趙洋

（沈陽化工大學，遼寧 沈陽 110142）

光伏并網發(fā)電模型主要對含有光伏電源的整體系統(tǒng)進行仿真實驗，是研究的前提基礎。建立較為精確的模型系統(tǒng)參數、準確及合理的模型系統(tǒng)結構，可有效表述光伏發(fā)電系統(tǒng)的動態(tài)性能。光伏并網發(fā)電系統(tǒng)建立模型時主要采取有機理建模方法和非機理建模方法。根據供應商所提供的參數對光伏發(fā)電電池參數進行設置，可以使用這些參數直接建立模型。對于光伏發(fā)電電站和光伏發(fā)電單元來說，其暫態(tài)特性主要由逆變器的整體性能決定?？刂破鳌C/AC變流器是并網光伏發(fā)電單元當中十分重要的部件，對于準確獲得參數、合理建立變流器及控制器模型都十分重要，也是十分關鍵的技術，這也是本文的研究重點。

1 光伏并網發(fā)電技術研究現狀

太陽能因其資源豐富被大規(guī)模應用于光伏發(fā)電，光伏發(fā)電是新能源發(fā)電技術的主流能源利用形式，也是現在的發(fā)展趨勢。太陽能發(fā)電較風電具有不受資源地域分布限制、無旋轉部件、成本較低、維護簡單的優(yōu)勢，因此越來越受到人們的關注。各個國家大力發(fā)展新能源產業(yè)，各個領域的學者采用各種高科技手段，將最新信息技術、新型研發(fā)材料結合運用到新能源技術產業(yè)，使其逐漸成熟并被廣泛應用。能源是社會經濟發(fā)展的基礎，在當今社會高速發(fā)展的大場景下，必須解決能源問題，確保生態(tài)環(huán)境不被破壞?？稍偕茉吹拈_發(fā)和有效利用備受人們關注，尤其對于中國這樣的能源消費大國，未來此方面的需求必將需大于供，因此需謹慎規(guī)劃利用傳統(tǒng)能源，并大力開發(fā)和利用新能源[1-3]。太陽能熱發(fā)電是清潔、低碳、穩(wěn)定、安全、高效的靈活電源，對中國實現“碳中和、碳達峰”戰(zhàn)略目標、推動能源革命具有重大意義，國家應確立持續(xù)支持太陽能熱發(fā)電原創(chuàng)性及核心技術的政策[4]。近年來，政府相關部門對可再生能源法的貫徹實施給予了很大關注，宣傳貫徹可再生能源發(fā)展相關法規(guī)，大力支持相關的政策體系進一步完善，為引導可再生能源發(fā)展和結構優(yōu)化發(fā)揮了至關重要的作用[5]。由于太陽能大量分布、可再生且屬于清潔能源，受到了很多研究學者的關注，被不斷利用和開發(fā)，其相應的光伏發(fā)電系統(tǒng)也就變得越來越多[6]。

2 太陽能光伏發(fā)電原理

光伏電池（Photovoltaic cell）是光伏發(fā)電系統(tǒng)的重要組成部分，是一種能量轉換裝置，通過光生伏特效應將太陽光轉換成電能。光伏發(fā)電的特性和外界環(huán)境息息相關，比如溫度、光照幅度、氣候變化等因素。在單晶硅中可人為加入一些導體元素，利用相應的特性使這些材料當中的電荷出現持續(xù)的不平衡性，將其與普通的半導體材料區(qū)分開來[7]。光伏發(fā)電技術最典型的應用是太陽能光伏發(fā)電系統(tǒng)，其主要由蓄電池組、交直流逆變器、光伏系統(tǒng)電池控制器、光伏電池組、以及電纜這些部件構成，每個部件都有相應的功能特性[8]。圖1為光伏電池的等效電路。Iph為光伏電池恒定電流源，Id為二極管正向電流，Rsh為光伏電池內部等效旁路電阻，Ish為旁路電流，Uo為光伏電池的輸出電壓，Rs為光伏電池內部損耗的替代電阻。

