面向變電站綜合控制的分布式光伏發(fā)電并網(wǎng)策略研究

摘" 要： 傳統(tǒng)比例積分控制策略的控制效果不佳、精度較低，因此以分布式光伏發(fā)電為基礎(chǔ)的變電站在光伏強(qiáng)度突變、環(huán)境溫度波動(dòng)等現(xiàn)象的影響下，會(huì)出現(xiàn)系統(tǒng)并網(wǎng)電流諧波畸變率高、系統(tǒng)并網(wǎng)成功率低、負(fù)荷預(yù)測(cè)以及調(diào)度準(zhǔn)確率差等缺陷。針對(duì)上述問題，設(shè)計(jì)一種自適應(yīng)滑模控制策略。通過引入滑模觀測(cè)器代替?zhèn)鹘y(tǒng)的比例積分控制，提升控制器對(duì)外界擾動(dòng)的抵抗能力，從而提高系統(tǒng)的抗擾性。同時(shí)采用長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)算法輔助滑模觀測(cè)器進(jìn)行并網(wǎng)控制，形成自適應(yīng)滑模控制策略，對(duì)發(fā)電側(cè)和用戶側(cè)的數(shù)據(jù)進(jìn)行采集與預(yù)測(cè)。以分布式光伏變電站的數(shù)字仿真模型為基礎(chǔ)，與比例積分、傳統(tǒng)滑?？刂七M(jìn)行同工況對(duì)比實(shí)驗(yàn)，結(jié)果表明，系統(tǒng)的并網(wǎng)成功率可達(dá)95.62%，負(fù)荷預(yù)測(cè)與調(diào)度準(zhǔn)確率均提升至95%以上。

關(guān)鍵詞： 分布式光伏系統(tǒng)； 變電站； 滑模觀測(cè)器； 長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)； 并網(wǎng)成功率； 負(fù)荷預(yù)測(cè)

中圖分類號(hào)： TN322.8+?34； TM615" " " " " " " " " "文獻(xiàn)標(biāo)識(shí)碼： A" " " " " " " " " 文章編號(hào)： 1004?373X（2024）22?0113?06

Research on distributed photovoltaic power generation grid connection strategy

for substation integrated control

Abstract： The traditional proportional integral control strategy has poor control effectiveness and low control accuracy. Therefore， substations based on distributed photovoltaic power generation may suffer from high harmonic distortion rate of system grid connected current， low success rate of system grid connection， and poor accuracy of load forecasting and scheduling under the influence of sudden changes in photovoltaic intensity and environmental temperature fluctuations. On this basis， an adaptive sliding mode control strategy is designed. By introducing a sliding mode observer instead of traditional proportional integral control， the controller's resistance to external disturbances is improved， thereby enhancing the system's anti?interference ability. A long short?term neural network algorithm is used to assist the sliding mode observer in grid connection control， forming an adaptive sliding mode control strategy to collect and predict data on the power generation and user sides. Based on the digital simulation model of distributed photovoltaic substations， the comparative experiments with proportional integral and traditional sliding mode control under the same operating conditions are conducted， and the results show that the success rate of the system grid connection can reach 95.62%， and the accuracy of load prediction and scheduling can be improved to over 95%.

Keywords： distributed photovoltaic system; substation; sliding mode observer; long short?term neural network; grid connection success rate; load forecasting

0" 引" 言

隨著能源需求的不斷增長(zhǎng)和對(duì)可再生能源的重視，光伏發(fā)電作為一種清潔、可再生的能源形式，得到了廣泛的關(guān)注與應(yīng)用[1?2]。然而，光伏發(fā)電存在間歇性、波動(dòng)性以及光伏系統(tǒng)傳統(tǒng)比例積分控制策略控制效果差的不足，以分布式光伏系統(tǒng)為基礎(chǔ)的變電站在光照強(qiáng)度改變與溫度波動(dòng)等問題的影響下，會(huì)出現(xiàn)分布式光伏系統(tǒng)并網(wǎng)電流諧波畸變率高、并網(wǎng)成功率低等問題，還會(huì)影響整個(gè)系統(tǒng)的負(fù)荷預(yù)測(cè)與調(diào)度準(zhǔn)確率[3]。

