分类号 ：

ＴＭ ６ １
学 校 代 码 ： １ ０７ ５ ８



密 级 ： 公 开 学 号 ： ３ ２０ １ ８ ２ ０９ ４



硕 士 学 位论文



微 电 网 储 能 系 统 控 制 策 略 及 选 址定 容 研究


Ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｏ ｎ  ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｓ ｔｒ ａ ｔ ｅ
ｇ ｙ
ａ ｎ ｄ ｌ ｏ ｃ ａ ｔｉ ｏ ｎ  ａ ｎ ｄ ｃ ａ
ｐ
ａｃ ｉ ｔ


ｙ

ｄ ｅ ｔ ｅ ｒ ｍ ｉ ｎ ａ ｔ ｉ ｏ ｎ  ｏ ｆ ｅ ｎ ｅ ｒ ｇ ｙ ｓ ｔ ｏ ｒ ａ ｇ ｅ ｓ ｓ ｔｅ ｍ ｉ ｎ ｍ ｉ ｃ ｒ ｏ ｒ ｉｄ


ｙ ｇ

研 究 生 姓 名 任 鹏
 



导 师 姓 名 及 职 称 
李春 兰 教授 



合作 导 师姓名 及 职称 



学 位 门 类 级 别 
工学硕士




领 域 名 称 
农 业 工程



研 究 方 向 农 业 电 气 化 与 自 动化



所 在 学 院 
机 电 工程 学 院 



新疆 ？
乌鲁木齐


二 〇二 年五月


一
I
 微电网储能系统控制策略及选址定容研究

摘 要
风电、光伏电等新能源发电技术在国家的重点扶持下进入了飞速发展阶段，微电网的出现引起
了各国的高度关注。但风、光等微电源输出电能的不确定性、波动性、抗扰动及过负荷能力差等问
题，对微电网供电质量及接入的大电网造成了不利影响。而合理的储能系统控制策略及选址定容方
案可实现微电网各模块之间能量的高效传递，削峰填谷提高配网的抗干扰能力。鉴于此，本文对储
能系统控制策略，及其接入位置和容量的确定进行了研究与分析。主要研究方法及结论如下：
（1）风光储运行特性分析。分析风、光微电源工作原理并建立仿真模型，研究了气象条件（光
照强度、温度、风速）变化对其输出电能的影响。在此基础上通过扰动控制法实现风、光微电源的
最大功率追踪。研究并分析了蓄电池、超级电容的电路模型和各自的工作特性，为储能系统控制策
略及选址定容研究提供理论基础。
（2）蓄电池充放电控制策略研究。依据风光蓄微电网功率平衡约束条件获得蓄电池输出规律；
在现代数学和控制理论的基础上提出一种非线性控制策略，以整流电路协调微电网各系统间的电能
传递。通过仿真试验表明：对比 PI 控制策略，提议控制策略在各种情况下系统的恢复时间加快了
0.2s，冲击波动减小了 0.6%。结果验证了提议控制策略可有效平抑微电源出力波动，提高系统稳定
性。
（3）混合储能系统功率分配策略及 PI 参数整定研究。针对能量型与功率型储能元件充放电特
性的差异，以超级电容荷电状态和蓄电池参考功率为控制目标，实现网内波动功率协调分配；根据
分配功率获得充放电电流参考值，依据工业控制理想相角裕度利用 Siso 反馈技术自动寻优设计了储
能系统充放电 PI 控制器，调节实际值与参考值的偏差。在环境变化和负荷正常波动下的仿真试验表
明：提议的控制策略能够合理分配微网波动功率，在降低蓄电池瞬时输出的同时，使直流母线电压
波动值≤5%，缩短了其动态恢复时间。
（4）储能系统选址定容研究。针对微电网接入配网后储能系统选址定容问题，采用粒子群算法
结合基于信息熵的序数偏好法求解储能系统选址定容多目标优化模型。考虑到不同季节下分布式电
源出力特性，构建 IEEE-33 节点微网系统进行算例分析，取春、夏、冬三个季节下新疆西南地区光
伏与风电出力规律求解储能接入位置及容量配置方案。结果表明该方法在不同季节下都能够找到当
季最优解，避免了单季节求解选址定容方案的局限性。

关键词：微电网；蓄电池；非线性控制；功率分配策略；Siso 反馈控制技术；选址定容

II
 Research on control strategy and location and capacity
determination of energy storage system in microgrid
Abstract
Wind power, photovoltaic power and other new energy power generation technologies have entered a
stage of rapid development under the key support of the state, and the development of microgrids has attracted
great attention from all countries. However, the uncertainty, volatility, anti disturbance and poor overload
capacity of the output power of wind, light and other micro power sources have adverse effects on the power
supply quality of micro grid and the access to large power grid. The reasonable energy storage system control
strategy and location and capacity determination scheme can realize the efficient energy transfer among the
modules of the microgrid, cut peak and fill valley, and improve the anti-interference ability of the distribution
network. In view of this, this paper studies and analyzes the control strategy of energy storage system and
the determination of its access location and capacity. The main research methods and conclusions are as
follows:
(1) Wind, light, and storage operation characteristics analysis. The working principle of wind and light
micro power supply is analyzed and the simulation model is established. The influence of meteorological
conditions (light intensity, temperature and wind speed) on its output power is studied. The maximum power
tracking of wind and light output is realized. The circuit models of battery and super capacitor and their
working characteristics are studied and analyzed, which provides a theoretical basis for the control strategy
of energy storage system and the research of location and capacity.
(2) Research on non-linear control strategy of storage battery charging and discharging. According to
the constraints of power balance of microgrid, the output rule of battery is obtained. Based on modern
mathematics and control theory, a nonlinear control strategy is proposed to coordinate the power transmission
between the micro grid systems by rectifying circuit. The simulation results show that: compared with PI
control strategy, the recovery time of the proposed control strategy is reduced by 0.2 s, and the DC bus voltage
impulse fluctuation is reduced by 0.6%. The results show that the proposed control strategy can effectively
suppress the output fluctuation and improve the system stability.
(3) Research on power allocation strategy and PI parameter tuning of hybrid energy storage system.
The state of charge of the super capacitor and the reference power of the battery are taken as the control
objectives to achieve the coordinated distribution of fluctuating power in the network; According to the ideal
phase angle margin of industrial control, the PI controller is designed automatically by using Siso feedback
technology to adjust the error between the actual value and the reference value. Simulation tests under
environmental changes and normal load fluctuations show that the PI controller adjusted by Siso feedback
enables the proposed control strategy to more effectively smooth the fluctuating power, while smoothing the
instantaneous output of the battery and reducing the number of charge and discharge switches. Maintain the
DC bus voltage fluctuation value ≤ 5%, shortening its dynamic recovery time.
(4) Research on location and capacity of energy storage system. Aiming at the problem of location and
capacity of energy storage system after microgrid is connected to distribution network, particle swarm
optimization algorithm combined with ordinal preference method is used to solve the multi-objective
optimization model of location and capacity of energy storage system. Considering the output characteristics
of distributed generation in different seasons, the IEEE-33 node microgrid system is constructed for example
analysis. According to the output law of photovoltaic and wind power in southwest Xinjiang in different
seasons, the energy storage access location and capacity configuration scheme are solved. The results show
that the method can find the optimal solution in different seasons. It avoids the limitation of the location and
capacity scheme under single season solution.

Key words: Microgrid; Storage battery; Nonlinear control; Power allocation strategy; Siso feedback control
technology; Site selection and capacity determination

III
 目 录
第1章 绪论 ............................................................................................... 1
1.1 课题研究背景和意义 ....................................................................................... 1

1.2 国内外研究现状 ............................................................................................... 2

1.3 主要研究工作 ................................................................................................... 7

1.4 技术路线 ........................................................................................................... 8

第2章 风光储运行特性分析 ................................................................. 10

2.1 风力发电系统运行特性分析 ......................................................................... 10

2.2 光伏发电系统运行特性分析 ......................................................................... 16

2.3 蓄电池充放电特性分析 ................................................................................. 23

2.4 超级电容充放电特性分析 ............................................................................. 25

2.5 本章小结 ......................................................................................................... 26

第3章 蓄电池充放电控制策略研究 .................................................... 28

3.1 风光蓄微电网协调控制 ................................................................................. 28

3.2 蓄电池充放电非线性控制策略研究 ............................................................. 30

3.3 仿真分析 ......................................................................................................... 34

3.4 本章小结 ......................................................................................................... 39

第4章 混合储能系统功率分配策略研究 ............................................ 41

4.1 风光储混合微电网协调控制 ......................................................................... 41

4.2 混合储能系统功率分配策略的实现 ............................................................. 42

4.3 基于 Siso 反馈技术的储能系统充放电控制器 PI 参数整定 ...................... 46

4.4 仿真分析 ......................................................................................................... 54

4.5 本章小结 ......................................................................................................... 57

第5章 储能系统选址定容研究............................................................. 59
5.1 储能系统在配网中的应用 ............................................................................. 59

5.2 选址定容优化模型 ......................................................................................... 59

III
 5.3 求解算法 ......................................................................................................... 62

5.4 配网储能选址定容研究 ................................................................................. 65

5.5 算例分析 ......................................................................................................... 66

5.6 本章小结 ......................................................................................................... 72

第6章 结论与展望 ................................................................................. 73

6.1 结论 ................................................................................................................. 73

6.2 展望 ................................................................................................................. 74

参考文献 ..................................................................................................... 75
致 谢 ........................................................................................................... 81
作者简介 ..................................................................................................... 82

