畢業(yè)論文-光伏電源孤島運(yùn)行控制技術(shù)

頁(yè)第一章緒論1.1研究背景與意義用電量劇增，電網(wǎng)發(fā)電供不應(yīng)求隨著社會(huì)的發(fā)展和科技的進(jìn)步，人們對(duì)電力的需要量與日俱增。在短短數(shù)十載，電網(wǎng)已逐步發(fā)展成為大型網(wǎng)絡(luò)互聯(lián)系統(tǒng)，并成為電力供應(yīng)的主要渠道。大機(jī)組集中式發(fā)電、高壓線(xiàn)路遠(yuǎn)距離傳輸，是電網(wǎng)發(fā)電和供配電的主要形式。電網(wǎng)發(fā)電與用戶(hù)用電的矛盾日益加深電網(wǎng)發(fā)電的弊端也日漸明顯。成本高、調(diào)度難、安全性和可靠性不足、缺少多樣化，是當(dāng)前電網(wǎng)所面臨的問(wèn)題。近年來(lái)，世界范圍內(nèi)相繼發(fā)生的多起大面積停電事故，極大地暴露了傳統(tǒng)電網(wǎng)的脆弱性，也為人們敲響警鐘：必須要有新的供電方式。同時(shí)，隨著工業(yè)社會(huì)的進(jìn)步，以傳統(tǒng)的一次能源、二次能源為燃料的發(fā)電模式給社會(huì)帶來(lái)了越來(lái)越多的問(wèn)題。煤礦、石油、天然氣等化石能源急劇減少，隨之而來(lái)的環(huán)境問(wèn)題日益加重。分布式發(fā)電應(yīng)運(yùn)而生在能源危機(jī)和環(huán)境污染問(wèn)題的壓迫下，國(guó)內(nèi)外許多學(xué)者開(kāi)始廣泛研究基于新能源的分布式發(fā)電技術(shù)?，F(xiàn)如今，可利用的清潔能源有：太陽(yáng)能、風(fēng)能、潮汐能、生物能、核能等。基于新能源的分布式發(fā)電(DistributedGeneration,DG)具有投資小、可靠性高、環(huán)境污染少、利用率高等眾多優(yōu)點(diǎn)，可以快速有效地減緩傳統(tǒng)集中式大電網(wǎng)帶來(lái)的問(wèn)題，是大電網(wǎng)的有力補(bǔ)充。微網(wǎng)的提出盡管分布式電源有很多好處，但也有自身的問(wèn)題。對(duì)于大電網(wǎng)來(lái)說(shuō)，分布式電源是不可控源。當(dāng)分布式電源并網(wǎng)時(shí)，不得不采取限制和隔離，以減小沖擊。同時(shí)，分布式電源的單機(jī)接入成本也相對(duì)較高。為了改善這個(gè)問(wèn)題，學(xué)者們提出了微電網(wǎng)(MicroGrid,MG)的概念。微電網(wǎng)是從系統(tǒng)的角度出發(fā)，將分布式電源、負(fù)荷、儲(chǔ)能單元、控制裝置等統(tǒng)一成一個(gè)獨(dú)立可控的系統(tǒng)，有兩種運(yùn)行模式：正常工作時(shí)，微電網(wǎng)通過(guò)公共連接點(diǎn)與電網(wǎng)并網(wǎng)運(yùn)行，為大電網(wǎng)提供支持，起到削峰填谷的作用；當(dāng)大電網(wǎng)出現(xiàn)故障或者電能質(zhì)量不再滿(mǎn)足用戶(hù)需求時(shí)，微電網(wǎng)能迅速切斷與電網(wǎng)的連接，并平滑過(guò)渡到孤島運(yùn)行模式，保證本地負(fù)荷持續(xù)供電。微電網(wǎng)的控制微電網(wǎng)運(yùn)行方式靈活高效，供電可靠性高，依賴(lài)于穩(wěn)定完善的控制系統(tǒng)。也就是說(shuō)，良好的運(yùn)行控制是微電網(wǎng)實(shí)現(xiàn)其諸多技術(shù)經(jīng)濟(jì)優(yōu)勢(shì)的前提。因此，對(duì)于微電網(wǎng)的控制就顯得尤為重要。1.2國(guó)內(nèi)外研究現(xiàn)狀1.世界研究現(xiàn)狀目前，有節(jié)能大國(guó)之稱(chēng)的日本，正利用其電子技術(shù)的優(yōu)勢(shì)，大力發(fā)展光伏發(fā)電產(chǎn)品，其產(chǎn)量已經(jīng)達(dá)到全球產(chǎn)量的50%以上；德、日、英、荷、美等國(guó)的光伏企業(yè)，基本壟斷了全球的光伏發(fā)電產(chǎn)品市場(chǎng)，出口額已經(jīng)達(dá)到世界貿(mào)易額的80%以上。據(jù)歐盟不完全統(tǒng)計(jì)，全球光伏市場(chǎng)將在5年之內(nèi)，從如今的3000MW上升到70GW。中國(guó)研究現(xiàn)狀相比之下，中國(guó)的光伏發(fā)電產(chǎn)業(yè)卻相對(duì)緩慢。前些年，光伏產(chǎn)業(yè)的大部分的原材料依賴(lài)進(jìn)口，大部分光伏產(chǎn)品都銷(xiāo)往海外。近幾年，這個(gè)現(xiàn)象得到了改善。國(guó)家\t"/article/1282/_blank"能源局日前公布的數(shù)據(jù)顯示，2014年我國(guó)\t"/article/1282/_blank"光伏發(fā)電累計(jì)并網(wǎng)裝機(jī)容量2805萬(wàn)千瓦，同比增長(zhǎng)60%，其中，光伏電站2338萬(wàn)千瓦，分布式467萬(wàn)千瓦。光伏年發(fā)電量約250億千瓦時(shí)，同比增長(zhǎng)超過(guò)200%?？梢?jiàn)，光伏發(fā)電正起著日漸加深的作用。1.3研究?jī)?nèi)容本文在理論方面對(duì)光伏微電網(wǎng)進(jìn)行研究。在對(duì)光伏微網(wǎng)模型進(jìn)行仿真的基礎(chǔ)上，加入新的算法，改善光伏微網(wǎng)的穩(wěn)定性和抗干擾能力，提高光伏電池的工作效率。為此，本文將從以下幾個(gè)方面開(kāi)展研究：對(duì)光伏電池進(jìn)行建模，研究光伏電池電壓與電流、功率的關(guān)系，并根據(jù)這個(gè)關(guān)系，用數(shù)學(xué)表達(dá)式進(jìn)行模擬。改變溫度、光強(qiáng)等外界條件，探尋光伏電池的響應(yīng)，觀(guān)察輸出結(jié)果是否收斂。光伏電池輸出需要經(jīng)過(guò)升壓斬波電路升壓，才能達(dá)到并網(wǎng)條件。通過(guò)開(kāi)關(guān)信號(hào)調(diào)整升壓斬波電路的門(mén)控器件，可以條件占空比，從而調(diào)節(jié)輸出電壓。本文提出了擾動(dòng)觀(guān)察法，增量電導(dǎo)法，基于兩者的優(yōu)缺點(diǎn)，又提出了變步長(zhǎng)擾動(dòng)觀(guān)察法。最后，引入了新算法，即模糊控制法，以得到更快速、更高精度和更穩(wěn)定的輸出。經(jīng)過(guò)Boost電路的升壓之后，光伏電池輸出的電壓還需經(jīng)過(guò)逆變器變成三相交流電，才能參與并網(wǎng)。本文使用電壓、電流雙環(huán)控制，實(shí)現(xiàn)光伏微網(wǎng)輸出的電壓與電網(wǎng)電壓滿(mǎn)足三個(gè)條件：相位差為0，幅值差為0，頻率差為0。在并網(wǎng)過(guò)程中，本文引入了粒子群算法，以探求得到最佳的PI參數(shù)。本文還加入了孤島檢測(cè)算法。為了保證光伏微電網(wǎng)至始至終都能出于工作狀態(tài)，本文通過(guò)孤島檢測(cè)，判斷微網(wǎng)是否孤島運(yùn)行。本文在引入主動(dòng)式移頻法(AFD)進(jìn)行孤島檢測(cè)的前提下，又引入了帶正反饋的主動(dòng)式移頻法(AFDPF)進(jìn)行研究，以減小檢測(cè)“盲區(qū)”。當(dāng)檢測(cè)出孤島現(xiàn)象時(shí)，通過(guò)孤島標(biāo)志切換下垂控制算法。本文引入了基于虛擬阻抗的下垂控制算法，以保證當(dāng)負(fù)載是純阻性時(shí)，或者微電網(wǎng)輸出阻抗與線(xiàn)路阻抗不匹配時(shí)下垂控制方法的失效。將整個(gè)光伏微網(wǎng)系統(tǒng)接入電網(wǎng)進(jìn)行仿真實(shí)驗(yàn)，說(shuō)明新算法的正確性和實(shí)用性。1.4論文結(jié)構(gòu)論文的結(jié)構(gòu)和內(nèi)容大致如下：第一章：介紹研究背景和意義、研究?jī)?nèi)容以及論文結(jié)構(gòu)；第二章：對(duì)光伏電池內(nèi)部結(jié)構(gòu)進(jìn)行研究，建立等效模型；第三章：對(duì)Boost電路進(jìn)行研究，提出基于模糊控制的MPPT算法；第四章：對(duì)光伏系統(tǒng)并網(wǎng)進(jìn)行研究，提出計(jì)算PI參數(shù)的粒子群算法；第五章：對(duì)光伏系統(tǒng)孤島檢測(cè)進(jìn)行研究，提出ADFPF算法；第六章：對(duì)光伏系統(tǒng)孤島運(yùn)行進(jìn)行研究，提出基于下垂控制的Droop算法?？偨Y(jié)：總結(jié)本文研究?jī)?nèi)容，指出不足之處，提出下一步研究方向。