針對(duì)傳統(tǒng)比例積分控制策略在抗擾性等方面的不足，文獻(xiàn)[4]提出了一種自適應(yīng)比例復(fù)數(shù)積分控制策略，在比例積分的基礎(chǔ)上引入鎖頻環(huán)，對(duì)比例積分控制器輸出部分的數(shù)據(jù)進(jìn)行統(tǒng)一運(yùn)算，提高了控制精度，但其抗擾性仍存在不足。文獻(xiàn)[5]提出了以并網(wǎng)電流為控制變量的模型預(yù)測(cè)控制方法，但該方法對(duì)系統(tǒng)建模要求較高。分布式光伏系統(tǒng)屬于非線性復(fù)雜系統(tǒng)，無法理想建模，因此模型預(yù)測(cè)算法的實(shí)用性較低。文獻(xiàn)[6]提出了一種基于觀測(cè)器的改進(jìn)自抗擾控制方法，提升了系統(tǒng)的抗擾性，增加了并網(wǎng)成功率，但并未提升負(fù)荷預(yù)測(cè)與調(diào)度的準(zhǔn)確率。

基于上述研究中存在的問題，本文提出了一種融合滑模觀測(cè)器與長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的自適應(yīng)滑?？刂撇呗?。首先利用滑?？刂频膹?qiáng)抗擾性改善并網(wǎng)電流的波形，從而提升分布式光伏系統(tǒng)并網(wǎng)的成功率；其次融合長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)，對(duì)發(fā)電側(cè)和負(fù)荷側(cè)的數(shù)據(jù)進(jìn)行處理，提升負(fù)荷預(yù)測(cè)和系統(tǒng)調(diào)度的準(zhǔn)確率；最后，利用Matlab/Simulink數(shù)字仿真實(shí)驗(yàn)平臺(tái)搭建分布式光伏變電站的數(shù)字仿真模型，并設(shè)計(jì)了多種工況對(duì)所提控制策略、傳統(tǒng)控制策略進(jìn)行對(duì)比，驗(yàn)證所提控制策略的正確性和優(yōu)異性。

1" 自適應(yīng)滑?？刂撇呗栽O(shè)計(jì)

分布式光伏變電站雖然利用清潔能源改善了環(huán)境污染以及能源短缺等問題，但系統(tǒng)在光照強(qiáng)度改變、溫度波動(dòng)等現(xiàn)象的影響下，其并網(wǎng)電流波形會(huì)發(fā)生畸變，導(dǎo)致諧波畸變率提升、并網(wǎng)成功率下降[7?9]。因此，為提升并網(wǎng)成功率，需要設(shè)計(jì)合適的控制策略對(duì)分布式光伏變電站進(jìn)行控制。分布式光伏變電站的整體結(jié)構(gòu)如圖1所示。

由圖1可知，分布式光伏變電站由發(fā)電、變電以及用電三部分組成。并網(wǎng)電流通過變電部分向用電部分傳輸，因此對(duì)變電部分的控制效果會(huì)直接影響并網(wǎng)電流的諧波畸變率，從而影響并網(wǎng)的成功率。為提升并網(wǎng)成功率，需要對(duì)變電部分進(jìn)行控制策略設(shè)計(jì)。變電部分由DC?DC變換器和DC?AC變換器組成[10?11]，而與電網(wǎng)直接相連的是DC?AC變換器，因此需要對(duì)該變換器進(jìn)行合理的設(shè)計(jì)。

DC?AC變換器架構(gòu)如圖2所示。其中：udc為直流母線電壓；S1～S6為開關(guān)管；L為濾波電感；C為濾波電容；O為中性點(diǎn)；ua、ub、uc為DC?AC變換器輸出電壓。

根據(jù)圖2可得DC?AC變換器的數(shù)學(xué)模型為：

式中：[in]為DC?AC變換器輸出電流值；[ugn]為公共電網(wǎng)側(cè)電壓值；[ign]為公共電網(wǎng)側(cè)電流值；[ucn]為濾波電容電壓。

由式（1）可知，在三相靜止坐標(biāo)系中，其數(shù)學(xué)模型的各個(gè)變量均為交流量。而交流量的控制難度較大，因此本文通過引入Park變換器[12]，將三相靜止坐標(biāo)系下的交流量轉(zhuǎn)換為兩相旋轉(zhuǎn)坐標(biāo)系下的直流量，以便于進(jìn)行控制。