IV
 新疆农业大学硕士学位论文

第 1 章 绪论

1.1 课题研究背景和意义

21 世纪以来全球经济进入快速发展阶段，伴随着传统能源的剧烈消耗带来的能源

枯竭、温室效应等问题日益严重，地球能源结构正面临着巨大挑战。上述问题受到国家

乃至国际社会的广泛关注。我国计划将非化石能源在 2040 年力争接近能源消费的 1/2[1-

4]
，能源结构变化图如 1-1 所示。

图 1-1 能源结构变化图

随着能源结构的巨大转变以及国家对新能源发电技术的大力支持，风能、太阳能凭

借其绿色、无污染且具有大规模开发的潜力。我国风光资源丰富，主要集中在西部和北

部区域，南部区域水力资源丰富。2018 年 12 月，国网能源研究院在关于中国电力能源

发展报告中指出：在 2030 年前核能发电和水力发电为主要非化石发电能源，而风电、

光伏电将成为发展最快的非化石能源发电技术，预计在 2040 年左右成为主要的非化石

能源发电种类，风、光等分布式发电能源将成为未来主要的非化石能源发电技术[5-6]。

2035、2050 年各电源装机容量与占比如图 1-2 所示。

1
微电网储能系统控制策略及选址定容研究

图 1-2 预计各电源装机容量占比

风能、太阳能属于自然界不可控的资源，其出力随着气象条件的变化具有强烈的不

可控性，给电网的稳定运行和设备安全带来了一定的风险，直接影响了其未来的发展。

储能技术是解决这一问题，维持网内功率平衡的关键技术。

就电力系统而言，储能技术打破了传统电力系统运行供需平衡关系，其控制策略及

选址定容的研究对新能源发电技术的发展具有重要意义。传统电力系统中，发出电能需

随发随用、不可储存对电能质量有较高要求，储能技术可将电能以其他结构存储，从空

间和时间上对其进行再分配，进而实现电能的即插即用，平缓可再生能源所带来的系统

功率波动，提升发电的可调性和稳定性，储能技术是保障风电场、光伏电站稳定运行的

重要途经。储能系统的引入对微电网的发展具有重要的意义，先进的储能技术搭配合理

的储能系统控制策略，可大幅度改善风光微电网的出力波动特性，对平抑微电网波动功

率，改善电能质量起着重要作用，研究储能系统控制策略及其选址定容方案对未来社会

能源发展革命有着巨大的实际意义。

1.2 国内外研究现状

1.2.1 微电网研究及发展现状

微电网这一理念由美国率先提出[7-9]，建立了大量的示范项目，在微电网的安全管理、

运行模式、控制方式及能量管理等领域做了大量研究。

在亚洲国家里，日本是微电网研究领域最具代表性的国家[10]。受限于地理环境以及

国内资源需求的日渐增长，日本因地制宜的利用充足的绿色清洁能源，大力研究发展微

电网技术。为使可再生资源获得效益的最大化利用，建立了大量微电网的研究项目，为

日本在微电网研究的领先地位打下了坚实的基础。

2
 新疆农业大学硕士学位论文

我国微电网发展相对于国外开始的较晚，但随着国家对绿色、可持续、循环能源的

愈发重视，出台了一系列国家政策引导和促进了微电网的发展，审批了关于微电网研究

的“973”、“863”项目等，对高校和企业开展微电网的研究提供了大力支持，在基金和政

策的鼓励下，全国各地区陆续建立了一批微电网示范项目[11-13]。

随着微电网示范工程的全面展开，我国微网研究正处在飞速上升阶段，拥有巨大的

发展潜力[14-15]。微电网还需进行大量的研究实验才能达到商业化利用，但社会各界对其

研发兴趣愈发浓厚，主要源于以下三点：

（1）智能电网的重要组成部份。微电网包括直流配电、变压器、孤岛检测控制技术

等，为智能配电网实现高效能量管理提供了核心技术。

（2）智能能源网的重要组成部份。微电网中风光等微电源配合储能系统，有效的将

不同能源类型结合，以能源代替优化，形成能源的梯级配置，提高了能源的综合利用率。

（3）能源互联网概念实现的基础。微电网的自我管理对分布式能源友好的包容性，

是实现能源利用多元化的关键。

1.2.2 储能技术研究及发展现状

储能技术是保障微电网安全稳定运行的核心技术，对微电网的未来发展市场有着不

可或缺的作用。储能技术主要按其储能方式和原理进行分类。

（1）储能方式分类

按储能方式分类[16-17]，可分为机械/热/电磁/化学储能等，具体分类及储能方式如图

1-3 所示。

3
微电网储能系统控制策略及选址定容研究

图 1-3 储能技术分类

机械储能：抽水储能对地理环境具有较高要求，在电力调频、调相事故中备用，而

后两者具有高安全性、规范性等优点。

热储能：将多余的电能暂时以热能的形式储存在隔热容器中，在系统电力缺额时将

热能转化成电能使用，持续性较高，但其成本较高，主要用于光储热微电网供暖、电网

负荷调控等方面。

电磁储能：超导磁储能用于无功和功率因数调节，改善电力系统稳定性。后者具有

储能能量密度大、响应快等优点，但其造价较高，维护复杂，多用于提高电能质量抑制

电网电压波动。

化学储能：化学电池，其优势在于可根据使用需求配置不同容量的电池组规模，不

受外部环境限制，适合大规模使用，多用于平抑分布式电源输出能量的波动性和间歇性

等场景。但日常维护复杂，不适用于频繁充放电的工作模式，对储能元件充放电控制是

目前储能系统的重点研究方向。

（2）储能原理分类

按照技术原理分类可分为能量型和功率型[18-20]。能量型储能元件具有放电效率受荷

电状态影响较大，能量密度大、使用损耗大等特点，主要用于大功率储存，且多用于长

时间供电且对瞬时放电效率要求不高的场景。功率型具有放电快、功率密度高但成本高

4
 新疆农业大学硕士学位论文

等特点，多应用于频繁放电且瞬时功率输出较大、对响应时间要求较高的场景。

化石能源的飞速消耗导致传统能源的改革势在必行，大力推进可再生能源的发电体

系是未来建立绿色电力微电网的基础，利用储能技术的收缩性和灵活性的性能特点，可

提高电力能源网的灵活性，平抑系统波动功率，是保障微电网安全、稳定运行的基础。

1.2.3 储能技术在微电网控制领域研究现状

储能技术作为微电网控制系统的核心，通过采取有效的控制策略与功率配置方法，

可大幅度提升微电网电能质量，降低分布式能源出力的不可控性，使微电网商业化发展

成为可能[21-25]。针对储能系统抑制分布式能源出力波动以提高微电网运行稳定性这一问

题，国内外学者围绕储能系统控制策略等方面做了大量研究。

在储能系统控制策略方面，王亚旭等[26]针对微电网中电力接口缺少惯性冲击的问题，

提出将旋转电机的惯性特性引入蓄电池储能控制系统中，提升了系统的抗干扰能力；孟

洪民等[27]针对微电网运维成本高的问题，在考虑蓄电池健康状态的基础上提出一种模型

预测控制能量管理策略，该策略可在减少微电网购电成本的同时延长蓄电池使用寿命，

但上述两种控制策略在复杂多变气象条件下的可行性还需进一步验证。杨帆等[28]针对微

电网内直流母线电压波动、系统不稳定的问题，提出了一种模型预测控制策略，可有效

平抑直流母线电压波动；支娜等[29]针对微电网中虚拟直流电机造成的直流母线电压波动

的问题，设计了一种基于虚拟直流电机的改进型控制策略，提升了系统的抗扰动能力，

但上述两种控制策略均存在优化参数整定困难，需进行大量计算和试验才能达到相应控

制效果的缺陷。吴青峰等[30]针对微电网储能系统存在过充、过放的问题，设计了一种基

于下垂控制的储能系统过充、过放保护方案，可有效防止储能系统过充、过放；闫士杰

等[31]针对微电网系统中储能元件荷电状态不一致的问题，提出了一种储能元件一致性控

制策略，解决了大规模储能系统因通讯复杂而造成的计算量过大的问题，但上述两种控

制策略在光伏、风电系统输出剧烈波动下的可行性还有待验证。郑丽君等[32]针对无通信

情况下难以实现微电源最大利用率与储能系统荷电状态均衡控制的问题，提出一种基于

荷电状态的多储能元件分级控制策略，实现了微电源与储能系统的均衡运行；徐玉琴等
[33]
针对光储微电网系统供电稳定性差的问题，提出一种稳压控制策略，在保障直流母线

5
微电网储能系统控制策略及选址定容研究

电压稳定性的同时增强了系统的抗干扰能力，但上述两种控制策略在分布式发电系统故

障或大负荷投入时的有效性还需进一步验证。

上述学者着手于单储能元件在确定承担波动功率下进行研究，考虑到目前多采用两

个及以上储能元件构成混合储能系统（Hybrid Energy Storage System, HESS），需先确定

各自消纳功率，这使得 HESS 功率分配方法更具研究价值。能量型蓄电池放电慢、时间

长，放电效率受荷电状态影响较大；功率型超级电容瞬时输出大、时间短，但自放电率

高。HESS 充分利用不同工作特性储能元件优势互补，是目前平抑微电网功率波动、稳

定供电的关键技术，具有重要的研究意义[34-37]。在混合储能系统的功率分配研究方面，

桑丙玉等[38]和程志江等[39]针对 HESS 功率分配、控制困难的问题，采取低通滤波器确定

高低频功率波动阀值，可合理分配各储能元件的功率输出；邓海华等[40]和柴秀惠等[41]针

对微网内功率的波动性、随机性分别提出低通滤波器前馈控制与基于高通滤波器的单电

流环控制策略，两种控制策略均可有效平抑网内功率波动；以上控制策略均以功率波动

频率阀值为基准进行功率分配，未考虑储能元件荷电状态对控制策略的影响。刘宿城等
[42]
针对直流母线电压瞬时功率波动提出一种基于电容电荷平衡思想的 DC/DC 变换器控