第二章光伏微電源的建模與分析2.1光伏電池原理太陽(yáng)能電池板的工作原理是利用半導(dǎo)體P-N結(jié)的伏打效應(yīng)將光能轉(zhuǎn)化為直流電能。它是PV電源的基礎(chǔ)和核心。如圖2.1是太陽(yáng)能電池的等效模型，其主要結(jié)構(gòu)是由一個(gè)電流源、一個(gè)二極管和兩個(gè)電阻所構(gòu)成的。圖圖2.1PV原理圖Vd是二極管的端電壓，Id是流經(jīng)二極管的電流，則有：(2.1)其中，為二極管反向飽和電流()，n為二極管特征因子(取1~5)，k為玻爾茲曼參數(shù)（），q為電子的電荷量()，T為太陽(yáng)能電池的絕對(duì)溫度(273K)。根據(jù)Kirchhoff定理，可得到太陽(yáng)能電池的數(shù)學(xué)模型：(2.2)其中，I、V分別為太陽(yáng)能電池的輸出電流和電壓，為光生電流，、分別為串并聯(lián)電阻。由于表達(dá)式中有5個(gè)參數(shù)，為了簡(jiǎn)化模型，通常在工程上用以下方程組建立標(biāo)準(zhǔn)測(cè)試環(huán)境(光照強(qiáng)度，溫度)。(2.3)其中，為PV電池的短路電流，為PV電池開(kāi)路電壓，和分別是PV電池在標(biāo)況下測(cè)得的最大功率點(diǎn)時(shí)的電壓和電流。為了進(jìn)一步簡(jiǎn)化計(jì)算，PV電池的四個(gè)基本參數(shù)：短路電流、最大功率點(diǎn)電流、開(kāi)路電壓和最大功率點(diǎn)電壓可以由以下經(jīng)驗(yàn)公式獲得：(2.4)其中，系數(shù)因子分別為：a=0.0025，b=0.5，c=0.00288，溫差，光強(qiáng)差，和分別為標(biāo)準(zhǔn)測(cè)試環(huán)境下的溫度和光強(qiáng)。PV電池在標(biāo)準(zhǔn)環(huán)境下的參數(shù)是由生產(chǎn)廠(chǎng)家提供的已知數(shù)據(jù)，因此，將上述公式(2.3)和公式(2.4)聯(lián)合起來(lái)，就可以建立PV電池的工程數(shù)學(xué)模型。2.2光伏電池?cái)?shù)學(xué)模型的仿真與驗(yàn)證Matlab/Simulink是常用來(lái)進(jìn)行模型仿真的軟件。以下是用Matlab編寫(xiě)m文件，進(jìn)行PV電池的仿真。首先，確定標(biāo)準(zhǔn)環(huán)境(，)下的基本參數(shù)：短路電流()=3.31A開(kāi)路電壓()=64.5A最大功率點(diǎn)電流()=2.85A最大功率點(diǎn)電壓()=53.5V最大功率點(diǎn)功率()152W根據(jù)以上數(shù)據(jù)，對(duì)PV電池進(jìn)行仿真，得到如圖所示的I-V和P-V曲線(xiàn)。圖2圖2.2電壓與電流、功率的關(guān)系圖及代碼實(shí)現(xiàn)通過(guò)上圖2.2可以看出，電壓在一定范圍內(nèi)時(shí)，電流輸出呈穩(wěn)定的直流狀態(tài)。隨著電壓的增加，當(dāng)電壓超過(guò)這個(gè)臨界值時(shí)，電流就下降得很快。在這個(gè)臨界值，有最大的功率值。這個(gè)點(diǎn)就是本文要找的最大功率點(diǎn)；而這個(gè)臨界值，就是。由PV電池工作原理可知，環(huán)境溫度和日照光強(qiáng)可以影響它的輸出特性。通過(guò)改變這兩個(gè)外界條件，可以影響最大功率點(diǎn)的大小。通過(guò)以下兩組曲線(xiàn)，本文可以分析最大功率點(diǎn)隨著溫度和光強(qiáng)變化的移動(dòng)情況。其中，溫度的模擬范圍為：[]，光照強(qiáng)度的模擬范圍為[]。圖圖2.3溫度對(duì)PV電池的影響由上圖2.3可以看出，溫度越高，輸出電流就越大，達(dá)到最大功率點(diǎn)所需的電壓就越低。溫度變化基本不影響功率輸出的最大值。圖2圖2.4光強(qiáng)對(duì)PV電池的影響由上圖2.4可以看出，光照強(qiáng)度對(duì)PV電池影響很大。光照強(qiáng)度越大，電流輸出越大，也越接近直線(xiàn)，而功率輸出變化越大。也就是說(shuō)，隨著電壓變化，功率點(diǎn)一直右移，電壓上升一點(diǎn)功率輸出就可以增加很多。PV電池隨溫度和光強(qiáng)變化的特性，讓它有很強(qiáng)的適應(yīng)性，能在溫差比較大、光照強(qiáng)度較大的眾多地方使用。2.3光伏電池仿真下面通過(guò)simulink搭建PV電池的數(shù)學(xué)模型。其外形和內(nèi)部構(gòu)造如下圖所示：圖圖2.5PV電池外形設(shè)計(jì)在光照強(qiáng)度的輸入模擬中，本文加入一個(gè)的階躍突變，以觀(guān)察PV電池的響應(yīng)速度及穩(wěn)定性。其內(nèi)部構(gòu)造根據(jù)其原理搭建如下所示：圖圖2.6根據(jù)PV原理設(shè)計(jì)的PV電池模型其中產(chǎn)生的模塊如下圖2.7所示：圖圖2.7PV電池Iph的產(chǎn)生產(chǎn)生的模塊如下圖2.8所示：圖圖2.8PV電池Id的產(chǎn)生將PV電池接上負(fù)載，對(duì)其輸出進(jìn)行仿真，經(jīng)過(guò)一段時(shí)間穩(wěn)定后其結(jié)果如下圖所示；圖圖2.9PV電池在穩(wěn)定時(shí)輸出的波形由上圖可以看出，電壓和電流其輸出基本接近直線(xiàn)，功率基本維持穩(wěn)定，有微小的紋波。這是由于算法在不停地?cái)_動(dòng)所帶來(lái)的問(wèn)題。在最后輸出時(shí)可以加濾波電路進(jìn)行濾除。

第三章MPPT算法3.1boost電路由于PV電池只在某一個(gè)輸出電壓時(shí)有最大的輸出功率值(MaximumPowerPoint,MPP)，所以，為了更有效提高PV電池工作效率，希望能通過(guò)實(shí)時(shí)調(diào)節(jié)光伏電池的工作點(diǎn)，使之工作在最大輸出功率點(diǎn)。這種方法就是最大功率點(diǎn)跟蹤，即MPPT(MaximumPowerPointTracking,MPPT)。由于光伏電池在達(dá)到最大輸出功率點(diǎn)時(shí)的電壓不一定就滿(mǎn)足需要，因此要在光伏電池與負(fù)載之間加入一級(jí)電力電子變換器，一般采用DC/DC變換電路。根據(jù)PV電池輸出電壓的高低，有不同的選擇，可以是boost電路，buck電路或者是boost-buck電路。本文選用boost電路。其原理是：利用MPPT原理，通過(guò)調(diào)整變換器中開(kāi)關(guān)器件的占空比d來(lái)改變變換器的輸出端電壓，使PV系統(tǒng)工作在最大功率點(diǎn)。3.1.1Boost電路的工作原理圖圖3.1Boost電路工作原理圖如圖3.1所示，boost短路(或step-up電路)，是一種開(kāi)關(guān)直流升壓電路，它可以使輸出電壓比輸入電壓高。下面通過(guò)充電和放電兩個(gè)過(guò)程說(shuō)明這個(gè)電路。圖圖3.2Boost電路充電等效圖在充電過(guò)程中，開(kāi)關(guān)閉合(即：三極管導(dǎo)通)，等效電路如圖3.2，開(kāi)關(guān)(三極管)處可以用導(dǎo)線(xiàn)代替。這時(shí)，電路左邊形成一個(gè)閉環(huán)。直流電壓流過(guò)電感，電感上的電流以一定的比率線(xiàn)性增加，這個(gè)比率跟電感大小有關(guān)。隨著電感電流增加，電感里不斷儲(chǔ)存能量。二極管在這里的作用是防止電容對(duì)地放電。圖圖3.3Boost電路放電等效圖在放電過(guò)程中，如圖3.3，這是當(dāng)開(kāi)關(guān)斷開(kāi)(即：三極管截止)時(shí)的等效電路。整個(gè)電路形成一個(gè)閉環(huán)。當(dāng)開(kāi)關(guān)斷開(kāi)(三極管截止)時(shí)，由于電感有電流保持特性，流經(jīng)電感的電流不會(huì)馬上降為0，而是緩慢的放電，逐漸釋放能量，由充電飽和時(shí)的值變?yōu)?。電感通過(guò)二極管和電容放電，即開(kāi)始給電容充電，電容兩端電壓逐漸升高，此時(shí)電壓已經(jīng)高于輸入電壓了。綜上所示，可以總結(jié)為：Boost電路的本質(zhì)是電感的能量傳遞過(guò)程。充電時(shí)，電感通過(guò)一個(gè)小回路吸收能量；放電時(shí)，電感通過(guò)另一個(gè)含有電容的大回路放出能量。想要在輸出端放電時(shí)獲得一個(gè)持續(xù)的電流，電容就必須設(shè)置得足夠大。當(dāng)這個(gè)充放電過(guò)程一直重復(fù)，就可以在電容兩端得到高于輸入電壓的輸出電壓。于是可得：(3.1)其中，D是占空比，且。3.1.2boost電路參數(shù)計(jì)算1.占空比穩(wěn)定工作時(shí)，每個(gè)開(kāi)關(guān)周期，導(dǎo)通期間電感電流的增加等于關(guān)斷期間電感電流的減少，即：整理得，(3.2)即只要確定輸入和輸出電壓，也知道整流管壓降，就可以求占空比D。2.電感量先求每個(gè)開(kāi)關(guān)周期內(nèi)電感初始電流等于輸出電流時(shí)的對(duì)應(yīng)電感的電感量。其值為：(3.3)確定了輸入電壓和輸出電流，利用已確定的占空比值，就可以求得電感的值。是本文所求的臨界值。當(dāng)電感量小于該臨界值時(shí)，輸出紋波與電感量的關(guān)系曲線(xiàn)圖斜率很大，即：當(dāng)電感值的增加時(shí)，輸出紋波急劇減??；當(dāng)電感量大于該臨界值時(shí)，輸出紋波與電感量的關(guān)系曲線(xiàn)圖斜率就變得很小了，即：當(dāng)電感值的增加時(shí)，輸出紋波幾乎不再變小。由于電感量越大，工藝要求越高，因此，為了節(jié)省成本，同時(shí)考慮到減小磁滯損耗等其他方面影響，的值可預(yù)留多一些，即可以比計(jì)算值稍大一些。3.電容量電容值的計(jì)算公式為：(3.4)其中，是紋波幅值。4.PV側(cè)電容量在PV側(cè)加入一個(gè)解耦電容器，可以對(duì)PV電池和boost電路進(jìn)行隔離，對(duì)電路有保護(hù)作用。該電容大小可以通過(guò)以下公式確定：(3.5)其中，是光伏電池的額定功率，是電容兩端電壓的平均值，是紋波幅值。5.其他參數(shù)的選擇實(shí)際應(yīng)用中，除了考慮各個(gè)元器件參數(shù)的選擇，還要考慮磁環(huán)和線(xiàn)徑?？梢圆殚喆怒h(huán)手冊(cè)通過(guò)確定磁環(huán)不飽和的適合磁環(huán)，計(jì)算出，以此電流確定有效值及工作頻率選擇線(xiàn)徑。3.1.3boost電路仿真通過(guò)Matlab/Simulink對(duì)boost電路進(jìn)行仿真，其外形如圖所示：圖圖3.4Boost電路外形設(shè)計(jì)其內(nèi)部構(gòu)造如下：圖圖3.5Boost電路通過(guò)仿真可以得到boost電路輸出波形：圖圖3.6Boost電路輸出波形可以看到，輸出電壓紋波還是存在的，但是可以通過(guò)濾波電容的選擇在一定程度上較小紋波。3.2MPPT的實(shí)現(xiàn)MPPT的原理是：當(dāng)輸出電壓達(dá)到基本穩(wěn)定的狀態(tài)，改變Boost電路開(kāi)關(guān)器件的占空比，就可以擾動(dòng)，其本質(zhì)是改變輸出的平均電流。同時(shí)，PV電池的輸出電壓也將發(fā)生變化。通過(guò)計(jì)算擾動(dòng)前后PV電池電壓電流的變化，判斷功率與電壓的變化方向，決定下一周期的擾動(dòng)方向。當(dāng)輸出功率增加時(shí)，說(shuō)明上次計(jì)算的擾動(dòng)方向正確，下周期繼續(xù)朝同一方向擾動(dòng)，反之亦然。