圖1 光伏電池的等效電路圖

3 光伏發(fā)電系統(tǒng)最大功率點跟蹤

一旦太陽能電池表面的溫度發(fā)生改變，或者光照強度發(fā)生變化，其輸出功能也會發(fā)生相應的變化[9-10]。對于這種變化，要確保太陽能電池的工作點總是跟蹤到最大功率點而隨即發(fā)生變化，把控制太陽能電池產生最大功率的這種控制稱為最大功率跟蹤控制。

為了提高光伏電站的發(fā)電效率，基于MPPT的光伏發(fā)電組件跟蹤技術正成為研究熱點，根據對日跟蹤方式不同，這些跟蹤技術按照算法可以分為[11]：①恒定電壓法。優(yōu)點是操作容易、穩(wěn)定性高、易于實現；缺點是忽略溫度變化對光伏電池輸出的影響、控制精度較低、系統(tǒng)能量轉換效率低、能量損失較大。②擾動觀測法。優(yōu)點是工作原理直白、容易實現、系統(tǒng)運行穩(wěn)定；缺點是擾動電壓影響系統(tǒng)在最大功率點的運行狀態(tài)，效率較低。③電導增量法。優(yōu)點是最大功率追蹤點誤判較低、系統(tǒng)響應速度快；缺點是算法復雜，存在大量微分運算，對系統(tǒng)運算器需求較高。④模糊控制法。優(yōu)點是系統(tǒng)響應速度快、抗干擾能力強；缺點是模糊控制系統(tǒng)的穩(wěn)定性受實際參數的變化而變化，存在不穩(wěn)定性，需待科研學者們進一步解決。

在這些控制算法中，恒定電壓法、擾動觀察法、電導增量法和智能MPPT方法（模糊邏輯控制法和粒子群智能優(yōu)化算法）是業(yè)界各科研人士研究的重點，通過連續(xù)不斷控制，保證工作點在太陽能電池的最大功率點上。而本次就是利用PSO算法最大功率點跟蹤控制算法來解決最大功率點跟蹤問題。

4 光伏發(fā)電單元模型的建立

4.1 光伏陣列的數學模型

光伏電站需進行大規(guī)模的模型建立，看中的不僅僅是實用程度，還有整體的數據精確程度。需最大程度簡化光伏電池的模型，主要是因為在工程中強調的是數學模型的計算過程。根據供應商所提供的參數，可對其中的特性進行很好表述。觀察常規(guī)光伏電池模型的特性曲線，外界環(huán)境的溫度不發(fā)生變化，光照強度也不發(fā)生變化，就可以將其視作直流電壓源，具有固定數值的最大功率點。但是，溫度和光照強度發(fā)生變化時，最大功率點也會相應發(fā)生變化。

4.2 DC/AC逆變器及其控制器的模型

圖2為三相電壓源型逆變器的結構。圖2中：p1～p6為6個絕緣柵雙極型晶體管；Udc為光伏陣列最大功率輸出電壓；ifa、ifb、ifc為逆變器輸出相電流；isa、isb、isc為并網側相電流；ua、ub、uc為逆變器的輸出相電位；usa、usb、usc為濾波器的輸出相電位；eA、eB、eC為電網電壓；Rf、Lf為并網側LC濾波器的電阻、電感；Rs、Ls為線路電阻和電感；為上（下）橋臂開關控制信號；n為假想的中性點；N為公共中性點[12]。