制策略提高了母线电压的动态恢复能力，未考虑电容容量对各模块联动控制的影响。杨

彦杰等[43]在考虑储能系统荷电状态的基础上采用模糊控制整定滤波时间常数，可对混合

储能系统的功率合理分配；李武华等[44]针对微电网架构特点提出一种分频段控制策略，

在保障系统稳定运行的同时提高了储能系统的使用寿命；上述 2 种控制策略都存在优化

参数整定困难，需进行大量计算才能达到相应控制效果的缺陷。关欣等[45]为平滑微电源

输出功率采用 PI-PD 控制改善风水机组输出特性，能够缩短系统动态响应时间；兰海等

[46]
针对电力推进系统中电压波动问题提出模糊 PI 控制 HESS 充放电，能有效平抑直流

母线电压波动；但上述 2 种控制策略中 PI、PD 控制器都存在参数局部最优化以及在

Matlab 中大量计算的问题。

上述储能系统控制方法在一定程度上解决了网内功率波动对系统稳定运行造成的

影响，但控制策略在微电网不同工作模式下的可行性还有待验证。以上储能系统功率分

配方法主要以微电网波动功率频率为依据，获得功率划分区间，但忽略了储能元件荷电

状态（State Of Charge，SOC）对功率配置的影响，需针对不同储能元件采取适宜的功率

6
 新疆农业大学硕士学位论文

分配方法达到各储能元件工作特性的优势互补，以减少因功率分配造成的衰退折损。

1.2.4 储能系统选址定容研究现状

储能系统在一定程度上可平抑风、光等微电源带来的不利影响，其优化配置对平抑

负荷波动效果和微电网经济性运行具有重要意义。目前国内外学者对储能优化配置的问

题主要集中在其接入位置和容量配置的方面，其优化目标为系统经济性、安全性和稳定

性。凌开元等[47]和李振坤等[48]为解决储能系统损耗快、成本高等问题，对储能系统单目

标优化模型，提出双储能单独优化和采用遗传算法对储能系统容量进行配置，均可有效

降低系统电压波动，提高储能的经济性；丁倩等[49]和向育鹏等[50]在考虑储能寿命和运行

维护成本最小的基础上，分别建立了电化学储能选址定容双层优化模型和考虑储能全周

期寿命下选址定容模型，均可有效降低储能系统投资运维成本，提高储能系统工作效率，

以上参考文献均以储能运行投资成本为目标函数建立选址定容优化配置模型，但未考虑

储能设备荷电状态偏差对系统整体运行的影响。SEDGHI M 等[51]和熊猛等[52]以提高分

布式发电总效益和减小投资成本为落脚点，在结合电网络潮流计算的基础上，提出对储

能位置、功率、容量配置规划下建立选址定容优化模型，均可提高系统运行的经济性；

杨火明等[53]和王彦虹等[54]针对分布式电源引入后所带来的电网安全性与经济性运行的

问题，分别提出了考虑配网韧性情况和基于改进遗传算法的选址定容优化模型，均可修

正储能系统配置容量，提高利用效率，但未全面考虑各季节下风、光微电源出力特性对

选址定容方案的影响。

上述文献主要在分析了分布式电源配网不利影响以及储能系统投资维护成本的问

题上建立储能选址定容优化模型，在一定程度上解决了储能系统接入和容量配置的问题，

但均未考虑储能系统 SOC 偏差与不同季节分布式出力对系统的影响，不能充分考虑模

型在不同季节下的优化配置。

1.3 主要研究工作

1.3.1 主要研究内容

储能系统是微电网的核心模块，对抑制微电网内部功率波动具有重要的研究意义。

7
微电网储能系统控制策略及选址定容研究

针对储能系统控制策略，及其接入位置和容量的确定进行了研究与分析。主要内容如下：

（1）风、光、储建模及运行特性分析。分析风、光微电源工作原理并建立仿真模型，

采用扰动观测法实现风、光微电源的最大功率追踪，分析其出力随机波动的原因；以蓄

电池和超级电容作为储能子系统，分别建立等效电路模型，分析各储能元件充放电特性，

为储能系统控制策略及选址定容研究提供理论基础。

（2）蓄电池充放电控制策略研究。依据风光蓄微电网功率平衡约束条件获得蓄电

池输出规律；在现代数学和控制理论的基础上提出一种非线性控制策略，通过整流电路

协调微电网各系统间的电能传递。在相关仿真软件下构建风光蓄微电网模型，对比双向

PI 控制策略验证提议控制策略在各种情况下的有效性和优越性。为储能系统控制策略的

进一步研究提供一定的参考。

（3）混合储能系统功率分配策略及 PI 参数整定研究。以超级电容与蓄电池构成的

HESS 为控制对象，在考虑两者工作特性的基础上，提出一种基于超级电容荷电状态的

功率协调分配控制策略，进行网内波动功率协调分配；根据分配功率求得相应的电流参

考值，采用 PI 控制器调节实际值与参考值的误差，依据工业控制理想相角裕度利用 Siso

反馈技术设计 PI 补偿电路。通过仿真试验验证提议控制策略在气象条件、负荷正常波

动下的有效性。

（4）储能系统选址定容研究。针对微电网系统中储能应用于配网关键节点及容量

配置的问题，选取负荷波动、储能系统总成本、储能 SOC 偏差为目标函数建立选址定

容模型；采用粒子群算法结合基于信息熵的序数偏好法求解储能系统选址定容多目标优

化模型。考虑到不同季节下分布式电源出力特性，构建 IEEE-33 节点微网系统进行算例

分析，验证该方法在不同季节下都能够找到当季最优接入方案。

1.4 技术路线

综上所述，本文主要针对微电网储能系统控制策略及选址定容问题展开研究，技术

路线如图 1-4 所示。

8
 新疆农业大学硕士学位论文

微电网储能系统控制策略及选址定容研究

风力机、光伏电池基 蓄电池、超级电容器
本原理分析 等效电路分析

风光最大功率追踪与
充放电特性分析
模型的建立

风光蓄微电网蓄电池非线 混合微电网功率分配策略 微电网中储能系统选址定

性充放电控制策略研究 研究 容研究

微电网拓扑结构及运行模 微电网拓扑结构及运行模 优化模型目标函数与约束

式分析 式分析 条件分析

多目标粒子群与基于信息
微电网功率约束条件分析 微电网功率约束条件分析
熵的序数偏好法分析

基于超级电容荷电状态的
蓄电池出力规律获得 储能接入位置及容量编码
功率协调分配控制策略

蓄电池非线性充放电控制 混合微电网功率分配策略 IEEE-33节点微电网系统模

策略的实现 及PI参数整定方法的实现 型的搭建

气象条件或负荷正常波动 求解春、夏、冬季节下的
各种情况下的的仿真研究
的仿真研究 储能系统选址定容问题

为微电网储能技术控制策略及选址定容提供一定参考

图 1-4 技术路线

9
微电网储能系统控制策略及选址定容研究

第 2 章 风光储运行特性分析

分布式微电源与储能系统是组成微电网的关键，因此建立分布式微电源系统模型和

分析储能系统工作特性是研究微电网控制策略的基础。本章在介绍永磁同步风力发电机

组和光伏电池发电原理及相关控制策略的基础上，建立了各自仿真模型并验证其有效性；

以蓄电池和超级电容作为储能子系统，分析各储能元件充放电特性。

2.1 风力发电系统运行特性分析

风电作为新能源发电技术近年来受到社会各界的广泛关注，各种风力发电技术也日

益成熟。本节搭建永磁直驱式风力机，其拓扑结构如图 2-1 所示，包含叶片，永磁同步

风力发电机组，背靠背整流/逆变模块、变压器等部分组成。

图 2-1 风电机组示意图

2.1.1 数学模型

（1）风能利用数学模型

风能具有较强的随机性，风力发电机组通过风力机捕获风能[55]。参考风能捕获原理，

可知风力机获得风能如式（2-1）所示。
1 1 1
W = mv 2 = ( ρ Avt ) v 2 = ρπ R 2 C p v 3t （2-1）
2 2 2

其中，A 为叶片面积，Cp 为风能利用系数，R 为风轮半径，t 为时间单位，v 为风

速。将 P=W/t 带入式（2-1）化简得风机转化功率如式（2-2）所示。

1
PW = ρπ R 2 C p v 3 （2-2）
2

其中，Cp 表示捕获风能的效率，如式（2-3）所示。

10
 新疆农业大学硕士学位论文

 k
 k2 − 5
λi
C p = f (θ , λ ) = k1 ( − k3θ − k4 )e + k6 λ
 λi
 1
λi = 1 k
（2-3）
 − 83
 λ + k7θ 1 + θ

λ = ω R
 v

其中，ω 为风力机机械角速度。k1～k8 为相关系数参数，根据风力机类型不同而选

择。

，Cp 的理想值是 0.593。但在实际环境条件下，由于风能的波

参考贝兹理论（Betz）

动性以及工艺制造技术与摩擦损耗等因素，水平轴直驱式风力机 Cp 的最大理想值约为

0.45。

本节建立水平轴直驱式风力发电机，无齿轮变速箱，仿真软件中建立风力机模型 Cp

相关参数如表 2-1 所示。

表 2-1 Cp（θ, λ）相关参数

名称 数值
k1 0.5176
k2 116
k3 0.4
k4 5
k5 21
k6 0.0068
k7 0.08
k8 0.035

带入式（2-3）化简后可得式（2-4）。
 116 -
21

CP (θ , λ ) = 0.5176( − 0.4θ − 5)e λi + 0.0068λ

 λi
 1 （2-4）
λi =
 1 0.035
−
 λ + 0.08θ 1 + θ 3

根据式（2-4）在仿真软件中建立风能利用系数 Cp 数学模型，如图 2-2 所示。

11
微电网储能系统控制策略及选址定容研究

图 2-2 水平轴直驱式风力机 Cp 仿真模型

通过上述分析可知，风力发电系统的捕风能力 Cp 主要与叶尖速比值和浆距角的大

小有较大影响，设定不同浆距角与叶尖速比，可得 Cp 特性曲线如图 2-3 所示。

图 2-3 不同 θ 与 λ 下对应的 Cp 特性曲线

分析图 2-3 的 Cp 特性曲线可知，对于不同的叶尖速比 λ，Cp 值在浆距角 θ=0º 时最

大，且随着 θ 的提高，Cp 值逐渐降低；当 θ 值一定时，存在唯一的 λ，使风力机在该浆

距角下达到最优值 Cpmax。

（2）同步发电机数学模型

水平直驱式风电机组采用永磁同步发电机，为搭建风力机模型，首要需建立理想

PMSG 模型[56]。在三相静止 abc 坐标系下，PMSG 为强耦合、多变量系统，同时存在多

相磁通的非线性交互，不利于其控制系统设计与分析。基于转子 d-q 旋转坐标系，通过

abc-dq 变化实现解耦，进而控制电机转速。

根据 abc-dq 变化理论，得 PMSG 在 d-q 坐标下的数学模型：

电压方程如式（2-5）：

12
 新疆农业大学硕士学位论文

 dψ sd
u sd = Ra isd + dt − ω sψ sq
 （2-5）
u = R i + dψ sq − ω ψ
 sq a sq
dt
s sd

磁链方程如式（2-6）：
ψ sd = Lsd isd +ψ f
 （2-6）
ψ sq = Lsq isq

电磁转矩方程如式（2-7）：
3
Te = n p (ψ sd isq − ψ sq isd ) （2-7）
2

其中，usd、usq、isd、isq 为定子侧电压、电流在 d-q 轴的分量；ψsd、ψsq 为定子侧 d-q

轴磁链分量；Ld、Lq 为定子侧 d-q 轴电感；Ra 为定子侧电阻；ωe 为转子侧电角速度；ψf

为永磁体磁链；np 为发电机极对数。

理想模型中假设 ψf、Ld、Lq 为不变量，联立式（2-6）、

（2-7）化简得 PMSG 电压方

程：

 disd
usd = Ra isd + Lsd dt − ωe Lsq isq
 （2-8）
u = R i + L disq − ω ( L i + ψ )
 sq a sq sq
dt
e sd sd f

电磁转矩方程：
3
Te = n p ψ f isq + ( Lsd − Lsq ) isd isq  （2-9）
2

由式（2-5）至式（2-9）可得 PMSG 等效电路如图 2-4 所示。

a. d 轴等效电路 b. q 轴等效电路
图 2-4 PMSG 在 d-q 轴下的等效电路

2.1.2 输出特性与最大功率点追踪算法

13
微电网储能系统控制策略及选址定容研究

（1）最大功率追踪

风力发电机组在切入至额定风速间，进行最大功率追踪（Maximum Power Point

Tracking，MPPT）。由图 2-3 可知，当 θ 一定时，不同的 λ 所生成的 Cp 值也不同，当 θ=0º

时，不同的 λ 对应的 Cp 特性曲线如图 2-5 所示。

图 2-5 θ=0º 时 Cp 特性曲线

分析图 2-5 可知，在 θ 一定时，叶尖速比 λ 并非越大越好，Cpmax 对应着某一特定的

λopt；当偏离最佳叶尖速比 λopt 时，其转换效率会下降。因此，在风力发电系统中，由于

风速的不稳定性，为提高风能利用率，常采用 MPPT 算法实现最大风能捕获。

风电系统在外界环境条件变化时，根据 Cp 特性曲线获得最佳叶尖速比进而实现

MPPT 控制。由图 2-5 可知，浆距角 θ=0º 时，有且仅有一个最佳叶尖速比 λopt，本节采

取扰动观测法实现风力机的最大功率追踪控制，由人为施加扰动量转速，观察扰动后的

输出功率变化情况来判断执行下一次扰动，一次反复执行追踪 λopt 实现风机 MPPT 追

踪。λ 控制框图如 2-6 所示。

图 2-6 叶尖速比控制图

（2）输出特性分析

根据式（2-1）至（2-9），在仿真软件中建立风电机组仿真模型如图 2-7 所示。

14
 新疆农业大学硕士学位论文

图 2-7 风电机组仿真模型

具体参数如表 2-2 所示：

表 2-2 风电机组具体参数设置
系统名称 参数名称 数值
额定电压/V 300
永磁同步风力 额定功率/kW 200
发电机 额定风速/(m∙s )-1
12
-1
切入风速/(m∙s ) 3
直流侧电压/V 1200
直流母线侧 稳压电容/F 0.2
负载功率/kW 150