反復(fù)進(jìn)行這個(gè)過(guò)程，就可以不斷向最大功率點(diǎn)逼近。傳統(tǒng)的MPPT方法依據(jù)判斷方法和準(zhǔn)則的不同，被分為開(kāi)環(huán)和閉環(huán)MPPT方法。實(shí)際上，外界溫度、光照和負(fù)載的變化對(duì)光伏電池輸出特性的影響呈現(xiàn)出一些基本的規(guī)律，比如PV電池的MPP電壓與PV電池的開(kāi)路電壓之間存在近似的線(xiàn)性關(guān)系，基于這些規(guī)律，可提出一些開(kāi)環(huán)的MPPT控制方法，如定電壓跟蹤法，短路電流比例系數(shù)法和插值計(jì)算法等。閉環(huán)MPPT方法則通過(guò)對(duì)光伏電池輸出電壓和電流值的實(shí)時(shí)測(cè)量與閉環(huán)控制來(lái)實(shí)現(xiàn)MPPT，使用最廣泛的自尋優(yōu)類(lèi)算法即屬于這一類(lèi)。典型的自尋優(yōu)MPPT算法有擾動(dòng)觀(guān)察法(PerturbationandObservationMethod,P&O)和電導(dǎo)增量法(IncrementalConductance,INC)兩種。3.2.1擾動(dòng)觀(guān)察法1.擾動(dòng)觀(guān)察法的原理擾動(dòng)觀(guān)察法，即：爬山法。該算法的原理是：當(dāng)每一個(gè)控制周期到來(lái)時(shí)，改變使PV電池的輸出電壓，使其增加或者減小一個(gè)步長(zhǎng)。根據(jù)PV電池輸出功率和電壓的變化方向，得出下一周期電壓的擾動(dòng)方向。該算法的具體操作過(guò)程是：假定PV電池當(dāng)前工作電壓為參考電壓；使增加或減少一個(gè)步長(zhǎng)。可以是一個(gè)固定值，也可以是一個(gè)變化值。等待MPPT的下一個(gè)控制周期；比較擾動(dòng)前后PV電池的輸出功率P(n)和P(n-1)。當(dāng)P(n)>P(n-1)時(shí)，在下一個(gè)控制周期到來(lái)之時(shí)，將更新為；反之，將更新為。按照以上步驟，PV電池的工作點(diǎn)將逐漸向MPP靠近，直至在MPP附近波動(dòng)。這時(shí)可以認(rèn)為，PV電池的輸出已經(jīng)達(dá)到穩(wěn)態(tài)。結(jié)合多次實(shí)驗(yàn)，可以確定擾動(dòng)觀(guān)察法的擾動(dòng)步長(zhǎng)和控制周期。當(dāng)步長(zhǎng)設(shè)定得越大，對(duì)MPP的跟蹤速度快，達(dá)到MPP的時(shí)間越短，但同時(shí)在振蕩范圍也越大，穩(wěn)態(tài)效果越差；步長(zhǎng)設(shè)定得越小，雖然跟蹤速度變慢了，但在MPP處振蕩小，穩(wěn)態(tài)效果好。MPPT算法的速度和穩(wěn)定性也受到控制周期的影響，控制周期過(guò)短，容易引起光伏發(fā)電系統(tǒng)的振蕩；控制周期太長(zhǎng)，動(dòng)態(tài)響應(yīng)速度不理想。因此對(duì)于步長(zhǎng)的選擇非常重要。下面是擾動(dòng)觀(guān)察法的算法流程圖：圖圖3.7擾動(dòng)觀(guān)察法流程圖2.擾動(dòng)觀(guān)察法的不足該算法的優(yōu)點(diǎn)：當(dāng)外部環(huán)境處于比較穩(wěn)定的狀態(tài)時(shí)，此時(shí)系統(tǒng)也處于穩(wěn)定狀態(tài)，性能較好。同時(shí)由于其算法簡(jiǎn)單，應(yīng)用最為廣泛。該算法的不足之處：一是PV電池達(dá)到MPP進(jìn)入穩(wěn)態(tài)后，還在繼續(xù)擾動(dòng)，在MPP附近小幅振蕩，容易引起PV電池功率的損失；二是當(dāng)外部環(huán)境(主要是溫度T和光強(qiáng)S)發(fā)生急劇變化，該算法由于結(jié)構(gòu)過(guò)于簡(jiǎn)單，沒(méi)有應(yīng)對(duì)突變的能力，容易出現(xiàn)“誤判”，導(dǎo)致PV電池工作點(diǎn)錯(cuò)誤地朝一個(gè)方向擾動(dòng)。3.2.2電導(dǎo)增量法1.電導(dǎo)增量法的原理電導(dǎo)增量法的原理是：PV電池的P-V曲線(xiàn)在功率最大值處斜率為0。即有：(3.6)使用差分形式代替微分，由上式推導(dǎo)得：(3.7)電導(dǎo)增量法的操作過(guò)程是：假設(shè)PV電池工作在P-V曲線(xiàn)的某一工作點(diǎn)，該點(diǎn)電壓記為；檢測(cè)光伏陣列的輸出電壓V和電流I，計(jì)算此次采樣值與上一次控制周期采樣值之差，即：和；再根據(jù)和的符號(hào)判斷擾動(dòng)方向。時(shí)，則根據(jù)的符號(hào)判斷MPP的位置；時(shí)，根據(jù)的符號(hào)判斷MPP的位置；根據(jù)判斷的MPP的位置，改變電壓參考值，逐步向MPP靠近。當(dāng)時(shí)，即輸出電流與輸出電壓的差分值之比和輸出電導(dǎo)相加為0，表明此時(shí)PV電池的P-V曲線(xiàn)斜率為0，PV電池已經(jīng)工作在最大功率處。電導(dǎo)增量法是通過(guò)瞬時(shí)電導(dǎo)(P-V曲線(xiàn)切線(xiàn)值)和電導(dǎo)(P-V曲線(xiàn)割線(xiàn)值)之間的比較來(lái)調(diào)整控制量，其依據(jù)是PV電池的P-V特性特征。該算法的優(yōu)點(diǎn)是：控制精度較高，當(dāng)外部環(huán)境發(fā)生劇烈變化時(shí)，響應(yīng)速度也足夠快。適用于天氣多變的場(chǎng)合，理論上能達(dá)到實(shí)際的最大功率點(diǎn)。電導(dǎo)增量法的算法流程圖如下：圖圖3.8電導(dǎo)增量法流程圖2.電導(dǎo)增量法的不足電導(dǎo)增量法相對(duì)于擾動(dòng)觀(guān)察法有一定的優(yōu)勢(shì)，如：響應(yīng)速度快，適用范圍大，達(dá)到MPP時(shí)穩(wěn)態(tài)振蕩小。但是該算法在實(shí)際應(yīng)用時(shí)，也存在一定的問(wèn)題，例如，由于傳感器誤差、精度以及系統(tǒng)干擾等影響，極難出現(xiàn)的情況，也會(huì)出現(xiàn)在MPP附近振蕩的問(wèn)題。3.2.3變步長(zhǎng)擾動(dòng)觀(guān)察法1.變步長(zhǎng)擾動(dòng)觀(guān)察法的原理變步長(zhǎng)是結(jié)合擾動(dòng)觀(guān)察法和電導(dǎo)增量法，把兩者的優(yōu)點(diǎn)結(jié)合起來(lái)的算法。由之前得出的結(jié)論可以知道，當(dāng)存在MPP點(diǎn)時(shí)，在MPP點(diǎn)的左側(cè)，；在MPP點(diǎn)的右側(cè)，；在MPP點(diǎn)上，。由公式(3.6)可知，可以由替代，因此有：(3.8)在引入該變化因子后，在光伏系統(tǒng)工作點(diǎn)離最大功率點(diǎn)較遠(yuǎn)時(shí)，電壓擾動(dòng)步長(zhǎng)比較大；當(dāng)光伏系統(tǒng)工作點(diǎn)逐漸接近最大功率點(diǎn)時(shí)，電壓擾動(dòng)步長(zhǎng)逐步變小并趨向于零。變步長(zhǎng)擾動(dòng)觀(guān)察法是通過(guò)判斷和的符號(hào)來(lái)判斷參考電壓擾動(dòng)方向的。即：如果和的符號(hào)一致，參考電壓增加一個(gè)步長(zhǎng)，反之，則減小一個(gè)步長(zhǎng)，最終使使PV系統(tǒng)工作點(diǎn)快速向MPP靠近。理論上說(shuō)，PV電池工作點(diǎn)達(dá)到MPP后，，停止擾動(dòng)。但是在實(shí)際運(yùn)行分鐘，由于外部因素例如傳感器誤差、A/D轉(zhuǎn)換量化誤差等原因，很難得到，會(huì)引起無(wú)限期的擾動(dòng)與在MPP處的振蕩。為了克服這一現(xiàn)象，本文引入穩(wěn)定追蹤值判別，使變步長(zhǎng)擾動(dòng)過(guò)程實(shí)時(shí)停止。同時(shí)，的選擇也是影響MPPT性能的關(guān)鍵參數(shù)，需要進(jìn)行優(yōu)化設(shè)計(jì)。以下是變步長(zhǎng)擾動(dòng)觀(guān)察法的流程圖：圖圖3.9變步長(zhǎng)擾動(dòng)觀(guān)察法流程圖進(jìn)行變步長(zhǎng)跟蹤時(shí)，的確定尤為重要，過(guò)大將影響系統(tǒng)穩(wěn)定性，過(guò)小會(huì)降低系統(tǒng)追蹤速度。下面對(duì)的確定進(jìn)行計(jì)算。假設(shè)實(shí)際擾動(dòng)的電壓最大步長(zhǎng)為，為光伏電池P-V曲線(xiàn)的最大斜率值，則需要滿(mǎn)足：(3.9)在本文研究的光伏系統(tǒng)模型中，可取為光伏電池開(kāi)路電壓的5%，允許有5%的紋波存在，即。最大斜率在本系統(tǒng)中約為25，因此取值可以為0.12?？紤]到實(shí)際應(yīng)用中的誤差，需有一點(diǎn)預(yù)留，可取0.15。3.2.4開(kāi)關(guān)信號(hào)的產(chǎn)生由算法獲得的電壓參考信號(hào)經(jīng)過(guò)PI運(yùn)算歸一化之后，與三角波進(jìn)行比較，才能產(chǎn)生開(kāi)關(guān)信號(hào)，通過(guò)控制晶閘管的通斷，來(lái)調(diào)節(jié)占空比，從而使PV工作在最大功率點(diǎn)。其原理如下：圖圖3.10PWM產(chǎn)生原理3.2.5MPPT算法仿真通過(guò)以上的分析，下面對(duì)MPPT算法進(jìn)行仿真。本文采用變步長(zhǎng)擾動(dòng)法進(jìn)行仿真，其模型如下：圖圖3.11變步長(zhǎng)擾動(dòng)觀(guān)察法模塊3.3模糊控制算法通過(guò)MPPT算法可以知道，該算法是在不斷擾動(dòng)從而不斷逼近最大功率點(diǎn)。但是最大功率點(diǎn)只是一個(gè)點(diǎn)，而且非常難達(dá)到，因此提出模糊控制算法，可以確定出一個(gè)范圍，允許在最大功率點(diǎn)附近波動(dòng)，這樣就可以使算法更穩(wěn)定。