Park變換矩陣為：

式中[Tabc/αβ]為abc坐標(biāo)系到αβ坐標(biāo)系的變換矩陣。

式中：[Tαβ/dq]為αβ坐標(biāo)系到dq坐標(biāo)系的變換矩陣；[ω]為系統(tǒng)的角頻率。

根據(jù)式（2）和式（3）可得，DC?AC變換器在dq兩相旋轉(zhuǎn)坐標(biāo)系下的數(shù)學(xué)表達(dá)式為：

式中：id、iq為DC?AC變換器在兩相旋轉(zhuǎn)坐標(biāo)系的輸出電流；ud為在兩相旋轉(zhuǎn)坐標(biāo)系DC?AC變換器的輸出電壓；ucd、ucq為濾波電容在兩相旋轉(zhuǎn)坐標(biāo)系下的輸出電壓；igd、igq為公共電網(wǎng)側(cè)在兩相旋轉(zhuǎn)坐標(biāo)系下的電流值。

滑?？刂剖且环N經(jīng)典的非線性控制方法，其核心思想是：通過將系統(tǒng)的狀態(tài)引導(dǎo)至一個(gè)滑動(dòng)面上，以實(shí)現(xiàn)穩(wěn)定的動(dòng)態(tài)行為[13?14]。相比于傳統(tǒng)的線性控制方法，滑?？刂凭哂休^強(qiáng)的魯棒性和適應(yīng)性，能夠有效應(yīng)對(duì)系統(tǒng)參數(shù)變化、外部干擾等不確定性因素的影響?；？刂破骰究蚣苋鐖D3所示。

選擇DC?AC變換器濾波電容上的電壓和并網(wǎng)電流作為狀態(tài)變量，即：

在式（5）中，考慮到d軸和q軸具有結(jié)構(gòu)一致性，因此僅使用d軸的電壓和電流作為狀態(tài)變量。

根據(jù)式（5）可得到電壓、電流誤差為：

式中：ucdref為ucd的期望值；igdref為igd的期望值；e1為電壓誤差；e2為電流誤差。由于：

式中iO為中性點(diǎn)電流。因此，結(jié)合式（6）和式（7）可得：

根據(jù)式（8）所示的誤差模型可以構(gòu)造滑?？刂频幕瑒?dòng)平面，其公式為：

[s（x）=K1e1+K2e2]" " " " （9）

式中K1和K2為控制系數(shù)。

通過將式（6）～式（9）進(jìn)行結(jié)合，可將公式更新為：

為了提高滑?？刂频氖諗啃院涂箶_性，對(duì)式（10）進(jìn)行分離：

式中：s1為電壓的滑動(dòng)平面；s2為電流的滑動(dòng)平面。

對(duì)式（11）兩邊同時(shí)求導(dǎo)，可得：

將式（12）和DC?AC變換器的數(shù)學(xué)模型進(jìn)行結(jié)合，可以得到在DC?AC變換器中的控制規(guī)律為：

在式（13）中，采用等速趨近律進(jìn)行計(jì)算，即：

式中：η1、η2為趨近律的增益系數(shù)；sgn（·）為符號(hào)函數(shù)。[sgns1]取值為：

[sgns1]和[sgns2]有相同的變化取值規(guī)律。

綜上所述，基于滑模控制的DC?AC變換器的閉環(huán)控制框圖如圖4所示。

DC?AC變換器中的滑模控制流程如圖5所示。

由圖5可知，首先需要對(duì)DC?AC變換器的電壓和電流進(jìn)行采集，并設(shè)置電壓電流期望值與實(shí)際值構(gòu)成誤差分量；接著，引入Park變換矩陣，將三相靜止坐標(biāo)系下的變量轉(zhuǎn)換至兩相旋轉(zhuǎn)坐標(biāo)系，同時(shí)構(gòu)造滑模平面方程；其次，利用符號(hào)函數(shù)構(gòu)成滑?？刂浦械内吔?，從而形成滑?？刂频臄?shù)學(xué)模型，并將其應(yīng)用到DC?AC變換器中；最后，進(jìn)行誤差判斷，若小于3%則直接輸出電壓電流最優(yōu)值，若不滿足，則重新構(gòu)造滑模平面方程。