设定仿真时间 4s，初始风速：v=9m/s，在 1.5s 时风速变化为 12m/s，至 3s 突降为

9m/s。依据风速变化得到风电系统的输出功率、直流母线电压、输出电流与风速变化如

图 2-8 所示。

a. 风速变化 b. 风电机组输出

15
微电网储能系统控制策略及选址定容研究

c. 直流母线电压 d. 输出电流
图 2-8 随风速变化系统输出

分析图 2-8 可知，在 0～1.5s，风速为 9m/s，风机输出功率；在 1.5～3s，风速提升

至 12m/s，输出功率 Pw 在 0.5s 左右接近 200kW，同时直流母线电压 Udc 稳定在 1200v；

在 3～4s，风速降为 9m/s，输出功率随风速变化而减小。输出电流 Iw 随着风速的变化而

变化，稳态波动较小。

2.2 光伏发电系统运行特性分析

光伏发电是一种将太阳光照能量转化为电能的发电技术。在分布式微电源出力结构

中占较大比重，可直接为微电网提供直流电[57]。

2.2.1 光伏电池数学模型及特性曲线

光伏电池（Photovoltaic cells，PV）内部的 P-N 结在一定波长太阳光照射时，光粒

子蕴含的能量被 PV 吸收，产生的光电流与太阳光的辐射强度有密切关系，这种现象称

为光伏效应，其原理如图 2-9 所示。

16
 新疆农业大学硕士学位论文

图 2-9 P-N 结内光生伏特效应原理图

实际工程中，为分析 PV 的 I-U 特性和 P-U 特性，需建立其等效电路如图 2-10 所

示。

图 2-10 PV 板等效电路

图 2-10 中 PV 板工作电流：

I = I L − I d − I sh （2-10）

其中：

  q (U + IRc )  
I d = I 0  exp   （2-11）
  nKT  

U + IRc
I sh = （2-12）
Rsh

将式（2-11）、（2-12）带入式（2-10）得 PV 板输出电流 I 表达式（2-13）。

  q (U + IRc )   U + IRc
I = I L − I 0  exp   − （2-13）
  nKT   R sh

其中：IL 为光电流，A；I0 为反向饱和电流，A；Id、Ish 分别为暗电流和 P-N 结漏电

流，A；U，I 分别为 PV 板输出电压和电流，V，A；n 为二极管特性系数；K 为玻尔兹

曼常数；T 为工作温度，K；Rc，Rsh 分别为 PV 内串并联电阻，Ω。

由式（2-13）可知光伏电池内部电路具有较强的非线性，光照强度、温度、湿度等

17
微电网储能系统控制策略及选址定容研究

因数都会对电池内部参数产生一定影响，工业计算中常采用简化模型。

一般情况下式（2-12）中，Rsh 远远大于 Rc，Ish 远小于光电流 IL，在实际计算中通常

将二者忽略。因此 PV 板简化后的数学模型如式（2-14）。
  U  
I = I sc − C1 I sc  exp   − 1 （2-14）
  C 2U OC  

当电池为开路时，I=0，U=Uoc 代入式（2-14）可得式（2-15）。
  1  
0 = I sc − C1 I sc  exp   − 1 （2-15）
  C2  

当电池处于最大功率输出状态时，U=Um，I=Im 代入式（2-14）。
  Um  
I m = I sc − C1 I sc  exp   − 1 （2-16）
  C 2U oc  

联立式（2-15）、（2-16）求解 C1、C2。
  Im   Um 
C1 =  1 −  exp  − 
  I sc   C 2U oc 
 −1 （2-17）
  Um   Im 
C 2 =  U − 1  ln  1 − I 
  oc   sc 

其中开路电压 Uoc 和短路电流 Isc，最大功率点电压 Um 和电流 Im，均由生产商提供

参数。

本节采用光伏电池具体参数设置如表 2-3 所示，在工作温度 25 ℃，太阳光辐射强

度由强至弱分别为 1200W/m2、1000W/m2、800W/m2、600W/m2、400W/m2 时，由式（2

-14）及式（2-17）获得 U-I 和 U-P 特性曲线如图 2-11 所示。

表 2-3 光伏电池具体参数设置
参数名称 参数符号 数值
开路电压 Uoc/V 22
短路电流 Isc/A 8.58
最大功率点电压（标况下） Um/V 17.7
最大功率点电流（标况下） Im/A 7.94
最大输出功率（标况下） Pm/W 140
串联电阻 R/Ω 2

18
 新疆农业大学硕士学位论文

a. 不同光照强度 U-I 特性曲线 b. 不同光照强度 U-P 特性曲线

图 2-11 光照强度变化时 PV 系统特性曲线

分析图 2-11 可知，不同光强下的最大功率点电压和电流不同，光强增加或降低，

其电压和电流也会改变。

光强恒为 1000W/m2，工作温度依次为 85 ℃、65 ℃、45 ℃、25 ℃、5 ℃时的 U-I 和

U-P 特性曲线如图 2-12 所示。

a. 不同工作温度 U-I 特性曲线 b. 不同工作温度 U-P 特性曲线

图 2-12 工作温度变化时 PV 系统特性曲线

分析图 2-12 可知：随着温度从 5℃逐渐增加至 85℃，电流呈上升趋势，但其增加

并不明显，最大功率点的电压与电流随着温度的增加而略微下降，导致最大功率输出

减小。

2.2.2 最大功率点追踪

由上述分析可知光伏电池内部电路呈较强的非线性，且输出功率受环境因素影响存

在一定的间歇性、波动性。光伏电站大多建在光资源丰富，环境变化复杂的平原地带，

通过实时跟踪最大工作点电压增强光利用率，达到提高光伏系统输出功率的目的，这一

19
微电网储能系统控制策略及选址定容研究

过程称为最大功率追踪。根据 U-I、U-P 特性曲线，使其运行在当前环境下最大功率点，

从而实现 MPPT 控制[58]。控制框图如 2-13 所示。

图 2-13 光伏系统 MPPT 控制框图

采用扰动观测法（Perturbation and Observation，P&O）实现 MPPT 控制，其流程如

图 2-14 所示。

2-14 P&O 法控制流程图

2.2.3 运行特性分析

在仿真软件中搭建 P&O 法光伏 MPPT 控制策略模型，并分别在标准状况、变光强、

变温度下进行仿真分析，电感 L=3e-3H，电容 C1=100e-6F，C2=20e-6F，步长为 ode23tbc，

变换器开关频率 10kHz，主要由光伏电池组、MPPT 控制系统和 Boost 变换电路 3 部份

组成，仿真模型如图 2-15 所示。

20
 新疆农业大学硕士学位论文

图 2-15 光伏电池 MPPT 控制模型

（1）标准状况下运行特性分析

温度为 25℃，光强恒为 1000W/m2，系统输出功率如图 2-16 所示。

图 2-16 标准状况下系统输出功率

分析图 2-16 可知，MPPT 控制策略在 0.02s 内输出功率稳定在 140W，稳态波动较

小。初始条件下，MPPT 控制策略能够追踪到最大功率点。

（2）变光强下运行特性分析

环境温度 25℃，光照强度在 0、0.5、1s 时变化分别为 1000、800、1200W/m2，仿真

时间 1.5s，光伏电池输出功率如图 2-17 所示。

21
微电网储能系统控制策略及选址定容研究

a. 光强变化曲线 b. 系统输出功率
图 2-17 光强变化时系统输出功率

分析图 2-17 可知，25℃下，初始光强 1000W/m2，系统输出功率为 140W；0.5s 时

光强为 800W/m2，造成最大功率点偏移，MPPT 在 0.01 秒内使其输出稳定在 108W 左

右；1s 时光照强度升至 1200W/m2，输出功率稳定在 175W 左右。随着光照强度变化，

MPPT 控制策略能够追踪到偏移的最大功率点。

（3）变温度下运行特性分析

光照强度恒为 1000 W/m2，环境温度在 0、0.5、1s 时变化分别为 25、50、0 ℃，仿

真时间 1.5s，光伏电池输出功率如图 2-18 所示。

a. 温度变化曲线 b. 系统输出功率
图 2-18 温度变化时系统输出功率

分析图 2-18 可知，光强恒为 1000W/m2，初始温度 25℃，输出功率为 140W；0.5s

时温度升至 50 ℃，造成最大功率点偏移，MPPT 控制在 0.01 秒使其输出稳定在 137W

左右；1s 时温度降至 0 ℃，输出稳定在 142W 左右。随着温度变化，MPPT 控制策略能

22
 新疆农业大学硕士学位论文

够追踪到偏移的最大功率点。

2.3 蓄电池充放电特性分析

2.3.1 蓄电池等效模型

蓄电池储能系统主要在微网系统出现功率波动时吸收或释放功率实现微网系统安

全稳定运行，是调节能量和平衡负荷的重要装置[59]。目前常用的蓄电池模型主要有以下

三种。

（1）理想模型

等效电路模型如图 2-19 所示，蓄电池端电压 Ubat 如式（2-18）所示。

图 2-19 理想模型等效电路

Ubat = Ebat − Ibat Rs （2-18）

其中 Rs 为电池内阻，Ω；Ibat 为内部电流，A； Ebat 为理想电动势，V；理想模型各

项参数恒定，能够表现电池内部基本电量关系，但没有考虑到铅酸蓄电池内部反应所造

成的损耗具有较大的局限性，因此又提出相关改进模型。

（2）改进型模型

考虑铅酸蓄电池内部氧化还原反应造成的寿命损耗，假设开路电压不变，内阻值大

小与蓄电池荷电状态（State Of Charge，SOC）如式（2-19）所示。
 R0
 R s =
 SOC k
 （2-19）
 SOC =1 − Q = 1 −  ibat dt
 Cbat Cbat

其中， R0 为 SOC=100%时电池内阻，Ω；k 为放电速度函数，与电池型号有关；Q

为电池容量，Ah；Cbat 为随着放电电流平均值而波动的瞬时值。此模型虽然考虑蓄电池

23
微电网储能系统控制策略及选址定容研究

内阻关于 SOC 变化之间的关系，但依然存在 SOC 参数考虑不全面的问题。

（3）通用模型

在考虑 SOC 对电池内部化学反应等因素时，为使蓄电池 SOC 参数更贴近实际蓄电

池工作变化，在不考虑其自放电效应的情况下，其等效模型如图 2-20。

图 2-20 蓄电池通用模型
可控电压源端电压 E 表达式如（2-20）：
Q
E = E0 − G + H ⋅ e( − B⋅it ) （2-20）
Q − it