圖2 三相電壓源型逆變器的結構

5 基于PSO算法的模型參數辨識

粒子群算法是一種新興的進化算法，本文采用這種算法進行模型的參數辨識和參數優(yōu)化。提出目標函數為：

式（1）中：F為適應度函數；M為長度；e（k）為誤差。

對于內環(huán)控制器，其適應度函數為：

式（2）中：idq為測量的逆變器側輸出電流的dq軸基波分量；idq＿cal為辨識后逆變器輸出側電流的dq軸分量的計算值。

對于外環(huán)控制器，其適應度函數為：

具體辨識的步驟如下：①辨識d軸電流內環(huán)參數。電流內環(huán)控制器的模型如圖3所示。對變量id_ref施加階躍擾動，運用PSO算法辨識d軸電流內環(huán)的控制參數（KP1，KI1）以及等效阻抗參數（R，L）。②辨識d軸電流內環(huán)當中等效模型的整體參數。等效內環(huán)控制模型成一階慣性環(huán)節(jié)式，根據這一簡化模型結合步驟①當中的數據，辨識出內環(huán)等效模型時間參數Teq以及增益Keq。③對直流電壓外環(huán)的整體參數進行辨識。施加階躍擾動在變量Udc當中，并對相應的測量值進行記錄。步驟②已經得到了d軸電流內環(huán)等效模型，現將電壓外環(huán)作用其中，并結合外環(huán)控制器模型[13-14]，辨識出網絡結構等效參數（C）以及外環(huán)模型器的參數（KI3、KP3）。等效的直流電壓外環(huán)控制器的模型如圖4所示。

圖3 電流內環(huán)控制器的模型

圖4 等效的直流電壓外環(huán)控制器的模型

通常情況下，確定搜索區(qū)間的解決方法有2種，分別是：通過確定參數典型值，進行縮小或者放大，從而得到辨識出來的搜索區(qū)間；根據實際參數，通過查找篩選得到最小值、最大值，從而把找到的2個極值對應設置為搜索區(qū)間的兩邊極值。

6 仿真分析和驗證

為了得到相應的數據去驗證算法的可行性，在Matlab這一仿真平臺當中建立相應的模型，采用PWM控制方式對三相兩電平的電壓源逆變器進行控制。另外，開關頻率Fpwm值為5 kHz，采樣頻率fs值為5×105Hz。逆變器控制參數的真實值如表1所示[15]。

表1 逆變器控制參數的真實值

內環(huán)控制模型參數的辨識結果如表2所示。等效內環(huán)控制模型參數辨識結果如表3所示。外環(huán)直流電壓模型參數的辨識結果如表4所示。迭代的次數都是100次。仿真后會發(fā)現，為驗證參數辨識方法的有效性、模型的準確性，將辨識之后的參數代入本文所提出的模型當中，對相應的輸出量進行擬合[16]。

表2 內環(huán)控制模型參數辨識結果

表3 等效內環(huán)控制模型參數辨識結果

表4 外環(huán)直流電壓模型參數辨識結果

從最后的實驗仿真數據可看出，無論是內環(huán)還是外環(huán)的整體輸出，其動態(tài)響應與相應的模型輸出得到的曲線基本趨于一致?？梢钥闯觯娏鲀拳h(huán)和直流電壓外環(huán)在模型的結構設計整體是合理的，其參數辨識的相關方法也是極為有效的。

7 結論

建立了線路、濾波器、控制器、逆變器、光伏陣列等諸多環(huán)節(jié)的模型，在建立控制器的模型時，需選擇性忽略前饋的影響及耦合的影響。與此同時，還需建立電壓外環(huán)和電流內環(huán)的整體控制模型，并結合優(yōu)化算法，即粒子群算法這一智能算法，對這一模型當中未知的參數進行分布辨識。在建立模型的過程中，需研究和考慮光伏逆變器、濾波電感的整體濾波環(huán)節(jié)及耦合所產生的影響，需忽略前饋的解耦環(huán)節(jié)。在對模型的參數進行分布辨識的過程中，需對模型進行整體驗證，看模型是否是準確的。需將模型的整體輸出響應與內環(huán)的輸出響應、外環(huán)的輸出響應相對比，進而通過最后的仿真輸出，得到這一輸出響應的動態(tài)響應過程，基本上都是一致的。