滑模控制雖然提高了分布式光伏變電站系統(tǒng)的抗擾性，提升了其并網(wǎng)成功率，但僅依靠滑?？刂茻o法增加負(fù)荷預(yù)測(cè)和系統(tǒng)調(diào)度的準(zhǔn)確率。因此，本文還引入了長(zhǎng)短期記憶（Long Short?Term Memory， LSTM）神經(jīng)網(wǎng)絡(luò)算法[15]對(duì)滑?？刂戚敵龅碾妷汉碗娏鬟M(jìn)行數(shù)據(jù)采集，以及數(shù)據(jù)處理與預(yù)測(cè)，從而形成自適應(yīng)滑?？刂撇呗浴?/p>

LSTM作為循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network， RNN）的一種變體，憑借其獨(dú)特的門控機(jī)制在處理序列數(shù)據(jù)時(shí)表現(xiàn)出色。傳統(tǒng)RNN網(wǎng)絡(luò)存在梯度消失或梯度爆炸的問題，而LSTM網(wǎng)絡(luò)可以憑借其精巧的結(jié)構(gòu)解決此類問題。該網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)包括輸入門、遺忘門和輸出門，3種門控單元通過訓(xùn)練與學(xué)習(xí)得到適合的權(quán)重。

自適應(yīng)滑模控制的整體框架如圖6所示。

在圖6中，LSTM網(wǎng)絡(luò)先采集滑?？刂破鬏敵龅碾妷汉碗娏?，并對(duì)其進(jìn)行數(shù)據(jù)處理。在處理過程中，電壓和電流誤差隨迭代次數(shù)的變化而改變，具體趨勢(shì)分別如圖7和圖8所示。

由圖7可知，隨著迭代次數(shù)的增加，LSTM網(wǎng)絡(luò)在數(shù)據(jù)處理中的電壓誤差不斷下降，且在迭代次數(shù)為100次時(shí)達(dá)到最小值2.3%，小于3%，滿足電壓誤差要求。

由圖8可知，隨著迭代次數(shù)的增加，LSTM網(wǎng)絡(luò)在數(shù)據(jù)處理中的電流誤差不斷下降，在迭代次數(shù)為100次時(shí)達(dá)到最小值1.7%，也小于3%，滿足電流誤差要求。

本文引入LSTM網(wǎng)絡(luò)對(duì)滑模控制輸出電壓與電流進(jìn)行數(shù)據(jù)處理，形成自適應(yīng)滑?？刂撇呗裕瑥亩岣呦到y(tǒng)調(diào)度和負(fù)荷預(yù)測(cè)的準(zhǔn)確率。自適應(yīng)滑模控制的設(shè)計(jì)流程如圖9所示。

2" 實(shí)驗(yàn)驗(yàn)證

為驗(yàn)證所設(shè)計(jì)的自適應(yīng)滑?？刂频恼_性和優(yōu)異性，在Matlab/Simulink數(shù)字仿真實(shí)驗(yàn)平臺(tái)中搭建分布式光伏變電站的數(shù)字仿真實(shí)驗(yàn)?zāi)Ｐ停⒃O(shè)計(jì)多種工況進(jìn)行實(shí)驗(yàn)對(duì)比。實(shí)驗(yàn)參數(shù)如表1所示。

工況1：并網(wǎng)成功率對(duì)比，結(jié)果如圖10所示。

由圖10可知：滑模控制和比例積分控制的并網(wǎng)成功率均小于90%，不滿足系統(tǒng)對(duì)并網(wǎng)成功率的要求；自適應(yīng)滑?？刂拼笥?5%，滿足系統(tǒng)對(duì)并網(wǎng)成功率的要求。

工況2：負(fù)荷預(yù)測(cè)準(zhǔn)確率與系統(tǒng)調(diào)度準(zhǔn)確率對(duì)比，結(jié)果分別如表2、表3所示。

由表2和表3可知，隨著迭代次數(shù)的增加，3種控制策略下的負(fù)荷預(yù)測(cè)和系統(tǒng)調(diào)度準(zhǔn)確率均有所增大，且均在迭代次數(shù)為100次時(shí)達(dá)到最大，但只有自適應(yīng)滑?？刂频膬深悳?zhǔn)確率均大于95%。