E0 为恒定电压，V；G 为极化电压，V；H 为指数区域电压幅值，V；B 为指数区域

时间常数倒数，s-1。

本节选用的储能蓄电池为常用的铅酸蓄电池，通用模型结构简单，充分考虑电池内

部特性，是目前主流的计算蓄电池模型。

2.3.2 蓄电池充放电特性分析

蓄电池工作寿命与自身充放电控制有较大关联，主要有三种工作模式。①放电模式，

输出电能的过程。②充电模式，电池储蓄能量的过程。③浮充模式，电池内部保持一定

的化学能存储的工作模式，此模式下电池的储存能量不受自放电影响。放电、充电、浮

充三个工作模式构成蓄电池内部工作整体循环。

如图 2-21 所示为铅酸蓄电池充放电电流、电压和温度随工作时间变化特性曲线。初

始状态蓄电池 SOC=100%，蓄电池输出电压存在陡降过程，这是电池满容量接入负载时

内部化学反应所产生的正常现象；随后电压上升但电池容量开始消耗，电压缓慢下降，

电流稳定输出，处于恒压放电模式，此过程是一个复杂的非线性过程，受环境温度、自

放电率、负载大小、荷电状态等影响，与蓄电池型号也有一定关系。随着放电时间的延

长，内部反应剧烈放电到达下限，此时蓄电池电压会有一个突降过程，表示放电终止。

24
 新疆农业大学硕士学位论文

放电 充电 浮充

电压
电流
温度

时间

2-21 蓄电池充放电特性图

2.4 超级电容充放电特性分析

2.4.1 超级电容等效模型

随着储能装置的发展，储能系统的多元化，超级电容的研究进入了大众的视野。目

前常见的多为双层电容器，由电解液、电极、端板和隔离介质等几部份组成，其发电原

理如图 2-22 所示。

图 2-22 超级电容器充放电原理图

由图 2-22 可知，超级电容通过内部物质构成的两相界面存储电能[60]。由于超级电

容储存能量的过程可逆向进行，因此可频繁处于充放电切换状态，循环寿命十倍余能量

型储能电池。

本节选取经典 RC 串联模型为储能元件，等效电路如图 2-23 所示。

25
微电网储能系统控制策略及选址定容研究

图 2-23 经典串联 RC 模型

分析图 2-23，依据电路基本定律得式（2-21）。
 1 2
 E = 2 CU sc
 （2-21）
U sc = Rsc I + 1  Idt
 C sc

图 2-23 和式（2-21）中，E 为超级电容器存储的能量， Usc 为电容器电压。

该模型便于进行超级电容的充放电过程分析与计算，可较充分的反映出超级电容

工作特性。

2.4.2 超级电容充放电特性分析

超级电容器工作特性主要表现在以下几个方面：

（1）功率密度高。超级电容内部的串联电阻一般阻值较小，且在两相电解质界面之

间可对电能进行快速的储存和释放，其概率密度一般是电池的 10 倍以上。

（2）稳定性好，使用简单。一般可在-40～+85℃的环境条件下工作，在低温和高温

的工作性能稳定。

（3）寿命长。在超级电容充放电循环过程中，不受限于瞬时大电流放电影响，使用

寿命十倍余能量型储能电池和传统电容。

（4）无环境污染，维修少。超级电容器从原料、生产、组装、使用等过程中，都不

产生不排放有害化学元素或有害气体，且工作稳定几乎免维修。

虽然超级电容优势突出，但与蓄电池相比，其成本较高。超级电容平抑风光微电网

波动功率时，需搭配能量型元件采取合适的控制策略，减小寿命损耗。

2.5 本章小结

本章分析风、光微电源工作原理并建立相关的仿真模型，研究了气象条件（光照强

26
 新疆农业大学硕士学位论文

度、温度、风速）变化对其输出电能的影响。在此基础上通过扰动控制法实现风、光微

电源最大功率追踪。研究了蓄电池、超级电容的电路模型，分析了各自的工作特性，为

储能系统控制策略及选址定容研究提供理论基础。

27
微电网储能系统控制策略及选址定容研究

第 3 章 蓄电池充放电控制策略研究

电网络系统中，输出电能应与负载需求相持平，且最好随发随用，但在风光蓄微电

网中，由于风速和光照强度的波动性及间歇性，给系统功率平衡控制带来了极大挑战。

本章依据风光蓄功率平衡约束条件，获得蓄电池输出规律；在现代数学和控制理论的基

础上提出一种非线性控制策略，以整流电路协调微电网各模块间的电能传递。在相关仿

真软件中验证提议控制策略在各种情况下的有效性和优越性。

3.1 风光蓄微电网协调控制

3.1.1 风光蓄微电网拓扑结构

风光蓄微电网拓扑结构如图 3-1 所示，风、光微电源分别经升压电路、滤波整流电

路将能量汇入直流母线侧。DC/AC 逆变器采用 SVPWM 脉宽调制和滤波装置为交流负

载供电。直流母线连接 DC/DC 电路由蓄电池根据风光蓄功率平衡约束条件判断工作模

式，保障系统稳定运行。

图 3-1 风光蓄微电网拓扑结构

3.1.2 风光蓄微电网功率约束条件

为保证微电网输出电能质量，其输出规律需随着负载、气象条件的变化而调控。根

据风、光微电源出力模式、蓄电池荷电状态、负荷需求的变化，可将风光蓄微电网分为

不同运行模式。
28
 新疆农业大学硕士学位论文

在风光蓄微电网中，蓄电池作为平抑风光出力波动、保障系统稳定运行的重要组成。

当分布式输出电能剩余时，蓄电池进入充电模式；当分布式输出电能不足时，蓄电池进

入放电模式，保障微电网安全运行。令 Pref 为蓄电池参考出力，则微电网功率平衡约束

如式（3-1）所示。
 Pref = Pv + Pw − PL = Pb
 （3-1）
SOCbat-min < SOCbat-acu < SOCbat-max

式中 PL 为负荷需求；Pb 为蓄电池输出功率；SOCbat-act 为实际荷电状态，%；SOCb

at-max、SOCbat-min 分别为最大、最低允许荷电状态。根据式（3-1）本节提议的风光蓄微

电网协同控制策略如表 3-1 所示。

表 3-1 风光蓄微电网协同控制策略
外界环境变化 功率平衡条件 微电网各模块工作模式
风速、光强不 Pv + Pw﹣PL > 0 风、光出力，蓄电池充电
等于零 Pv + Pw﹣PL < 0 风、光、蓄共同出力
风速不等于 Pw > PL 风出力，蓄电池充电
零、光强为零 Pw < PL 风、蓄电池共同出力
风速为零、光 Pv > PL 光出力，蓄电池充电
强不等于零 Pv < PL 光、蓄电池共同出力
风速、光强均 有负载用电 蓄电池单独出力
为零 无负载 停止工作

依据负荷所需功率，根据表 3-1 风光蓄微电网协同控制策略可获得蓄电池出力规

律，进而由蓄电池充放电控制策略维持系统安全稳定运行。满足表 3-1 的风光蓄微电

网控制流程如图 3-2 所示。

29
微电网储能系统控制策略及选址定容研究

开始

采样PV、PW、SOCbat-acu、PL

Y
PV+PW-PL=ΔPL=0

N
N
ΔPL ˃ 0
Y
N 蓄电池停止工作，各微电
SOCbat-acu< SOCbat-max
SOCbat-acu ≤ SOCbat-min N 源由MPPT转为恒压控制
Y
Y
蓄电池停止工作，卸 蓄电池放电 蓄电池充电
掉非重要负载

图 3-2 风光蓄微电网控制流程图

储能系统检测风光输出功率、蓄电池荷电状态及负荷需求，参考式（3-1）风光蓄系

统功率约束条件，判断微电网功率波动方向，根据不同波动方向对比蓄电池 SOC 上下

限进而综合决策下一步工作状态。当波动功率 ΔPL = 0，系统返回开始重新检测；当波动

功率 ΔPL > 0，系统需吸收剩余功率或降低发电效率，若 SOCbat-act < SOCbat-max，蓄电池

进入充电状态，否则降低风光 MPPT 追踪效率；当波动功率蓄 ΔPL < 0，系统需释放功

率或切断部份负荷，若 SOCbat-act < SOCbat-min，蓄电池进入放电状态，否则卸掉部份负荷。

综上，微电网需依靠蓄电池平抑风光等微电源输出功率的波动性、间歇性所带来的

功率波动问题，因此其充放电控制是决定储能装置平抑网内功率波动保持供电质量的重

点技术。

3.2 蓄电池充放电非线性控制策略研究

根据偏差反馈的 PI 控制是目前主流的充放电控制策略，但 DC/DC 电路内部存在非

线性电力电子器件，且蓄电池本身充放电也具有非线性特征，PI 控制所得效果不佳[61]。

由于微电网中风光微电源输出波动较大，其内部控制同样具有非线性的特点，因此本节

通过对 DC/DC 电路采用非线性控制，保障直流侧母线电压稳定。

3.2.1 非线性控制策略简介

30
 新疆农业大学硕士学位论文

A.Kolesnikov 学者基于现代数学和协同学思想的基础上提出一种协同控制策略，也

是一种非线性控制策略[62]。主要应用于非线性数学模型，即数学模型不用进行线性化处

理，与其控制方法相比，其控制结构和控制规律分析过程更为简单。利用控制系统的非

线性特性，使被控制量稳定收敛到流行状态，通过流行使非线性系统保持在趋于闭环稳

定状态。与 PID 控制理论相比，主要具有以下特点：

（1）闭环系统控制目标的变化。根据控制系统的要求，控制器会在系统状态空间中

会产生符合要求定义的吸引子，控制的理想状态是使其运行在特定的吸引子附近，反映

系统行为的物理本质。

（2）不对系统进行线性化处理，直接利用了系统的非线性特性设计控制器。

（3）新的反馈设计方法，通过引入不变流行使被控对象形成自组织行为。

3.2.2 非线性控制策略的实现

一个有限 n 维的非线性动态系统，其状态微分方程如式（3-2）所示[63-65]。

 x = f ( x ) + B ( x )u
 x ∈ M , u ∈U （3-2）
 y = h( x)

式中，U 为容许控制集合；f(x)为非线性函数；B(x)为系统矩阵；h(x)为输出函数向

量； x 为状态矢量；x 为状态变量；u 为控制向量；y 为输出向量；M 为 1 个 n 维流形。

首先，根据系统状态方程，选取与 x 同维的宏变量：Ψ=Ψ（x，t）
。Ψ 是与 x 相关的

函数，其优化目的是使系统中的被控制量运行在吸引子区域。定义系统处于期望状态时，

（Ψ=0），其动态演化规律如式（3-3）所示。

TΨ (t ) + Ψ(t ) = 0
 −t /Y
Y >0 （3-3）
Ψ(t ) = Ψ(0)e

将 Ψ=Ψ（x, t）带入式（3-2）整理后如式（3-4）所示
∂Ψ ( x , t )
T x + Ψ ( x , t ) = 0 （3-4）
∂t

式（3-3）、（3-4）中 Y 为控制参数。

非线性控制理论中，若被控对象存在较大波动，常通过引入积分项与在线修正设置

参数 K，来加快系统的响应速度，使被控对象运行在期望状态（Ψ=0）。

31
微电网储能系统控制策略及选址定容研究

3.2.3 蓄电池非线性充放电控制策略的实现

本节采用 2 个晶体管（Insulated Gate Bipolar Transistor, IGBT）组成的 DC/DC 双向

充放电电路实现电能的双向传递。在直流母线侧和蓄电池储能系统间搭建 DC/DC 双向

电路，通过控制占空比使其在 Buck 降压和 Boost 升压电路之间自由切换，实现蓄电池

在充电、放电之间的自由切换。

图 3-3 双向 DC/DC 变换电路

图 3-3 中其中 D1 和 D2 为 IGBT 管。根据基础电路理论得 DC/DC 电路方程如式（3-

5）所示。
 d iL
 L dt + (1 − d1 ) U dc = U s

 L d iL + U = d U
 s 2 dc
 dt （3-5）
U s iL = U dc ib

C dU dc = i − i
 dt
b o

式中 d1 为 IGBT 管 D1 占空比；d2 为 IGBT 管 D2 占空比；Us 为储能侧端电压；ib 为

支路电流；io 为输出电流。

取 DC/DC 电路中 Udc 和 iL 为状态变量向量 x，取占空比 d1、d2 为控制向量 u，如式

（3-6）所示。
 xT = [ x1 x2 ]T = [U dc iL ]T
 T （3-6）
u = [u1 u2 ] = [d1 d 2 ]
T T

其中，[x1 x2]为状态变量向量；[u1 u2]为控制向量。

获得 Boost 模式下的系统动态方程如式（3-7）所示。

32
 新疆农业大学硕士学位论文

  iL io   iL 
  −  − C 
 x =f1 ( x) + B1 ( x )u1 =  C C +  d1
  U s − U dc   U dc  （3-7）
    
 L L   L 

 y1 = h1 ( x ) = (iL − iL -ref )

获得 Buck 模式下的系统动态方程如式（3-8）所示

  io   iL 
  −C   C 
 x =f 2 ( x ) + B2 ( x )u2 =  +  d2
  − Us   U dc  （3-8）
    
 L   L 

 y2 = h2 ( x ) = (iL − iL -ref )