模糊控制算法，是一種人工智能控制方法。它的原理是：以輸入變量的模糊化結(jié)果為變量，通過(guò)模糊隸屬度函數(shù)的選取、模糊邏輯推理來(lái)實(shí)現(xiàn)的。模糊控制適用于非線(xiàn)性系統(tǒng)。本文中，PV模型就是一個(gè)典型的非線(xiàn)性系統(tǒng)，將模糊控制應(yīng)用在PV系統(tǒng)的最大功率點(diǎn)跟蹤上，可以收獲不錯(cuò)的效果。模糊控制模仿人的思維方式，只需要提供參數(shù)的模糊信息，經(jīng)過(guò)反模糊化處理，就可以輸出具體的控制量。其中，不需要涉及參數(shù)的精確量。其原理框圖如下所示：圖圖3.12模糊控制算法原理框圖其中，r為模糊系統(tǒng)設(shè)定的輸入值，y為模糊系統(tǒng)的精確輸出值。模糊系統(tǒng)通過(guò)模糊控制器(FuzzyLogicController/FuzzyLanguageController,FLC)代替了傳統(tǒng)的數(shù)字控制器。對(duì)于模糊控制規(guī)則，本文采用模糊自適應(yīng)控制方法，對(duì)模糊規(guī)則進(jìn)行在線(xiàn)自整定。通過(guò)對(duì)控制系統(tǒng)的輸入和輸出變量的隸屬度函數(shù)進(jìn)行設(shè)定，可以對(duì)控制規(guī)則進(jìn)行廣泛調(diào)整和改善。對(duì)于該自適應(yīng)模糊控制器，需要完成的任務(wù)是：同時(shí)執(zhí)行系統(tǒng)辨識(shí)和控制。即：通過(guò)對(duì)控制系統(tǒng)性能的觀(guān)察，作出控制決策，并用語(yǔ)言形式表述。3.3.1自適應(yīng)模糊控制策略(1)采樣為了測(cè)量系統(tǒng)性能，需要對(duì)系統(tǒng)采樣。每次采樣的時(shí)間響應(yīng)可以通過(guò)監(jiān)測(cè)和來(lái)實(shí)現(xiàn)。其中，是誤差函數(shù)，是誤差函數(shù)的導(dǎo)數(shù)，用來(lái)指示誤差的變化速率。kT是采樣時(shí)刻，T是采樣時(shí)間。系統(tǒng)通過(guò)對(duì)k-1時(shí)刻系統(tǒng)的輸出響應(yīng)，來(lái)決定k時(shí)刻系統(tǒng)的輸出。通過(guò)這個(gè)原則，可以確定系統(tǒng)模型。PV電池的功率差與電壓差之比作為誤差函數(shù)的輸入，PV電池的功率差與電壓之比的變化率作為誤差函數(shù)導(dǎo)數(shù)的輸入。由于采樣時(shí)間很短，在此，可以采用delay模塊得到PV電池的功率差與電壓之比的變化率，也可以采用導(dǎo)數(shù)模塊。為了提高系統(tǒng)響應(yīng)速度，本文采用后者，以減少算法上人為的延時(shí)。輸出就是本文所需要的步長(zhǎng)，與PV電池輸出的電壓相加，就是參考電壓。系統(tǒng)的輸出即是PWM的輸出，在得到模糊控制算法的輸出后，需要通過(guò)PI控制，并與三角波進(jìn)行比較，才能作為Boost電路門(mén)控信號(hào)輸出。這一步與之前的算法相同。下面通過(guò)FIS編輯器，設(shè)置系統(tǒng)為：雙輸入--單輸出系統(tǒng)。變量設(shè)置為7，并分別命名為NB、NM、NS、Z、PS、PM和PB。模糊邏輯工具箱采用的是mamdani算法。Mamdani型的模糊推理方法是純模糊邏輯系統(tǒng)，其特點(diǎn)是，采用極小運(yùn)算規(guī)則定義模糊蘊(yùn)含表達(dá)的模糊關(guān)系。同樣采用極小運(yùn)算規(guī)則定義模糊蘊(yùn)含表達(dá)的模糊關(guān)系的還有Sugeno算法，該算法與mamdani算法的區(qū)別在于，它將去模糊化也結(jié)合到了模糊推理中，輸出隸屬度函數(shù)表達(dá)形式不一樣。兩者的模糊規(guī)則差別在于：Mamdani：ifAandBthenC;Sugeno：ifxisAandyisBthenC=px+qy+r.由于高階Sugeno算法增加了復(fù)雜性，卻不能相應(yīng)地改善性能，故使用較少。解模糊方法為重心法centroid，“并”(And)為max，“交”(or)為min。其模型如下圖所示：圖圖3.13fuzzy模型——雙入單出(2)系統(tǒng)的原則定義誤差e的隸屬度函數(shù)為，(i=-3,-2,-1,0,1,2,3)，其中，-3為NB(NegativeBig)，-2為NM(NegativeMedium)，-1為NS(NegativeSmall)，0為Z(Zero)，1為PS(PositiveSmall)，2為PM(PositiveMedium)，3為PB(PositiveBig)。同時(shí)，對(duì)隸屬度函數(shù)的左右邊界做了限制，并設(shè)置了左右邊界點(diǎn)，規(guī)定相鄰兩隸屬度函數(shù)的重疊率不能超過(guò)50%，而且這些點(diǎn)都不超過(guò)相鄰隸屬度函數(shù)的中心。當(dāng)?shù)闹禐?3(或3)時(shí)，系統(tǒng)以較大的步長(zhǎng)向反方向(正方向)逼近MPP，為-2或2時(shí)，系統(tǒng)以中等步長(zhǎng)向反方向(正方向)逼近MPP，為-1或1時(shí)，系統(tǒng)以較小步長(zhǎng)向反方向(正方向)逼近MPP，為0時(shí)，系統(tǒng)不再變化，此時(shí)認(rèn)為是在MPP所允許的范圍內(nèi)。因此，在當(dāng)?shù)闹禐?3(或3)時(shí)，選用梯形函數(shù)tramf，可以實(shí)現(xiàn)大步長(zhǎng)變化。當(dāng)?shù)闹禐?2、-1、0(或2、1)時(shí)，采用三角函數(shù)trimf，實(shí)現(xiàn)微調(diào)，并且對(duì)于三個(gè)參數(shù)的設(shè)定，要從-2到0(或2到0)逐漸收小間隔，為0時(shí)三個(gè)點(diǎn)的間隔最小。這樣就可以實(shí)現(xiàn)步長(zhǎng)的縮小。為0時(shí)，可以認(rèn)為是達(dá)到MPP的一個(gè)很小的范圍，因此三點(diǎn)參數(shù)要很接近。其論域選擇為-8~8。其實(shí)現(xiàn)如圖所示：圖圖3.14誤差輸入的隸屬度函數(shù)同理，對(duì)于誤差導(dǎo)數(shù)ec，本文也做相同的定義，即：，(i=-3,-2,-1,0,1,2,3)，其中，-3為NB(NegativeBig)，-2為NM(NegativeMedium)，-1為NS(NegativeSmall)，0為Z(Zero)，1為PS(PositiveSmall)，2為PM(PositiveMedium)，3為PB(PositiveBig)。同時(shí)，對(duì)隸屬度函數(shù)的左右邊界做了限制，并設(shè)置了左右邊界點(diǎn)，規(guī)定相鄰兩隸屬度函數(shù)的重疊率不能超過(guò)50%，而且這些點(diǎn)都不超過(guò)相鄰隸屬度函數(shù)的中心。論域選擇同上，-8~8 。對(duì)于輸出DC，本文也可以做同樣的定義，即：，(i=-3,-2,-1,0,1,2,3)，其中，-3為NB(NegativeBig)，-2為NM(NegativeMedium)，-1為NS(NegativeSmall)，0為Z(Zero)，1為PS(PositiveSmall)，2為PM(PositiveMedium)，3為PB(PositiveBig)。同時(shí)，對(duì)隸屬度函數(shù)的左右邊界做了限制，并設(shè)置了左右邊界點(diǎn)，規(guī)定相鄰兩隸屬度函數(shù)的重疊率不能超過(guò)50%，而且這些點(diǎn)都不超過(guò)相鄰隸屬度函數(shù)的中心。對(duì)于輸出DC，論域選擇為-3~3。圖圖3.15誤差導(dǎo)數(shù)輸入的隸屬度函數(shù)圖圖3.16步長(zhǎng)輸出的隸屬度函數(shù)表3.1模糊規(guī)則下面定義模糊規(guī)則：定義模糊規(guī)則要注意對(duì)于隸屬度函數(shù)重復(fù)部分的處理，對(duì)于輸入，是通過(guò)改變隸屬度函數(shù)的形狀進(jìn)行修正；對(duì)于輸出，是通過(guò)改變隸屬度函數(shù)的重心進(jìn)行修正。下面是模糊規(guī)則表，包含了對(duì)隸屬度函數(shù)修正的描述。表3.1模糊規(guī)則e(k)NBNMNSZPSPMPBec(k)NBPBPBPMNSNMNBNBNMPBPMPMNSNSNMNBNSPBPMPSZNSNSNMZNBNMNSZPSPSPMPSNBNMNSZPSPSPMPMNBNMNMPSPSPMPBPBNBNBNMPSPMPBPB模糊規(guī)則的編寫(xiě)如下圖所示：圖圖3.1749條模糊規(guī)則的實(shí)現(xiàn)由于e(kT)有7個(gè)子集，ec(kT)也有7個(gè)子集，這樣，模糊規(guī)則就有49條。模糊控制可以通過(guò)matlab的GUI編寫(xiě)，也可以通過(guò)代碼的方式編寫(xiě)，其結(jié)果也是一樣的。需要生成FIS文件，下面提供通過(guò)代碼方式編寫(xiě)的FIS文件。圖圖3.18模糊控制FIS文件用代碼實(shí)現(xiàn)可以通過(guò)Ruleview觀(guān)察模糊規(guī)則如下圖所示：圖圖3.19觀(guān)看模糊規(guī)則可以通過(guò)Surfview觀(guān)察模糊推理輸入輸出曲面視圖如下圖所示：圖3.20圖3.20觀(guān)看模糊推理輸入輸出3.3.2模型搭建在搭建模塊的時(shí)候，通過(guò)FIS模塊，調(diào)用編寫(xiě)好的FIS文件即可。圖圖3.21fuzzy文件調(diào)用下圖是新算法的實(shí)現(xiàn)。與原來(lái)的算法相比，模糊控制下的MPPT算法增添了一個(gè)求導(dǎo)的模塊，但是將求步長(zhǎng)的模塊用模糊控制模塊替代了，減少了取絕對(duì)值、步長(zhǎng)系數(shù)與步長(zhǎng)相乘、正負(fù)判斷的模塊，理論上減少了很多數(shù)學(xué)運(yùn)算，在效率上得到提高。實(shí)際上，模糊控制模塊還需要硬件電路的配合，才能真正提高效率。圖圖3.22基于模糊控制的MPPT模塊3.3.3結(jié)果顯示通過(guò)MPPT算法和加入模糊控制的MPPT算法，對(duì)PV電池經(jīng)過(guò)Boost電路的輸出和通過(guò)MPPT跟蹤得到的參考電壓進(jìn)行監(jiān)測(cè)和比較，并通過(guò)示波器觀(guān)察輸出波形。以下兩圖是截取仿真開(kāi)始運(yùn)行時(shí)的0.2s波形，此時(shí)PV電池運(yùn)行在并網(wǎng)狀態(tài)，系統(tǒng)即將達(dá)到穩(wěn)定。PV電池輸出有較大紋波，可以在后續(xù)的模塊中進(jìn)行濾除和改善。圖中兩條曲線(xiàn)分別是：PV電池經(jīng)過(guò)Boost電路的輸出波形(黑色)和經(jīng)過(guò)MPPT得到的參考電壓波形(紅色)。圖3.23是變步長(zhǎng)擾動(dòng)觀(guān)察法，圖3.24是模糊控制下的MPPT算法。圖圖3.23變步長(zhǎng)擾動(dòng)觀(guān)察法輸出結(jié)果圖圖3.24基于模糊控制的MPPT算法輸出結(jié)果可以看出，模糊控制下的MPPT算法，與變步長(zhǎng)擾動(dòng)觀(guān)察法相比，對(duì)電壓的跟蹤效果更加精確，也更加及時(shí)。更重要的是，通過(guò)算法本身的改進(jìn)，紋波變小了，波形變緩了。在實(shí)際應(yīng)用中，這兩種算法都是可行的。