3" 結(jié)" 論

針對(duì)分布式光伏發(fā)電為基礎(chǔ)的變電站系統(tǒng)并網(wǎng)電流諧波畸變率高、系統(tǒng)并網(wǎng)成功率低、負(fù)荷預(yù)測(cè)以及調(diào)度準(zhǔn)確率較差等問題，本文設(shè)計(jì)了一種融合滑模控制與長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的自適應(yīng)滑?？刂撇呗?。將其與傳統(tǒng)滑?？刂坪捅壤e分進(jìn)行同工況對(duì)比后得到，自適應(yīng)滑?？刂瓶梢杂行嵘植际焦夥冸娬矩?fù)荷預(yù)測(cè)與系統(tǒng)調(diào)度的準(zhǔn)確率，并增強(qiáng)系統(tǒng)的抗擾性，為光伏發(fā)電系統(tǒng)的運(yùn)行提供了有力支持。

參考文獻(xiàn)

[1] 武光華，李宏勝，柳長(zhǎng)發(fā)，等.間歇性新能源光伏發(fā)電配額作業(yè)調(diào)度方法研究[J].電網(wǎng)與清潔能源，2023，39（12）：159?164.

[2] 邱書琦，蹇照民，方立雄，等.基于變分模態(tài)分解和集成學(xué)習(xí)的光伏發(fā)電預(yù)測(cè)[J].智慧電力，2024，52（3）：32?38.

[3] 童鑄，歐仲曦，劉超，等.遺傳算法優(yōu)化粒子群的分布式光伏并網(wǎng)控制方法研究[J].自動(dòng)化儀表，2023，44（10）：39?43.

[4] 楊浩，宋國(guó)杰，滕馥遙，等.單相并網(wǎng)逆變器自適應(yīng)比例復(fù)數(shù)積分控制策略[J].高電壓技術(shù)，2020，46（11）：3790?3799.

[5] 趙昱誠.并網(wǎng)逆變器模型預(yù)測(cè)電流控制策略研究[D].阜新：遼寧工程技術(shù)大學(xué)，2023.

[6] 段茜月，陳燕東，徐元璨，等.一種改進(jìn)線性擴(kuò)張狀態(tài)觀測(cè)器的自抗擾控制寬頻帶振蕩抑制方法研究[J].電力系統(tǒng)保護(hù)與控制，2023，51（13）：12?24.

[7] 陳志華，柯強(qiáng)，胡經(jīng)偉，等.含分布式光伏的有源配電網(wǎng)無功電壓控制策略研究[J].電力電容器與無功補(bǔ)償，2022，43（2）：16?24.

[8] 王華佳，張巖，尹書林，等.分布式光伏并網(wǎng)系統(tǒng)電壓越限風(fēng)險(xiǎn)及諧波影響[J].電網(wǎng)與清潔能源，2024，40（3）：128?138.

[9] 楊晴，羅平，李俊杰.考慮配電網(wǎng)三相不平衡度的分布式光伏并網(wǎng)容量規(guī)劃[J].杭州電子科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2023，43（6）：42?51.

[10] 李玉東，羅新全，李佩峰，等.基于雙重移相的雙向有源全橋DC?DC變換器優(yōu)化控制策略[J].電子科技，2023，36（12）：87?94.

[11] 鄧金溢.軟開關(guān)多電平DC?AC變換器關(guān)鍵技術(shù)研究[D].杭州：浙江大學(xué)，2023.

[12] 金恩淑，耿夢(mèng)煒.基于Park變換和Teager能量算子的晶閘管逆變器保護(hù)新方法[J].東北電力大學(xué)學(xué)報(bào)，2023，43（3）：8?15.

[13] 馮琪茗，董秀成，劉元.一種新型趨近律的PMSM模糊自適應(yīng)終端滑?？刂芠J].電氣工程學(xué)報(bào)，2023，18（4）：74?83.

[14] 富璇，王黎明，王雪瑩，等.光伏并網(wǎng)逆變器的非線性滑?？刂撇呗訹J].沈陽工業(yè)大學(xué)學(xué)報(bào)，2022，44（6）：694?699.

[15] 王峰.基于LSTM算法的分布式發(fā)電并網(wǎng)系統(tǒng)諧波檢測(cè)[J].信息技術(shù)，2023（8）：165?169.