式（3-7）、（3-8）中，iL-ref 为 DC/DC 电路中 iL 的参考值。

在 DC/DC 双向电路中，通过控制占空比使其在 Buck 降压和 Boost 升压电路之间自

由切换，控制系统达到期望状态（Ψ=0）。为增强系统的鲁棒性，引入电压积分控制器构

造系统宏变量如式（3-9）所示。
t
Ψ (t ) = Δu + K Δi + K v  Δudt （3-9）
0

式中，Δi 为电流偏差量；Δu 为电压偏差量；Kv 为积分系数。

在实际 DC/DC 电路中，受 IGBT 管、电感等元件参数变化的影响，使系统始终存

在稳态误差。为增强系统稳定性，引入电压偏差积分项，由式（3-9）选取宏变量如式（3-

10）所示。
t
Ψ (t ) = (U dc − U dc-ref ) + K (iL − iL -ref ) + K v  (U dc − U dc-ref )dt （3-10）
0

式中，Udc-ref 为被控电压参考值，V。

因期望 Ψ=0，K、Kv 值不应取值过大，K 值过大会缩短电感电流 iL 的变化范围，Kv

值过大，会改变电感电流变化范围，影响系统抗干扰能力，其值的设置只需满足系统控

制要求即可。

代入式（3-4）中，依据宏变量 Ψ(t)利用 Matlab 求解动态演化方程，获得占空比控

制规律 d1、d2 如式（3-11）和（3-12）所示。

LC (Udc − Udc-ref ) + K ( iL − iL-ref ) + Kv  (Udc − Udc-ref ) dt 

t

L(i − i ) − C(U s − Udc )

d1 = L o −  0  （3-11）
CUdc − iL L TKv (Udc − Udc-ref )(UdcC − iL L)

33
微电网储能系统控制策略及选址定容研究

LC (U dc − U dc-ref ) + K ( iL − iL -ref ) + K v  (U dc − U dc-ref ) dt 

t

d2 =
CU s + Lio
−  0  （3-12）
CU dc + LiL TK v (U dc − U dc-ref )( CU dc + LiL )

3.3 仿真分析

搭建风光蓄微电网模型如图 3-4。其中，风电系统采用永磁同步发电机，光发系统

经过 Boost 升压电路连接直流母线。风电系统和光伏系统出力大小主要由复杂多变的气

象条件决定，采用扰动观测法实现风光微电源的最大功率追踪以提高风电系统和光伏系

统的功率输出。Pb 为蓄电池输出功率，W。

图 3-4 风光蓄微电网模型

分别在气象条件或负荷正常变化、光强突变、大负荷投入下进行仿真，对比双向 PI

控制验证提议控制策略的优越性。风光蓄微电网模型主要参数见表 3-2。

34
 新疆农业大学硕士学位论文

表 3-2 风光蓄微电网模型主要参数
系统名称 参数名称 数值
开路电压/V 430
短路电流/A 50.64
光伏电池组
最大功率跟踪点电压/V 350
最大功率跟踪点电流/A 47.28
额定电压/V 300
永磁同步风力 额定功率/kW 6.8
-1
发电机 额定风速/(m∙s ) 12
-1
切入风速/(m∙s ) 3
额定电压/V 300
额定容量/Ah 100
蓄电池
充电电流/A 35
初始荷电状态/% 60

3.3.1 气象条件正常波动下动态响应

环境温度为 25℃，光强在 0、1、2、3s 变化为 0、500、1000、1500W/m2，风速在

0、1s 时变化为 0、9m/s，负荷需求 PL 恒为 10kW，分别在非线性控制策略和双向比例

积分（Proportional Integral, PI）控制策略下，其动态响应如图 3-5。

图 3-5 气象条件变化时系统的动态响应

分析图 3-5 可知：

① 在 0～1s，Pv = Pw= 0，由于光伏系统和风电系统无输出功率，蓄电池 SOC 满足

35
微电网储能系统控制策略及选址定容研究

放电要求，进入放电模式。1～1.2s，Pv < PL，由于光强、风速的提升，光伏出力为负载

供电，蓄电池出力减小。1.2～2s，Pv + Pw﹣PL<0，随着风电系统输出稳定，光伏出力不

变，蓄电池出力进一步削弱。2～3s，Pv + Pw﹣PL>0，光强增加但风速不变，风、光微电

源出力超过负载需求，蓄电池进入充电模式。3～4s，Pv + Pw﹣PL>0，风速不变、光强提

升，蓄电池充电速率增加。随着外界气象条件变化，蓄电池可实现充放电工作模式的自

由切换，平抑微电网功率波动。

② 非线性控制策略下，在 1.2s 时，由于风电系统开始输出功率造成直流母线电压

波动至 647V，非线性控制在 0.05s 内依据系统功率约束条件降低蓄电池输出功率，维持

微电网功率平衡，使直流母线电压由 647V 恢复至 640V。双向 PI 控制下，在 1.2s 时，

受风电系统出力影响直流母线电压波动至 650V，在 0.3s 左右恢复至 640V。

非线性控制策略和双向 PI 控制策略在气象条件正常变化时，控制策略对比分析结

果如表 3-3 所示。相较于双向 PI 控制，提议控制策略下 Udc 的恢复时间加快了 0.25s，

冲击波动减小了 0.5%。
表 3-3 气象条件正常变化时控制策略对比分析

气象条件正常变化 恢复时间/s 冲击波动/V

非线性控制策略 0.05 7

双向 PI 控制策略 0.3 10

3.3.2 负荷正常波动下动态响应

光强在 0、1、2s 变化为 0、500、1000W/m2，风速在 0、1s 时变化为 0、9m/s，负

荷需求 PL 在 0、1、2、3、4s 变化为 14、15、14、10、14kW。分别在非线性控制策略和

双向 PI 控制策略下，其动态响应如图 3-6。

36
 新疆农业大学硕士学位论文

图 3-6 负荷波动下的动态响应

分析图 3-6 可知：

① 0～0.5s，Pv = Pw= 0，由于风光微电源输出功率为零，蓄电池 SOC 满足放电要求

进入放电模式。0.5～1s，Pw < PL，风电系统输出功率向负荷供电，蓄电池出力减弱。1～

2s，负荷投入 1kW，Pv + Pw﹣PL<0，蓄电池输出电能维持系统功率平衡。2～3s，负荷切

出 1kW，Pv + Pw﹣PL <0，光强继续增加，蓄电池出力减弱。3～4 s，负荷突降为 10kW，

Pv + Pw﹣PL >0，风光微电源输出超过负荷需求，蓄电池 SOC 满足充电要求，进入充电

模式。4～5s，负荷升至 14kW，Pv + Pw﹣PL <0，蓄电池放电控制系统功率平衡。

② 非线性控制策略下，在 3s 时负荷突降 4kW，Udc 瞬间升至 646.5V，非线性控制

策略在 0.05s 内控制 DC/DC 电路切换 Buck 模式，蓄电池迅速进入充电模式吸收系统剩

余功率，使 Udc 稳定在 640V。双向 PI 控制策略下，在 3s 时受负荷波动影响，Udc 瞬间

升至 649V，在 0.2s 左右恢复至 640V。

非线性控制策略和双向 PI 控制策略在负荷正常波动时，控制策略对比分析结果如

表 3-4 所示。相较于双向 PI 控制，提议控制策略下 Udc 的恢复时间加快了 0.15s，冲击

波动减小了 0.4%。
表 3-4 负荷正常波动时控制策略对比分析

负荷正常波动 恢复时间/s 冲击波动/V

非线性控制策略 0.05 6.5

双向 PI 控制策略 0.2 9

37
微电网储能系统控制策略及选址定容研究

3.3.3 突发特殊故障下动态响应

当光强因机械故障突降为 0 时，分别在非线性控制策略和双向 PI 控制策略下，其

动态响应如图 3-7。在 3s 时光强变为 0W/m2，风速在 0、1s 时变化为 0、9m/s。

图 3-7 突发特殊故障时的动态响应

分析图 3-7 可知，非线性控制策略下，在 3s 时光强变为 0 时，Udc 瞬间降至 625V，

在 0.05s 内控制 DC/DC 电路进入 Boost 模式，蓄电池出力使 Udc 恢复至 640V。双向 PI

控制策略下，受光强突变影响 Udc 降至 620V，在 0.3s 后恢复至 640V。

非线性控制策略和双向 PI 控制策略在突发特殊故障时，控制策略对比分析结果如

表 3-5 所示。相较于双向 PI 控制，提议控制策略下 Udc 的恢复时间加快了 0.25s，冲击

波动减小了 0.8%。
表 3-5 突发特殊故障时控制策略对比分析

突发特殊故障 恢复时间/s 冲击波动/V

非线性控制策略 0.05 15

双向 PI 控制策略 0.3 20

3.3.4 大负荷投入下动态响应

光强恒为 1000W/m2，风速在 0～0.5s 间变化为 0～9m/s，初始负荷 PL 为 10kW，3s

时负荷突增 8kW，分别在非线性控制策略和双向 PI 控制策略下，系统动态响应如图 3-

8。

38
 新疆农业大学硕士学位论文

图 3-8 大负荷投入时的动态响应

分析图 3-8 可知，在非线性控制策略下，3s 时负荷投入 8kW，Udc 瞬间降至 629V，

在 0.05s 内控制 DC/DC 电路进入 Boost 模式，蓄电池出力使 Udc 恢复至 640V。双向 PI

控制策略下，3s 时受大负荷投入影响，Udc 瞬间降至 626V，在 0.3s 左右恢复至 640V。

非线性控制策略和双向 PI 控制策略在大负荷投入时，控制策略对比分析结果如表

3-6 所示。相较于双向 PI 控制，提议控制策略下 Udc 的恢复时间加快了 0.25s，冲击波动

减小了 0.5%。
表 3-6 大负荷投入时控制策略对比分析

大负荷投入 恢复时间/s 冲击波动/V

非线性控制策略 0.05 11

双向 PI 控制策略 0.3 14

3.4 本章小结

本章依据风光蓄功率平衡约束条件，获得蓄电池输出规律；在现代数学和控制理论

的基础上提出一种非线性控制策略，以整流电路协调微电网各模块间的电能传递。在相

关仿真软件下构建风光蓄微电网模型，对比双向 PI 控制策略与提议控制策略在各种情

况下分析结果如表 3-7 所示。

39
微电网储能系统控制策略及选址定容研究

表 3-7 非线性控制与双向 PI 控制对比分析

非线性控制策略下 Udc 双向 PI 控制策略下 Udc
风光蓄微电网运行模式
恢复时间/s 冲击波动/V 恢复时间/s 冲击波动/V

气象条件正常变化 0.05 7 0.3 10

负荷正常变化 0.05 6.5 0.2 9

突发特殊故障 0.05 15 0.3 20

大负荷投入 0.05 11 0.3 14

结果表明：对比双向 PI 控制，非线性控制在各种情况下的 Udc 的恢复时间加快了

0.15s～0.25s，平均加快 0.2s，冲击波动减小了 0.4%～0.8%，平均减小 0.6%。非线性控

制策略可有效协调微网各系统间能量传递，增强了系统的抗干扰能力。

40
 新疆农业大学硕士学位论文

第 4 章 混合储能系统功率分配策略研究

本章以超级电容与蓄电池构成的 HESS 为控制目标，在充分了解各自工作特性的基

础上，提出一种有效的 HESS 功率分配策略，实现网内波动功率协调分配；采用经 Siso

反馈控制技术调参后的 PI 控制器矫正充放电电流，在此基础上控制其输出功率达到理

想值。通过仿真试验对比 LPF 控制策略验证提议控制策略在气象条件、负荷正常波动下

的有效性。

4.1 风光储混合微电网协调控制

由于蓄电池自身的物理特性限制，在瞬时尖峰功率和长时间处于充放电频繁切换状

态会给其寿命造成不可逆折损，不利于微电网的经济性运维管理，因此需引入其他储能

元件平抑瞬时尖峰功率与高频功率以确保微电网高效、经济的工作。超级电容和蓄电池

构成 HESS 的控制策略研究受到国内外学者的广泛关注。

4.1.1 风光储混合微电网拓扑结构

图 4-1 所示为风光混合储能微电网模型，风、光微电源分别经升压电路、滤波整流

电路将能量汇入直流母线侧，DC/AC 逆变器为交流负载供电。直流母线连接直流变换器

将经过混合储能调节后的能量送于直流负载。DC/DC 双向变换电路连接 HESS 用于匹

配风光输出功率与负荷需求功率之间的偏差。

41
微电网储能系统控制策略及选址定容研究

图 4-1 基于 HESS 微电网拓扑结构

4.1.2 风光储混合微电网功率约束条件

在图 4-1 中，微电网输出功率主要由风电模块/光伏阵列输出功率组成，分别为 Pw、

Pv，W；超级电容输入输出功率为 Psc；网内出力波动功率 Pgird；蓄电池/超级电容输出功

率参考值分别为 Pba-gird、Psc-gird；超级电容实际、上限、下限荷电状态分别为 SOCsc-act、

SOCsc-max、SOCsc-min。基于混合储能系统的微电网功率供需平衡约束条件如式（4-1）：
 Pgird = PL − Pw − Pv = Pb + Psc