第四章并網(wǎng)研究4.1逆變電源的研究將逆變電路接在boost電路輸出端，就可以產(chǎn)生正弦波，用于并網(wǎng)研究。本文是通過(guò)研究三相電壓型逆變器產(chǎn)生三相正弦波來(lái)研究并網(wǎng)試驗(yàn)的。4.1.1三相逆變器電路拓?fù)浣Y(jié)構(gòu)三相電壓型逆變器結(jié)構(gòu)如下圖4.1所示，由6個(gè)晶閘管組成。通過(guò)控制6個(gè)晶閘管的通斷，從而控制輸出電壓的大小和方向。圖圖4.1三相電壓型逆變器機(jī)構(gòu)圖該模型可以等效為6個(gè)開(kāi)關(guān)，其簡(jiǎn)化模型如下圖所示：圖圖4.2三相電壓型逆變器簡(jiǎn)化圖4.1.2SVPWM技術(shù)SVPWM是空間矢量脈寬調(diào)制(SpaceVectorPulseWidthModulation)的簡(jiǎn)稱(chēng)。普通的三相全橋通常都是由六個(gè)開(kāi)關(guān)器件構(gòu)成的三個(gè)半橋。這六個(gè)開(kāi)關(guān)器件組合起來(lái)，（注意：同一個(gè)橋臂的上下半橋的信號(hào)相反）共有種安全的開(kāi)關(guān)狀態(tài)。其中000、111（三個(gè)上橋臂的開(kāi)關(guān)狀態(tài)）這兩種開(kāi)關(guān)狀態(tài)無(wú)法在電機(jī)驅(qū)動(dòng)中產(chǎn)生有效電流，定義為零矢量，將在SVPWM中起到調(diào)制作用。另外6種開(kāi)關(guān)狀態(tài)分別是六個(gè)有效矢量。它們將的電壓空間均等劃分為6個(gè)扇區(qū)，利用這六個(gè)基本有效矢量和兩個(gè)零量，可以合成360度內(nèi)的任何矢量。具體方法是：當(dāng)要合成某一矢量時(shí)，先確定這一矢量位于哪個(gè)扇區(qū)，再分解到離它最近的兩個(gè)基本矢量，用這兩個(gè)基本矢量去表示，可以寫(xiě)成，(i,j=1,2,3,4,5,6)。作用時(shí)間的長(zhǎng)短和可以用來(lái)表示每個(gè)基本矢量的作用大小。按照不同的時(shí)間比例，通過(guò)兩個(gè)電壓矢量的配合，可以合成所需要的電壓矢量，從而保證生成電壓波形近似于正弦波。由于矢量方向是連續(xù)變化的，因此本文需要不斷的計(jì)算矢量作用時(shí)間。簡(jiǎn)化處理方法和節(jié)省處理時(shí)間，在合成時(shí)可以通過(guò)定時(shí)器計(jì)算（如：計(jì)算一次/0.1ms）。這樣，只要算出在0.1ms內(nèi)兩個(gè)基本矢量作用的時(shí)間，就可以形成接近圓的矢量圖。由于計(jì)算出的兩個(gè)時(shí)間的總和可能小于0.1ms，剩下的時(shí)間可以插入合適零矢量來(lái)補(bǔ)滿(mǎn)。其工作原理如下：圖圖4.3SVPWM原理圖已知磁鏈方程為：(4.1)以電機(jī)的旋轉(zhuǎn)磁場(chǎng)為例，通過(guò)上式可以看出，其旋轉(zhuǎn)磁場(chǎng)與各定子繞組相交鏈的磁通的磁路會(huì)發(fā)生周期性變換。由于電感與磁阻成反比，與繞組匝數(shù)的平方成正比。所以定子繞組的自感也成周期性變化。為了簡(jiǎn)化模型，需要對(duì)方程式進(jìn)行的變換，即Clarke變換(或3/2變換)。在本文的PV模型中，同樣存在很多在abc坐標(biāo)軸上周期性變化的量，也需要通過(guò)Clarke變化，基于3

軸、2

維的定子靜止坐標(biāo)系的各物理量變換到2

軸的定子靜止坐標(biāo)系中。其變換公式如下：(4.2)其逆變換為：(4.3)Clarke變換后，轉(zhuǎn)矩仍然依靠轉(zhuǎn)子通量，即：為了方便控制和計(jì)算，再對(duì)其進(jìn)行Park變換，即變換。變換后的坐標(biāo)系以轉(zhuǎn)子相同的速度旋轉(zhuǎn)，且d軸與轉(zhuǎn)子磁通位置相同，則轉(zhuǎn)矩表達(dá)式僅與θ有關(guān)。其變換公式如下：(4.4)其逆變換為：(4.5)由上面的公式，可以得到之間的變換為：(4.6)其逆變換為：(4.7)其中，為靜止坐標(biāo)系與旋轉(zhuǎn)坐標(biāo)系之間的角度。在電網(wǎng)電壓定向的同步旋轉(zhuǎn)坐標(biāo)系中，，。系統(tǒng)的瞬時(shí)有功功率p和無(wú)功功率q為：(4.8)由公式(4.8)可知，系統(tǒng)的有功功率p和無(wú)功功率q可以通過(guò)和來(lái)控制的。因此，給并網(wǎng)算法帶來(lái)了簡(jiǎn)便。4.2逆變電路模型逆變器需要用門(mén)控信號(hào)控制，而這個(gè)門(mén)控信號(hào)的產(chǎn)生通過(guò)和與三角波比較，經(jīng)過(guò)SVPWM調(diào)制，產(chǎn)生控制信號(hào)。其外形設(shè)計(jì)如下圖4.4所示：圖圖4.4逆變電路外形設(shè)計(jì)4.3濾波電路4.3.1濾波電路參數(shù)設(shè)計(jì)經(jīng)過(guò)逆變電路輸出的波形可能含有很多高次諧波，需要經(jīng)過(guò)濾波電路進(jìn)行濾除。本文選擇LC濾波電路對(duì)諧波進(jìn)行濾除。則LC濾波參數(shù)設(shè)計(jì)如下：L的選取需要滿(mǎn)足下式：(4.9)其中，直流電壓，額定電流可以選取，。是電感電流的最大波動(dòng)量，允許范圍是20%，因此可以確定。代入(4.9)計(jì)算公式可得：，即：可以選取L為3mH。同時(shí)，選取濾波電容為。下面對(duì)所選的參數(shù)進(jìn)行檢驗(yàn)：已知LC諧振頻率為：(4.10)諧振頻率一般要求是：滿(mǎn)足開(kāi)關(guān)器件頻率的，基波頻率的10倍及以上，即：(4.11)本文中，開(kāi)關(guān)頻率，基波頻率為，則由(4.11)可得到：(4.12)代入得：(4.13)符合(4.12)的范圍，即該參數(shù)設(shè)計(jì)是合理的。4.3.2濾波電路仿真模型濾波電路是由電感和電容組成，但為了防止阻尼震蕩，需要串聯(lián)一個(gè)很小的電阻，令R=0.1omh，其仿真模型如下圖4.5所示：圖圖4.5濾波電路4.4并網(wǎng)模型與參數(shù)設(shè)計(jì)并網(wǎng)的控制框圖如下所示，通過(guò)該控制框圖，可以得到以下公式：圖圖4.6并網(wǎng)控制框圖(1)參考電流的計(jì)算公式即其模型：(4.14)圖圖4.7參考電流Id產(chǎn)生模塊(2)有電壓電流雙環(huán)控制的原理可知，參考電壓和和計(jì)算公式：(4.15)由上面的方程組可以看到，對(duì)于d、q軸，有很多地方都很相似的，于是可以把公式合并起來(lái)。對(duì)于傳遞函數(shù)來(lái)說(shuō)，輸入信號(hào)就是[]、[]和[]組成的向量，這樣可以使得模型更加簡(jiǎn)潔清晰。即有：(4.16)其中，對(duì)于，n=1；對(duì)于，n=0。值得注意的是，對(duì)于的計(jì)算公式，對(duì)應(yīng)的第三項(xiàng)是，對(duì)于的計(jì)算公式，對(duì)應(yīng)的第三項(xiàng)是。因而在建立模型的時(shí)候要注意把兩個(gè)輸入量換個(gè)位置。則模型的建立如下圖所示：圖圖4.8參考電壓Ud、Uq產(chǎn)生模塊由于Matlab2013a的simulink自帶模塊SVPWM，因此選用該版本的軟件進(jìn)行模型的搭建，其整體控制算法模型如下圖所示：圖圖4.9SVPWM產(chǎn)生的整體模塊其中abc/dq0的模塊實(shí)現(xiàn)如下圖：圖圖4.10abc/dq0變換模塊從圖中可以看出，對(duì)于坐標(biāo)軸的變換，需要獲取來(lái)自電網(wǎng)的工作頻率和角頻率。其角頻率的獲得是通過(guò)PLL鎖相環(huán)所獲得的。(3)PLL鎖相環(huán)鎖相環(huán)路是一種通過(guò)反饋實(shí)現(xiàn)控制的電路，即鎖相環(huán)(Phase-LockedLoop,PLL)。鎖相環(huán)的工作原理是：獲得外部信號(hào)并作為參考源，通過(guò)算法決定內(nèi)部振蕩信號(hào)的頻率和相位。在電路設(shè)計(jì)上，鎖相環(huán)通常用于閉環(huán)跟蹤電路，通過(guò)追蹤輸入信號(hào)，獲得相應(yīng)頻率和相位的輸出信號(hào)。當(dāng)輸出信號(hào)與輸入信號(hào)的頻率達(dá)到一致后，鎖相環(huán)就可以實(shí)現(xiàn)輸出電壓與輸入電壓相位差值保持在一個(gè)恒定范圍內(nèi)，實(shí)現(xiàn)“鎖住”輸出電壓與輸入電壓的相位差值。鎖相環(huán)通常由鑒相器(PhaseDetector,PD)、環(huán)路濾波器(LoopFilter,LF)和壓控振蕩器(VoltageControlledOscillator,VCO)三部分組成，鎖相環(huán)組成的原理框圖如圖4.11所示。