC-PSO的稳态频率误差更低。
![]()
Fig.9 Frequency response to load changes
图10显示了Droop、VSM、VOC和VOC-PSO的有功功率跟踪效果。VOC是一种时域控制方法，不需要进一步功率计算。因此，VOC和VOC-PSO的动态响应比Droop和VSM控制更快，而基于VSM的系统比基于Droop的系统具有更好的动态响应。上述4种控制器的动态响应如表2所示，其中tr、ts和ess分别为上升时间、调节时间和稳态误差。与传统VOC方法相比，所提出的VOC-PSO方法的响应更快。
![]()
Fig.10 Active power's dynamic response to load changes
表2 Droop、VSM、VOC和VOC-PSO的动态响应Table 2 Dynamic response of Droop、VSM、VOC and VOC-PSO![]()
本文对储能系统中储能变流器并联控制技术进行了研究，分析了储能变流器多机并联的结构，探讨了负载突变情境下储能变流器控制的动态响应。主要结论如下。1）通过非线性惯性权重和异步动态调整学习因子来避免传统粒子群算法容易陷入局部最优的问题，用此方法能收敛到较为准确的解。且粒子群算法能提供优越的VOC设计参数，使得所提出的VOC-PSO比传统VOC具有更快的同步速度。在所提出的控制方法中，有功功率跟踪更加准确。在Matlab仿真中，VOC-PSO的动态响应优于Droop和VSM控制。2）在孤岛式模式中，所有控制方案都不需要变流器之间的通信，且VSM中频率的变化较小。其中，VOC-PSO控制在同步和电流共享方面，相较于其他控制方法有一定的优越性。此外，VOC控制中的同步条件独立于负载特性和变流器数量之外，表明了其在不同系统配置下的适应性。VOC-PSO具备构网支撑能力，能够维持电网电压和频率稳定，对于有功功率的跟踪也较为精准，但是对于无功功率的控制是VOC-PSO所面临的难题，后续会对基于VOC-PSO的无功功率准确跟踪做进一步研究。考虑到改变控制策略需要对现有储能能量管理系统软件进行修改，本文基于现有系统参数进行仿真设计分析，能量管理系统优化也值得后续深入研究。
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。