SOCba-min < SOCba-acu < SOCba-max （4-1）
SOC
 sc-min < SOCsc-acu < SOCsc-max

Pgird 为负，储能系统充电；Pgird 为正，储能系统放电。

4.2 混合储能系统功率分配策略的实现

HESS 控制是平抑分布式电源供能波动性、间歇性所造成的微电网供需功率偏差的

关键技术。传统的单一储能设备难以满足复杂、阶段性波动功率 Pgird，需采用多种储能

方式构成 HESS。

4.2.1 基于低通滤波器功率分配策略

42
 新疆农业大学硕士学位论文

为达到网内功率动态平衡，功率控制系统需实时检测 Pw、Pv 和 PL 的变化，根据式

（4-1）计算出储能系统需释放或吸收的参考值。当 Pgird 不等于零时，低频滤波器(Low

Pass Filter, LPF)对 Pgird 划分低频分量，期望蓄电池补偿 Pgird 低频分量，避免蓄电池由于

高频波动处于充放电频繁转换阶段，超级电容平抑 Pgird 高频分量。一阶低通滤波器的传

递函数如式（4-2）所示[66-67]。

1
H ( s) = （4-2）
1+τ s

式中，τ 为滤波时间常数，s 为微分算子。

将 s = jω 代入式（4-2），其 LPF 的频率特性和幅频特性分别如式（4-3）、式（4-

4）所示。

1
H (ω) = （4-3）
1+ jωτ

1
H ( ω) = （4-4）
1+ (ωτ )
2

根据式（4-3）、（4-4）得其幅频特性曲线如图 4-2 所示。

A(ω)

1
0.707

0
ωc ω
图 4-2 幅频特性曲线

图 4-2 中，ωc=1/τ 为截止频率。

基于低通滤波器的混合储能功率协调分配策略控制框图如图 4-3 所示，微电网网内

出力波动功率 Pgird 经 LPF 后得到的平滑后的部份作为蓄电池出力参考值 Pba-gird，其剩余

部份为超级电容出力功率，通过对 DC/DC 变换器控制实现储能系统在吸收/释放之间的

状态切换。

43
微电网储能系统控制策略及选址定容研究

Pgird 低通滤 Pba-gird ibaref Dba iba

1/Uba PI PWM DC/DC
波器 +

Psc-gird
1/Usc
Udcref + iscref
+ Dsc isc
PI PI PWM DC/DC
+ + Udc

图 4-3 基于 LPF 的 HESS 充放电控制框图

4.2.2 基于超级电容荷电状态的 HESS 功率分配策略

传统 LPF 控制的功率分配策略依据网内波动功率高低频阀值进行功率分配，忽略了

超级电容荷电状态与蓄电池瞬时大功率对整体储能系统稳定性、使用寿命的不利影响。

考虑超级电容属于功率型储能器件，其寿命不受瞬时大电流放电影响，循环寿命十倍余

能量型储能电池，采用以超级电容 SOC 为功率分配的依据，避免分析功率波动特性及

滤波参数整定，依据 SOC 即可对功率进行合理分配。基于蓄电池输入输出参考功率的

上下限与超级电容荷电状态为控制量的 HESS 控制策略的控制思想如式（4-5）。

Pb = f ( SOCsc ) （4-5）

以超级电容 SOCsc 为自变量，得到与之变化相关蓄电池 Pba 的参考功率，f(SOCsc)为

带有蓄电池参考功率上限 Pba-max 和下限-Pba-max 的单调递减线性函数[68-70]，如图 4-4 所

示，与之对应的函数如式（4-6）所示。SOCsc 为自变量按线性关系对 Pba-gird 进行约束，

当 SOCsc 接近上(下)限时，Pba-gird 将会承担更多功率。超级电容 SOC 反映一定时间内其

容量的积累过程，即充放电电流对时间的积分，变化较平缓无突变状况发生，依据荷电

状态得到与之变化趋势相关的蓄电池参考功率变化函数，将平滑蓄电池瞬时输出功率使

其充放电切换次数减少，减轻蓄电池直接消纳尖峰功率，延长使用寿命。
0 过放 Pba-gird
区间 Pmax
SOCsc-min 超级电
容/蓄
电池充 SOCsc-max
放电调 0 SOCsc-min SOCsc
SOCsc-max 节区间
过充
100% 区间 -P
max

图 4-4 f(SOCsc)函数

44
 新疆农业大学硕士学位论文

 −2Pba-max SO Csc-max + SO Csc-min 

Pba-gird = × ( SO Csc − 
 SO Csc-max − SO Csc-min 2  （4-6）
P
 sc-gird = Pgird − Pba-gird

通过式（4-6）得到 Pba-gird、Psc-gird ，根据蓄电池与超级电容端电压可得各自充放电

流参考值，与实际值比较形成反馈，由 PI 控制调节偏差进行储能系统充放电控制。

对比 LPF 控制策略只对网内波动功率高低频进行划分，但欠缺对蓄电池、超级电容

等储能元件荷电状态约束条件的综合考虑，易使储能元件超出正常工作区间，对储能元

件的使用寿命造成一定影响。相反，本节提议控制策略下，依据超级电容荷电状态将蓄

电池参考输出功率以线性关系进行约束，在超级电容容量接近上下限时，蓄电池会吸收

或释放更多功率，保证了超级电容在正常工作区间内，尽量避免超级电容出现过度充电

或放电的现象发生。此外，电容 SOC 曲线变化较缓慢，按其线性约束得到的 Pba-gird 变

化也相对平滑，符合蓄电池的充放电响应缓慢的特性。平滑蓄电池瞬时输出功率，减轻

了直接消纳尖峰功率，延长使用寿命，保证微电网的经济性运行。

基于超级电容荷电状态的混合储能功率协调分配策略获得各储能元件出力规律后，

HESS 控制策略为：

①蓄电池充放电控制：在基于超级电容荷电状体功率分配策略下得到 Pba-gird，根据

蓄电池端电压获得蓄电池充放电参考电流 ibaref，采用单电流环控制蓄电池充放电电流 iba。

②超级电容储能系统：根据式（4-6）获得 Psc-gird，电流内环通过控制超级电容充放

电参考电流 iscref 来追踪给定 Psc-gird，充放电控制如图 4-5 所示。

Pgird 功率分 Pba-gird ibaref Dba iba
配策略 1/Uba PI PWM DC/DC
+

Psc-gird
1/Usc
+ iscref
Udcref + Dsc isc
PI PI PWM DC/DC
+ + Udc

图 4-5 基于 f(SOCsc)的 HESS 充放电控制框图

通过式（4-6）确定蓄电池、超级电容的参考出力规律后，由 PI 控制器追踪输出功

保证 Udc 稳定。PI 控制器参数整定的准确性将直接影响平抑波动功率的性能。

率参考值，

45
微电网储能系统控制策略及选址定容研究

4.3 基于 Siso 反馈技术的储能系统充放电控制器 PI 参数整定

4.3.1 双向 DC/DC 电路的状态空间模型

由图 4-1 知，当微电网出现混合功率波动时，主要依靠 HESS 吸收或输出功率抑制

功率波动，避免其对电力系统电能质量造成的不利影响。微电网中通过双向 DC-DC 电

路来调控微电网各系统间的电能传输。本节选用的双向 DC/DC 电路拓扑结构如图 4-6

所示。

Q1
D1
iL
Udc C1
L
Q2
D2 C2 Ub

图 4-6 双向 DC/DC 电路拓扑结构

为建立半桥型 DC/DC 变换器在 Buck 与 Boost 工作模式下的状态空间模型，选取储

能侧电容电压 UC2，电容电压 UC1 和 DC/DC 电路电感电流 iL 为状态变量；以 Udc、储能

侧 Ub 为输入扰动量。Rdc 和 Rb 分别为直流、储能侧等效电阻；C1 和 C2 分别为直流、储

能电容。根据状态空间法，可得矩阵方程如式（4-7）。

 dU C1 
 dt 
   U C1 
 C 2  =A  U  + B  U dc 
dU
 dt   C 2    （4-7）
   Ub 
   iL 
 diL 
 dt 
 

（1）Buck 模式状态空间模型

Buck 模式下，开关管 Q1 导通，Q2 关断，其等效电路如图 4-7 所示。

46
 新疆农业大学硕士学位论文

Q1 Q1
Udc D1 Udc D1

C1 L C1 L
iL Ub iL Ub
Rdc Q2 Rdc Q2
D2 C2 Rb D2 C2 Rb

a. 状态 1 b. 状态 2
图 4-7 Buck 模式下等效电路

① Buck 模式状态 1，Q1 导通，Q2 截止，D1、D2 截止时，等效电路如图 4-7.a 所示，

分析基本电路定律得式（4-8）：
  dU C1 
U dc = Rdc  C1 + iL  + U C1
  d t 
  dU C2 
U b = Rb  C2 + iL  + U C2 （4-8）
  dt 
 di
 U C1 = L L + U C1
 dt

化简整理得：
 dU C1 1 1 1
 dt = − R C U C1 − C iL + R C U dc
 dc 1 1 dc 1

 dU C2 1 1 1
 =− U C2 + iL + Ub （4-9）
 d t R C
b 2 C 2 R b C2
 d iL 1 1
 = U C1 − U C2
 dt L L

根据式（4-8）、（4-9）得 Buck 模式下状态 1 系数矩阵式（4-10）。

 1 1   1 
− R 0 −
C1  R C 0 
 dc   dc 1 
 1 1   1 
A1 =  0 −  B1 =  0  （4-10）
 Rb C2 C2   Rb C2 
 1 1   0 0 
 − 0   
 L L   