鎖相環(huán)中的鑒相器PD(又稱(chēng)為：相位比較器)，檢測(cè)外部輸入信號(hào)和內(nèi)部輸出信號(hào)的相位差；將檢測(cè)出的相位差信號(hào)經(jīng)過(guò)變換，轉(zhuǎn)換成電壓信號(hào)；經(jīng)低通濾波器LF濾波后得到，輸入壓控振蕩器VCO，這個(gè)過(guò)程即是振蕩器對(duì)輸出信號(hào)的頻率實(shí)施控制的過(guò)程。圖圖4.11PLL原理框圖4.5PI參數(shù)計(jì)算本文PI參數(shù)的計(jì)算采用了粒子群算法。粒子群算法，也稱(chēng)粒子群優(yōu)化算法(ParticleSwarmOptimization)，即PSO，是近年來(lái)發(fā)展起來(lái)的一種新的進(jìn)化算法(EvolutionaryAlgorithm-EA)。用PSO算法獲得最優(yōu)解，其原理是：從隨機(jī)解出發(fā)，通過(guò)迭代尋找最優(yōu)解，通過(guò)追隨當(dāng)前搜索到的最優(yōu)值來(lái)尋找全局最優(yōu)。它的解的品質(zhì)是通過(guò)適應(yīng)度來(lái)評(píng)價(jià)的。粒子群算法是一種并行算法。這種算法實(shí)現(xiàn)容易、精度高、收斂快，并且在解決實(shí)際問(wèn)題中展示了其優(yōu)越性。光伏系統(tǒng)由于自身特性為非線(xiàn)性系統(tǒng)，采用PSO方法固然好，但是在兩種情況下會(huì)產(chǎn)生弊端，一是當(dāng)系統(tǒng)受到外界干擾時(shí)，應(yīng)用PSO可能會(huì)使得在規(guī)定的尋優(yōu)次數(shù)內(nèi)未尋得全局最佳參數(shù)；二是當(dāng)系統(tǒng)長(zhǎng)時(shí)間運(yùn)行時(shí)，系統(tǒng)發(fā)生變化，原始最優(yōu)參數(shù)不再是最優(yōu)。為了解決上述問(wèn)題，引入兩個(gè)參數(shù)作為約束條件，保證尋得最佳參數(shù)，并自動(dòng)調(diào)節(jié)PI參數(shù)。4.5.1PSO對(duì)于PV系統(tǒng)的PI參數(shù)尋優(yōu)的適應(yīng)算法1.參數(shù)介紹及選擇慣性權(quán)重系數(shù)分析在PSO算法的可調(diào)整參數(shù)中，慣性權(quán)重決定了粒子先前運(yùn)行速度對(duì)當(dāng)前運(yùn)行速度的影響程度，因此它是最重要的參數(shù)。通過(guò)調(diào)整慣性權(quán)重的值，可以實(shí)現(xiàn)收斂速度和精度之間的平衡，也就是說(shuō)，當(dāng)慣性權(quán)重值比較大時(shí)，雖然收斂速度快，但不容易得到精解；當(dāng)慣性權(quán)重值較小時(shí)，容易得到精解，但是由于收斂速度慢，容易陷入局部極值。因而必須要選好恰當(dāng)?shù)闹怠W(xué)習(xí)因子c1和c2加速系數(shù)c1和c2是調(diào)整粒子“自身經(jīng)驗(yàn)”與“社會(huì)(群體)經(jīng)驗(yàn)”在其運(yùn)動(dòng)中所起作用的權(quán)重。合適的取值可以減少陷入局部極小值的可能性，加快算法的收斂速度。如果c1=0,則粒子沒(méi)有自身經(jīng)驗(yàn)，只有社會(huì)經(jīng)驗(yàn)。這樣做的優(yōu)點(diǎn)是收斂速度較快，但同樣帶來(lái)的弊端是，處理復(fù)雜的問(wèn)題容易陷入局部最優(yōu)點(diǎn)。如果c2=0，則粒子沒(méi)有社會(huì)經(jīng)驗(yàn)，即沒(méi)有群體共享信息，只有“自身經(jīng)驗(yàn)”。因?yàn)閭€(gè)體間沒(méi)有交互，弊端是很明顯的，一個(gè)群體規(guī)模為N的粒子群等價(jià)于運(yùn)行了N個(gè)單個(gè)微粒，很難得到較好解。如果c1=c2=0，則粒子沒(méi)有任何經(jīng)驗(yàn)信息，粒子群的運(yùn)動(dòng)將會(huì)不受控制。通常取c1=c2，取值范圍在0-4之間，在運(yùn)行過(guò)程中可以加入隨機(jī)數(shù)使學(xué)習(xí)因子發(fā)生變化。種群規(guī)模N對(duì)于種群規(guī)模大小的選取，也有嚴(yán)格的講究。種群規(guī)模增大，算法可靠性提高，收斂速度加快，但計(jì)算時(shí)間延長(zhǎng)。種群規(guī)模減小，種群規(guī)模多樣性小，容易造成“早熟”。在實(shí)際運(yùn)用中，N一般選取在20-60之間，對(duì)于存在大量極值和突變因素的系統(tǒng)中，N值可以再取大一點(diǎn)。因此本文中N取50。最大運(yùn)行速度粒子群算法運(yùn)行的本質(zhì)是：通過(guò)調(diào)整每一次迭代過(guò)程中每個(gè)粒子移動(dòng)的速度和步長(zhǎng)，逐漸向最優(yōu)點(diǎn)靠近。期間，速度的改變具有隨機(jī)性。這可能會(huì)導(dǎo)致部分粒子不受控制，其搜索范圍逐漸脫離約束，向更廣的空間擴(kuò)展，最終達(dá)到Inf，算法不再收斂，無(wú)法得到想要的PI參數(shù)。因此,粒子群的搜索要達(dá)到高速有效，就必須采取必要的措施，使得搜索范圍逐漸縮小，最終收斂達(dá)到穩(wěn)態(tài)。在實(shí)際運(yùn)行過(guò)程中，可以通過(guò)對(duì)限制完成這個(gè)要求。一般情況下，選取搜索空間的20%-50%。2.PI參數(shù)計(jì)算的PSO算法Step1：參數(shù)初始化設(shè)定微粒個(gè)數(shù)n=50;選取微粒的初始位置，代表的是第個(gè)微粒樣本，有：。其中，是比例系數(shù)，是積分系數(shù)。K的選取范圍為：，。而和的隨即產(chǎn)生需要運(yùn)用以下公式：(4.17)其中，rand(m,n)函數(shù)產(chǎn)生的范圍是的隨即矩陣。選取微粒的初始速度，與微粒初始位置K相對(duì)應(yīng)。V的選取范圍為：，。而和的隨即產(chǎn)生需要運(yùn)用以下公式：(4.18)局部最優(yōu)位置為：，全局最優(yōu)位置是。Step2：迭代方程(1)迭代參數(shù)選?。簩W(xué)習(xí)因子c1=c2=2；學(xué)習(xí)因子改變系數(shù)R1、R2產(chǎn)生采用rand(dim,n)；慣性權(quán)重系數(shù)，其中，為尋優(yōu)次數(shù)，bird_setp是最大截止次數(shù)，選取bird_setp=50；即：當(dāng)時(shí)，；(2)迭代方程：速度方程為：(4.19)位置方程為：(4.20)Step3：最優(yōu)值選取把第一次迭代計(jì)算所得的、值賦給局部最優(yōu)值，即：;(4.21)以后每次迭代，優(yōu)于原來(lái)的，就用新的來(lái)代替。再?gòu)乃械闹羞x出最優(yōu)值代入中，即：;(4.22)每次迭代，都將更新一次。最優(yōu)值的選取可以通過(guò)判斷條件確定迭代結(jié)果是否符合條件，然后再通過(guò)取符合條件的約束值作為最優(yōu)值的解。Step4：判斷條件對(duì)于判斷條件，有兩個(gè)約束：、和(4.23)用來(lái)衡量P、I參數(shù)設(shè)置的合理性，結(jié)果是比較理想的。E越小，說(shuō)明越接近參考值，算法追蹤效果越好。對(duì)于K值的約束，本文可以在初始化的時(shí)候就用rand()函數(shù)對(duì)其進(jìn)行控制。高次諧波約束條件，其中：(4.24)是電流有效值，是基波電流有效值。通過(guò)以上判斷公式，引入THD的概念。諧波失真THD(TotalHarmonicDistortion)，是指輸出信號(hào)比輸入信號(hào)多出的諧波成分。諧波失真是系統(tǒng)不是完全線(xiàn)性造成的。所有附加諧波電平之和稱(chēng)為總諧波失真。其計(jì)算公式如下：(4.25)其中，G可以是電壓U的有效值，也可以是電流I的有效值。公式又可以近似為：(4.26)即：約束條件可以轉(zhuǎn)化為對(duì)的約束，即：(4.27)其中，本文取0.3。Step5：防意外發(fā)生的緊急停止條件通過(guò)迭代，可以算出最優(yōu)的PI參數(shù)和。但是萬(wàn)一程序陷在局部最優(yōu)解或者誤入死循環(huán)，就要緊急停止，這個(gè)條件可以為：(4.28)即：循環(huán)超過(guò)最大循環(huán)次數(shù)倍時(shí)，選擇中止程序運(yùn)行。本文中選取1即可。停止操作時(shí)，可以選取通過(guò)前幾次計(jì)算出來(lái)的值作為暫時(shí)的輸出，等待重新開(kāi)始計(jì)算。Step6：具體算法實(shí)現(xiàn)選擇粒子群大小(即樣本容量)為n=50；由于只需要計(jì)算PI參數(shù)，選擇維數(shù)為dim=2(如果要計(jì)算PID，則維數(shù)為3)；學(xué)習(xí)因子c1=1.2，c2=0.12，引入隨機(jī)數(shù)R1=rand(dim,n)和R2=rand(dim,n)做調(diào)整，隨機(jī)數(shù)是矩陣，可以分別給和對(duì)應(yīng)的n個(gè)(50個(gè))粒子都分別產(chǎn)生對(duì)應(yīng)的隨機(jī)數(shù)；最大迭代次數(shù)bird_setp=50;引入權(quán)重，初值為0.9，t為迭代次數(shù)；創(chuàng)建fitness(n,bird_setp)的的空矩陣，初始化為0，用于儲(chǔ)存一個(gè)粒子群中n個(gè)(50個(gè))粒子迭代bird_setp次(50次)，每次所得的最優(yōu)解。創(chuàng)建current_position=rand(dim,n)，隨機(jī)分配0~1中任意數(shù)的矩陣，可以分別儲(chǔ)存和對(duì)應(yīng)的n個(gè)(50個(gè))粒子在某一次迭代時(shí)產(chǎn)生的最優(yōu)解，再進(jìn)行范圍的限定current_position=10*(rand(dim,n)-0.5)，范圍在0~5之間；創(chuàng)建velocity=0.3*randn(dim,n)的矩陣，可以分別儲(chǔ)存和對(duì)應(yīng)的n個(gè)(50個(gè))粒子在下一次迭代時(shí)的速度。初始化的速度大小呈均值為1、標(biāo)準(zhǔn)差為0.3的正態(tài)分布。引入current_fitness，其初始化為current_fitness=zeros(n,2)，是大小為的矩陣，用于儲(chǔ)存一個(gè)粒子群中n個(gè)(50個(gè))粒子某一次迭代所得的解，current_fitness(:,1)用于儲(chǔ)存每次迭代的E值，current_fitness(:,2)用于儲(chǔ)存每次迭代的THD值。判斷最優(yōu)條件，E值最小，THD值滿(mǎn)足設(shè)定的閾值，即：min(current_fitness(:,1))，而且current_fitness(:,2)<T。本文T設(shè)為0.3。下面是迭代的過(guò)程：對(duì)粒子群中n個(gè)(50個(gè))粒子對(duì)應(yīng)的和代入系統(tǒng)中，運(yùn)行一遍，得到50個(gè)最優(yōu)解，儲(chǔ)存在current_fitness中；按照最優(yōu)條件，找出一個(gè)局部最優(yōu)解和對(duì)應(yīng)的位置，local_best_fitness和g中；通過(guò)g找到局部最優(yōu)解真正的位置local_best_position(:,g)，并存在全局最優(yōu)位置中g(shù)lobal_best_position，并認(rèn)為粒子群中n個(gè)(50個(gè))粒子對(duì)應(yīng)的全局最優(yōu)位置都是一樣的，即都是局部最優(yōu)位置；改變權(quán)重，產(chǎn)生下一次迭代的速度velocity；由下一次迭代速度得到下一次迭代時(shí)對(duì)應(yīng)的粒子群中每個(gè)粒子的位置；重復(fù)步驟1，直到迭代次數(shù)達(dá)到最大迭代次數(shù)bird_setp。4.5.2含有PSO的修正模型將PSO用在的PI參數(shù)上，其修正模型為：圖圖4.12應(yīng)用粒子群算法的參考電流Id產(chǎn)生模塊模型引入了兩個(gè)參數(shù)作為約束條件的輸入，即E和THD，將他們導(dǎo)入到workspace，這樣，運(yùn)行m文件的時(shí)候就可以讀取到對(duì)應(yīng)的E和THD值了。迭代的m文件如圖4.13和4.14所示。初始化如下圖4.13所示：圖圖4.13PSO算法初始化迭代函數(shù)的建立以及判斷條件的設(shè)置如下圖4.14所示：圖圖4.14PSO算法具體實(shí)現(xiàn)通過(guò)sim()函數(shù)可以調(diào)用并運(yùn)行模型，這樣就可以不斷測(cè)試并找到最佳的、參數(shù)。下圖是在m文件下建立自己的function，命名為tracklsq，主要是通過(guò)調(diào)用tracklsq函數(shù)來(lái)調(diào)用PV系統(tǒng)，得到E和THD的值，返回到m文件的主程序中，用于比較分析。調(diào)用光伏模型進(jìn)行模擬計(jì)算、值的函數(shù)為：圖圖4.15PSO算法通過(guò)function調(diào)用PV系統(tǒng)通過(guò)迭代，可以得到收斂的最優(yōu)解。將該m文件運(yùn)行一次后可以得到兩個(gè)收斂的最優(yōu)解：(4.29)注：最優(yōu)解并不唯一，會(huì)隨著環(huán)境的改變而有波動(dòng)。但每次運(yùn)行的結(jié)果大致相同。本模型有多處采用了PI參數(shù)，理論上都可以通過(guò)粒子群算法計(jì)算出最優(yōu)解。但是由于模型比較龐大，運(yùn)行一次m文件需要花費(fèi)十分長(zhǎng)的時(shí)間，因此不宜大量采用該算法。以此處的PI值為例，采用粒子群算法，以證明其可行性和優(yōu)越性。其他涉及到PI參數(shù)的地方，都是采用相關(guān)公式計(jì)算和粗略估計(jì)的方法得到。

第五章孤島檢測(cè)5.1一般檢測(cè)方法5.1.1被動(dòng)檢測(cè)法基于如今的技術(shù)特點(diǎn)，孤島現(xiàn)象的檢測(cè)方法可以分為三大類(lèi)：被動(dòng)檢測(cè)方法、主動(dòng)檢測(cè)方法和開(kāi)關(guān)狀態(tài)監(jiān)測(cè)方法(基于通訊的方法)。被動(dòng)式方法的原理是，當(dāng)電網(wǎng)斷電時(shí)，逆變器輸出端電壓、頻率、相位或諧波均發(fā)生變化，通過(guò)利用這個(gè)變化就可以進(jìn)行孤島效應(yīng)的檢測(cè)。但是這種檢測(cè)方案會(huì)存在較大的非檢測(cè)區(qū)域(Non-DetectionZone,NDZ)。其產(chǎn)生的原因是PV微網(wǎng)的輸出功率與局部負(fù)載的功率出現(xiàn)了平衡。最為簡(jiǎn)單的被動(dòng)檢測(cè)法是：過(guò)/欠電壓和高/低頻率檢測(cè)法。該檢測(cè)方法是通過(guò)檢測(cè)公共點(diǎn)的電壓幅值和頻率是否超過(guò)額定范圍，來(lái)判斷孤島現(xiàn)象的發(fā)生。一般對(duì)電網(wǎng)，電壓和頻率的工作范圍分別為、。但是當(dāng)逆變器所帶的本地負(fù)荷與其輸出功率接近于匹配時(shí)，電壓和頻率的偏移將非常小，甚至為0，因此該方法存在非檢測(cè)區(qū)。其他常用的被動(dòng)檢測(cè)方法還有：1)電壓諧波檢測(cè)法(HarmonicHetection)；2)電壓相位突變檢測(cè)法(PhaseJumpDetection,PJD)。5.1.2主動(dòng)檢測(cè)法為了改善被動(dòng)檢測(cè)法帶來(lái)的“盲區(qū)”，本文提出主動(dòng)檢測(cè)法。主動(dòng)式孤島檢測(cè)方法是通過(guò)控制逆變器，給其輸出功率、頻率或相位帶來(lái)一定范圍內(nèi)的輕微擾動(dòng)。當(dāng)電網(wǎng)處于正常工作狀態(tài)，由于電網(wǎng)的平衡作用，擾動(dòng)是檢測(cè)不出來(lái)的。但是PV微網(wǎng)出現(xiàn)孤島現(xiàn)象時(shí)，逆變器輸出的擾動(dòng)將快速累積并超出預(yù)定的電網(wǎng)波動(dòng)允許范圍，從而觸發(fā)孤島效應(yīng)檢測(cè)電路。該方法的有點(diǎn)是：檢測(cè)精度高，非檢測(cè)區(qū)小。但是缺點(diǎn)也是很明顯的，控制較復(fù)雜，且降低了逆變器輸出電能的質(zhì)量。最常用的主動(dòng)檢測(cè)法是頻率偏移檢測(cè)法(ActiveFrequencyDrift,AFD)。主動(dòng)式頻移方案主要是通過(guò)鎖相環(huán)確定公共點(diǎn)電壓的頻率和相位，調(diào)整逆變器輸出電流的給定頻率，使其輸出頻率略微失真，以形成一個(gè)連續(xù)改變頻率的趨勢(shì)，最終導(dǎo)致輸出電壓和電流超過(guò)頻率保護(hù)的界限值，從而判斷出孤島效應(yīng)。其他的主動(dòng)檢測(cè)法還有：1)滑模頻漂檢測(cè)法(Slip-ModeFrequencyShift,SMS)；2)周期電流干擾檢測(cè)法(AlternateCurrentDisturbances,ACD)；頻率突變檢測(cè)法(FrequencyJump,FJ)。5.2帶正反饋的主動(dòng)移頻式5.2.1帶正反饋的主動(dòng)移頻式算法的原理帶線(xiàn)性正反饋的主動(dòng)移頻式(ActiveFrequencyDriftwithPositiveFeedback,AFDPF)。電網(wǎng)正常時(shí)，微網(wǎng)與電網(wǎng)的公共點(diǎn)的電壓受到電網(wǎng)電壓的鉗制而保持不變。一旦發(fā)生孤島現(xiàn)象，公共點(diǎn)電壓將改由由本地負(fù)載相位特征曲線(xiàn)決定。同時(shí)，公共點(diǎn)電壓的頻率由于受到電流頻率的影響，而逐漸偏離原值，最終超過(guò)電網(wǎng)允許波動(dòng)的范圍，從而判斷出孤島效應(yīng)。在這里要提出幾個(gè)概念：(1)電流過(guò)零點(diǎn)超前(或滯后)電壓過(guò)零點(diǎn)的時(shí)間間隔：當(dāng)逆變器輸出電流變?yōu)?時(shí)，將保持一段時(shí)間，直至下半個(gè)周期開(kāi)始。這段時(shí)間就是。(2)移頻法的截?cái)嘞禂?shù)為與電壓周期T一半的比值：(5.1)在A(yíng)FDPF算法下，也可以表示為：(5.2)其中，為無(wú)頻率誤差下的截?cái)嘞禂?shù)，即初始截?cái)嘞禂?shù)，這個(gè)值一般很小，在計(jì)算時(shí)可以忽略。為反饋增益，一般取。與分別是公共點(diǎn)電壓實(shí)測(cè)頻率與電網(wǎng)額定頻率。(3)則逆變器輸出電流可以表示為：(5.3)(4)其中可以表示為：(5.4)5.2.2AFDPF算法實(shí)現(xiàn)流程圖根據(jù)AFDPF的原理，結(jié)合過(guò)/欠電壓和高/低頻率檢測(cè)法和主動(dòng)移頻式AFD，可以得到流程圖如下所示：圖圖5.1AFDPF算法流程圖5.2檢測(cè)仿真本文采用AFDPF，并認(rèn)為當(dāng)檢測(cè)到微電源脫網(wǎng)工作時(shí)，采取緊急切換工作模式，由原來(lái)的MPPT算法切換為Droop算法。仿真模型的外形如下圖5.1所示：圖圖5.2孤島檢測(cè)外形設(shè)計(jì)孤島檢測(cè)算法內(nèi)部結(jié)構(gòu)如下圖5.2所示：圖圖5.3孤島檢測(cè)模塊其中，通過(guò)合成干擾電流，并通過(guò)三相電流相差的原則，合成三相的干擾電流，引出模塊，輸入到命名為MPPT_Control的模塊，最后輸出到逆變器的門(mén)控信號(hào)中。當(dāng)檢測(cè)出孤島效應(yīng)之后，干擾電流輸出為0，即不再產(chǎn)生干擾，孤島檢測(cè)不再動(dòng)作，此時(shí)將轉(zhuǎn)入孤島運(yùn)行模式，切換為下垂控制方法。實(shí)現(xiàn)檢測(cè)算法的s-function以及檢測(cè)輸出波形如下圖所示：(1)初始化圖圖5.4AFDPF算法初始化(2)算法的具體實(shí)現(xiàn)方法：圖圖5.5AFDPF算法實(shí)現(xiàn)(3)孤島標(biāo)志變化：圖圖5.60or1示波器輸出通過(guò)圖5.2模塊里的0or1示波器輸出的波形觀(guān)察可知，當(dāng)脫網(wǎng)時(shí)間設(shè)為0.5s時(shí)，由上圖可見(jiàn)，孤島標(biāo)志在快接近0.6s時(shí)發(fā)生跳變。即AFDPF算法的檢測(cè)的時(shí)間可以達(dá)到在0.1s以?xún)?nèi)。這種算法的弊端就是降低了逆變器輸出的電能質(zhì)量。

第六章孤島運(yùn)行控制6.1下垂控制原理6.1.1原理解釋PV電源在脫網(wǎng)運(yùn)行時(shí)，為了能繼續(xù)輸出功率，一般運(yùn)用下垂控制原理，即Droop原理，對(duì)逆變電路進(jìn)行控制。其原理是：逆變電源通過(guò)檢測(cè)輸出功率，對(duì)有功功率P和無(wú)功功率Q進(jìn)行解耦控制，由于輸出具有下垂特性，可以利用該特性算出輸出功率和電壓的參考值，從而對(duì)有功、無(wú)功功率進(jìn)行調(diào)配，合理分配。下垂控制方法的表達(dá)式為：(6.1)其中，m為有功P-頻率f下垂特性系數(shù)，n為無(wú)功Q-電壓U下垂特性系數(shù)，為電網(wǎng)額定頻率50Hz，為PV在額定頻率下輸出的有功功率，為PV輸出無(wú)功功率為0時(shí)的電壓幅值，P、Q是變量，也就是逆變電路輸出有功和無(wú)功功率實(shí)測(cè)值。下垂曲線(xiàn)如圖所示：圖圖6.1f-P、U-Q的關(guān)系其中，有功下垂特性系數(shù)m和無(wú)功下垂特性系數(shù)n可以由以下公式求得：(6.2)其中，為PV電池在頻率下降最大時(shí)允許輸出的最大有功功率；為PV電池在輸出最大有功功率時(shí)的最小頻率，為PV在電壓幅值下降最大時(shí)允許輸出的最大無(wú)功功率，為PV輸出無(wú)功功率最大時(shí)的最小電壓幅值?？紤]到電力系統(tǒng)對(duì)電能質(zhì)量的要求，在運(yùn)行下垂控制時(shí)，需保證頻率的變化和電壓的變化滿(mǎn)足：，。6.2.2控制結(jié)構(gòu)框圖控制原理圖如下圖所示：圖圖6.2下垂控制原理框圖由原理圖可知，在Droop控制法下，PV電池首先采集到經(jīng)逆變器后流經(jīng)LC濾波電路中電容C的電流和經(jīng)過(guò)濾波后的輸出電壓，經(jīng)過(guò)abc/dq0變換后，作為電流內(nèi)環(huán)控制的輸入信號(hào)。再采集經(jīng)過(guò)濾波器輸出的電壓和電流，經(jīng)過(guò)abc/dq0變換后，進(jìn)行功率計(jì)算，得到P、Q值，作為下垂控制的輸入信號(hào)。下垂控制還需要實(shí)時(shí)的濾波器輸出電壓，電網(wǎng)額定電壓和PV額定輸出功率。最終合成f和U，進(jìn)行參考電壓的合成。此時(shí)合成的參考電壓是在abc坐標(biāo)軸上的電壓值，需經(jīng)過(guò)dq0/abc的變換，得到和，經(jīng)過(guò)電壓外環(huán)控制，與電流內(nèi)環(huán)控制相結(jié)合，產(chǎn)生調(diào)制信號(hào)，經(jīng)SVPWM輸入到逆變器，控制開(kāi)關(guān)元件。則設(shè)計(jì)電壓電流雙環(huán)控制器如下圖所示：圖圖6.3下垂控制框圖其中，是負(fù)載電壓參考值，是流經(jīng)濾波電容的電流參考值。外環(huán)電壓環(huán)可以穩(wěn)定負(fù)載電壓，提高電壓穩(wěn)態(tài)精度；內(nèi)環(huán)電流環(huán)可以提高動(dòng)態(tài)響應(yīng)速度。由上圖可知，濾波電容電壓滿(mǎn)足：(6.3)濾波電阻很小，可以忽略。即濾波電感滿(mǎn)足：(6.4)其中，為可控正弦信號(hào)，滿(mǎn)足：(6.5)由圖6.3可知，電流內(nèi)環(huán)比例系數(shù)K會(huì)影響系統(tǒng)的動(dòng)態(tài)響應(yīng)，即：當(dāng)K值增大時(shí)，系統(tǒng)響應(yīng)速度逐漸加快，但是K值過(guò)大時(shí)，系統(tǒng)又不穩(wěn)定了。對(duì)于電壓外環(huán)比例系數(shù)，當(dāng)大于1時(shí)，輸出等效阻抗呈感性，且越大，感性阻抗頻帶越寬。但為了抑制高次諧波，也不能取太大的值。綜上所述，可以選取。6.2.3仿真模型(1)有功和無(wú)功的計(jì)算：與并網(wǎng)模型一樣，對(duì)于有功和無(wú)功的計(jì)算都滿(mǎn)足(6.6)可以得到仿真模型如下圖所示：圖圖6.4PQ功率的計(jì)算模塊Simulink有自帶的計(jì)算PQ功率的模塊，只要調(diào)用就可以了。PQ輸出后經(jīng)過(guò)低通濾波器求得平均功率。(2)求瞬時(shí)f和u由公式(6.1)可以求出瞬時(shí)f和U：模型搭建圖為：圖圖6.5f和u的計(jì)算模塊(3)求參考電壓和已知和可以通過(guò)求得的、和經(jīng)過(guò)abc/dq0變換得到。而、和的計(jì)算公式如下：(6.7)其中，。則計(jì)算的仿真模型如下：圖圖6.6角頻率和角度的計(jì)算模塊得到和后，作為合成、和的角度條件，通過(guò)加減之差，得到三相的，在經(jīng)過(guò)sin函數(shù)，即可以得到求、和的仿真模型：圖圖6.7合成三相參考電壓模塊則綜合以上幾個(gè)模塊，可以得到求和的模型如下圖所示：圖圖6.8合成參考電壓Ud、Uq模塊(4)電壓電流雙環(huán)控制模型同并網(wǎng)模型一樣，電壓電流雙環(huán)控制滿(mǎn)足以下方程：(6.8)通過(guò)觀(guān)察，可以將d軸和q軸兩式合并起來(lái)：(6.9)其中，d軸n=1，q軸n=0，且必須要注意的是，含有n的這一項(xiàng)，和是互換的，在搭建模型的時(shí)候一定要將該向量反過(guò)來(lái)。這樣做的好處就是，讓整個(gè)模型看起來(lái)更加清晰舒爽，把d軸和q軸當(dāng)做一個(gè)整體統(tǒng)一起來(lái)處理，體現(xiàn)出matlab這個(gè)軟件對(duì)于信號(hào)處理矩陣化的思想。結(jié)合控制框圖，可以知道，產(chǎn)生信號(hào)需要電壓環(huán)和電流環(huán)的配合，電壓環(huán)增加了前饋環(huán)節(jié)以減小誤差。系統(tǒng)開(kāi)環(huán)部分的輸出需要反饋到，在這里可以通過(guò)直接對(duì)系統(tǒng)模型采樣得到。對(duì)于參數(shù)、和的選取，采取的方法是通過(guò)公式計(jì)算預(yù)估范圍再調(diào)試得到一個(gè)較合理的值。產(chǎn)生信號(hào)的模型如下圖所示：圖圖6.9調(diào)制信號(hào)產(chǎn)生模塊(5)逆變電路信號(hào)產(chǎn)生信號(hào)產(chǎn)生后，通過(guò)SVPWM就可以產(chǎn)生逆變電路所需要的門(mén)控信號(hào)。由于SVPWM的輸入模塊是在坐標(biāo)軸上建立的，需要先進(jìn)行變換。其模型如下圖所示：圖圖6.10門(mén)控信號(hào)產(chǎn)生模塊6.3基于SOGI的下垂控制策略虛擬阻抗方法，可以靈活運(yùn)用在微網(wǎng)的下垂控制策略。因此提出二階廣義積分(SecondOrderGeneralizedIntegrator，SOGI)模型，實(shí)現(xiàn)對(duì)跟蹤信號(hào)的快速跟蹤。這種方法可以避免簡(jiǎn)單下垂控制所帶來(lái)的兩個(gè)弊端：一是，當(dāng)線(xiàn)路呈純阻性時(shí)，有功功率P和無(wú)功功率Q無(wú)法耦合，嚴(yán)重影響下垂控制的性能；二是，當(dāng)線(xiàn)路阻抗和PV微網(wǎng)的阻抗不匹配時(shí)，無(wú)功功率Q的分配將出現(xiàn)嚴(yán)重不協(xié)調(diào)。6.3.1SOGI虛擬阻抗法的原理本文在電壓電流雙環(huán)控制的外面，引入逆變器輸出電流反饋，從而添加一個(gè)虛擬阻抗控制環(huán)，目的是為了增加線(xiàn)路的虛擬電感值，改善輸出線(xiàn)路的阻抗特性。其實(shí)現(xiàn)方式為：在PV微網(wǎng)的輸出端，采集輸出電流，乘以一個(gè)增益K，得到輸出電壓的參考值，形成一個(gè)新的反饋回路。這個(gè)增益K就是虛擬阻抗值。下垂控制得到的電壓參考值減去，得到新的電壓參考值，取代原來(lái)的，參與下續(xù)運(yùn)算。即：(6.10)下圖是引入虛擬阻抗控制環(huán)后的下垂控制框圖：圖圖6.11引入虛擬阻抗的下垂控制結(jié)構(gòu)框圖6.3.2SOGI模型本文中，SOGI模型是一個(gè)基于頻率可調(diào)的諧振器。其結(jié)構(gòu)是通過(guò)兩個(gè)級(jí)聯(lián)的積分器構(gòu)成一個(gè)完整的環(huán)路。其結(jié)構(gòu)框圖如下所示：圖圖6.12SOGI模型由上圖可得SOGI的閉環(huán)傳遞函數(shù)為：(6.11)當(dāng)時(shí)，選取k=0.1和k=1，作和的波特圖如下圖所示：圖圖6.13He和Hf波特圖k=0.1、k=1圖圖6.14He和Hf波特圖k=0.1、k=0.35由上圖可知，等效于一個(gè)帶通濾波器，帶寬由k決定，k值越小帶寬的選擇性越好；等效于一個(gè)低通濾波器，響應(yīng)速度由k值決定，k值越大瞬態(tài)響應(yīng)速度越快。因此，折中考慮，k選擇0.35。選取k=0.1和k=0.35時(shí)，和的波特圖如下圖所示：6.3.3虛擬阻抗的公式推導(dǎo)為了計(jì)算虛擬阻抗，不妨假設(shè)是輸入電流信號(hào)基波分量I，幅值為A則：(6.12)當(dāng)虛擬阻抗為純電感時(shí)，(6.13)由以上幾個(gè)式子可以得到：(6.14)當(dāng)虛擬阻抗為純電阻時(shí)，(6.15)其中，為虛擬電感值，為虛擬電阻值。通過(guò)以上計(jì)算公式，可以得到虛擬阻抗的結(jié)構(gòu)框圖：圖圖6.15虛擬阻抗產(chǎn)生的結(jié)構(gòu)框圖6.3.4虛擬阻抗對(duì)系統(tǒng)輸出特性的影響SOGI模型的主要作用是抑制輸出電流的噪聲，使得合成的參考電壓諧波較小，減小噪聲的影響。通過(guò)系統(tǒng)的結(jié)構(gòu)框圖，可以得到該下垂控制器閉環(huán)系統(tǒng)輸出電壓的傳遞函數(shù)：