② Buck 模式状态 2，Q1、Q2 截止，D1 截止，D2 导通时，等效电路如图 4-7.b 所示，

由基本电路定律得式（4-11）：
 dU C1
 U dc = Rdc C1 dt + U C1

  dU C2 
U b = Rb  C2 − iL  + U C2 （4-11）
  d t 
 diL
 U C2 = − L
 dt

47
微电网储能系统控制策略及选址定容研究

化简整理得：
 dU C1 1 1
 dt = − R C U C1 + R C U dc
 dc 1 dc 1

 dU C2 1 1 1
 =− UC2 + iL + Ub （4-12）
 dt Rb C2 C2 Rb C2
 d iL 1
 = − UC2
 d t L

根据式（4-11）、（4-12）得 Buck 模式下状态 2 系数矩阵式（4-13）。

 1   1 
− R C 0 0  R C 0 
 dc 1   dc 1 
 1 1   1 
A2 =  0 −  B2 =  0  （4-13）
 Rb C2 C2   Rb C2 
 1   0 0 
 0 − 0   
 L   

（2）Boost 模式状态空间模型

Boost 模式下，开关管 Q1 关断，Q2 导通。此时，Boost 模式根据反向并联二极管 D1

是否续流分为两种工作状态，其等效电路如图 4-8 所示。

Q1 Q1
Udc D1 Udc D1

C1 L C1 L
iL Ub iL Ub
Rdc Q2 Rdc Q2
D2 C2 Rb D2 C2 Rb

a. 状态 1 b. 状态 2
图 4-8 Boost 模式下等效电路

① Boost 模式状态 1，Q1 关断，Q2 导通，D1，D2 截止时，等效电路如图 4-8.a 所示，

由基本电路定律得式（4-14）：
 dU C1
 U dc = Rdc C1 dt + U C1

  dU C2 
U b = Rb  C2 + iL  + U C2 （4-14）
  d t 
 diL
 U C2 = L
 dt

化简整理得：

48
 新疆农业大学硕士学位论文

 dU C1 1 1
 =− U C1 + U dc
dt Rdc C1 Rdc C1

 dU C2 1 1 1
 =− U C2 − iL + Ub （4-15）
 dt Rb C2 C2 Rb C2
 d iL 1
 = U C2
 dt L

根据式（4-14）、（4-15）得 Boost 模式下状态 1 系数矩阵式（4-16）。

 1   1 
− R C 0 0  R C 0 
 dc 1   dc 1 
 1 1   1 
A3 =  0 − −  B3 =  0  （4-16）
 Rb C2 C2   Rb C2 
 1   0 0 
 0 0   
 L   

② Boost 模式状态 1，Q1，Q2 关断，D1 导通，D2 关断时，等效电路如图 4-8.b 所示，

由基本电路定律得式（4-17）：
  dU C1 
U dc = Rdc  C1 − iL  + U C1
  dt 
  dU C2 
U b = Rb  C2 + iL  + U C2 （4-17）
  d t 
 diL
 U C1 = − L + U C2
 dt

化简整理得：
 dU C1 1 1 1
 dt = − R C U C1 + C iL + R C U dc
 dc 1 1 dc 1

 dU C2 1 1 1
 =− UC2 − iL + Ub （4-18）
 dt Rb C2 C2 Rb C2
 d iL 1 1
 = − U C1 + U C 2
 d t L L

根据式（4-17）、（4-18）得 Buck 模式下状态 2 系数矩阵式（4-19）。

 1 1   1 
− R C 0
C1  R C 0 
 dc 1   dc 1 
 1 1   1 
A4 =  0 − −  B4 =  0  （4-19）
 Rb C2 C2   Rb C2 
 1 1   0 0 
 − 0   
 L L   

（3）状态空间模型

本 节 根 据 双 向 DC/DC 电 路 在 不 同 工 作 状 态 下 得 状 态 空 间 的 建 模 方 法 。 用

X*=ABuckX+BBuckU 表示电路在降压模式下一个开关周期的状态方程，则系数矩阵 ABuck、

49
微电网储能系统控制策略及选址定容研究

BBuck 与该模式下的系数矩阵函数关系式可表示为：

 ABuck = d Buck A1 + (1 − d Buck ) A2

 （4-20）
 BBuck = d Buck B1 + (1 − d Buck ) B2

把 A1、B1、A2、B2 代入式（4-21）得：
 1 d Buck   1 
− R C 0 −
C1   R C 0 
 dc 1  dc 1 
 1 1   1 
A Buck =  0 −  BBuck =  0  （4-21）
 Rb C2 C2   Rb C2 
 d 1   0 0 
 Buck − 0   
 L L   

其中，dBuck 降压模式下的 IGBT 管占空比，将式（4-21）代入式（4-7）可得 Buck 模

式下状态空间方程如式（4-22）所示：

 dU C 1  − 1 0 −
d Buck   1
0 

   R C C1  R C
 dt   dc 1
 U C1   dc 1 
 dU C 2   1 1     1   U dc 
 dt = 0 −  UC 2  +  0   （4-22）
Rb C2 C2  Rb C2   U b 
    i  
 L  
 diL   d Buck 1  0 0 
 dt   − 0   
   L L   

令 X*=ABoostX+BBoostU 表示变换器工作在 Boost 模式下的一个开关周期的状态方程，

同理系数矩阵 ABoost、BBoost 与该模式下的系数矩阵函数关系式可表示与 Buck 模式相似，

则其系数矩阵如式（4-23）所示，Boost 模式下状态空间方程如式（4-24）所示。
 1 1 − d Boost   1 
 −R C 0
C1  R C 0 
 dc 1  dc 1 
 1 1   1 
A Boost =  0 − −  B Boost =  0  （4-23）
 Rb C2 C2   Rb C2 
 1 − d Boost 1   0 0 
− − 0   
 L L   

 dU C 1   − 1 1 − d Boost   1 
0 0 
   R C C1  R C
 dt   dc 1
 U C1   dc 1 
 dU C 2   1 1     1   U dc 
 dt = 0 − −  U C 2  +  0   （4-24）
Rb C2 C2  Rb C2   U b 
    i  
 L  
 diL   1 − d Boost 1  0 0 
 dt  − − 0   
   L L   

4.3.2 双向 DC/DC 电路的传递函数

（4-24）双向 DC/DC 电路的状态方程，可将电路的状态方程统一表示

依据式(4-22)、

50
 新疆农业大学硕士学位论文

为式（4-25）所示。

X * = F ( X，U，d ) （4-25）
∧ ∧ ∧
用泰勒级数展开式（4-25），若 X = X − X 0 ， Y = Y − Y0 ， d = d − d 0 ，不计二次及以

上的高次项，其小信号模型可为：
∧ ∧ ∧
X * = A X +BU +C d （4-26）

式（4-26）中，各小信号扰动量分别为 X0、U0、d0，则 A=∂F(X0，U0，d0)/∂X，B=∂F(X0，

U0，d0)/∂U，C=∂F(X0，U0，d0)/∂d。

对时域小信号模型进行拉普拉斯变换，可得复频域内状态空间方程表达式：
∧ ∧ ∧ ∧
s X ( s ) = A X ( s )+BU ( s ) +C d ( s ) （4-27）

如果(sI-A)-1 存在，则式（4-27）的解为：
∧ ∧ ∧
X ( s) = ( sI − A)−1 BU (s)+( sI − A)−1 C d ( s) （4-28）

利用 Matlab 求解式（4-28），可得到 DC/DC 电路不同工作模式下传递函数。

储能系统运行在 Buck 模式下，可得 iL 与 Udc 之间传递函数如式（4-29）所示，d 与

iL 之间得传递函数（4-30）。
∧
LC2 s 2 + sL
+1
u dc ( s ) Rb
Gui1 ( s ) = ∧ = （4-29）
i L ( s )  C2 s + 1  d Buck
 Rb 

∧
U dc  C2 s + 1 
i L (s)  Rb 
Gid1 ( s ) = ∧ = （4-30）
2 sL
d Buck ( s ) LC2 s + Rb + 1

储能系统运行在 Boost 模式下，可得 iL 与 Udc 之间传递函数如式（4-31）所示，d 与

iL 之间得传递函数（4-32）。
∧
R (1 − d Boost ) − sL
2
u dc ( s )
Gui2 ( s ) = ∧ = dc （4-31）
i L ( s ) (1 − d Boost )( RdcC1s + 2 )

∧
U dc  C1s + 2 
i L ( s)  Rdc 
Gid2 ( s) = ∧ = （4-32）
d Boost ( s) LC1s + Rdc + (1 − d Boost )
2 sL 2

51
微电网储能系统控制策略及选址定容研究

4.3.3 储能系统充放电 PI 参数整定

传统 PI 控制参数整定通常采取频率法和根轨迹法，其过程可看成是一种无限循环

和凑试的运算，涉及到各种复杂的计算和绘图，工作量大且常常达不到预期的效果。

Sisotool 是 MATLAB 中的一个工具箱，用来进行 Siso 反馈控制系统的调试与分析。该

控制技术在输入系统传递函数可自动显示幅频特性曲线，设计相角裕度得到控制器传递

函数，达到理想相角裕度标准。

本节采取 Siso 反馈控制技术[71-73]对 Buck/Boost 模式电流环的开环传递函数在线矫

正，通过可视化工具配置零极点，依据最佳相角裕度判断系统矫正参数。DC/DC 变换器

参数见表 4-1。
表 4-1 DC/DC 电路参数
参数名称 数值
Udc /V 700
C1/μF 1000
C2/ μF 500
L/mH 0.1
Rs/Ω 0.1
Rdc/Ω 1

（1）Buck 模式 PI 参数整定

由式（4-29）得 Buck 模式下系统开环传递函数：

0.35s + 7 ×103
Gui1 (s) = （4-33）
5 ×10-8 s 2 + 1×10−3 s + 1

由式（4-33）得校正前后的幅频特性曲线如图 4-9。

52
 新疆农业大学硕士学位论文

a. 校正前伯德图 b. 校正后伯德图
图 4-9 Buck 模式下校正前后系统频率特性

观察图 4-9. a 可知，幅频裕度初始斜率为 0 dB/dec，即存在稳态误差，相角裕度为

90 deg，在工业设计中理想裕度为 35˚～60˚；加入 PI 控制器后系统频率特性曲线如图 4-

9. b 所示，增加积分项消除稳态误差，初始斜率变为-20 dB/dec，相角裕度变为 60 deg，

符合理想工业标准。利用 Siso 反馈控制系统，

采用鲁棒响应时间法（robust response time）

得到 PI 控制器传递函数如式（4-34）：

1 + 3.2 ×10−4 s
Gpi-1 ( s) = 0.57 × （4-34）
s

（2）Boost 模式 PI 参数整定

由式（4-31）得 Boost 模式下系统开环传递函数：

0.7s + 1.4 ×103

Gui2 ( s) = （4-35）
1×10-7 s 2 + 1×10−4 s + 0.41

由式（4-35）得系统校正前后的幅频特性曲线如图 4-10。

53
微电网储能系统控制策略及选址定容研究

a. 校正前伯德图 b. 校正后伯德图
图 4-10 Boost 模式下校正前后系统频率特性

观察图 4-10. a 可知，幅频裕度初始斜率为 0 dB/dec，存在稳态误差，相角裕度为 90

deg，加入 PI 控制器后系统频率特性曲线如图 4-10. b 所示，初始斜率变为-20 dB/dec，

相角裕度变为 60 deg，得到 PI 控制器传递函数如式（4-36）：

1 + 1.7 ×10−5 s
Gpi-2 ( s ) = 0.2 × （4-36）
s

4.4 仿真分析

为验证提议控制策略对微电网内波动功率的有效分配和采用 Siso 反馈技术调参后

PI 控制器的有效性，搭建风光储混合微电网模型如图 4-11 所示，光伏电池、风力机、蓄

电池、超级电容模型参数如表 4-2 所示。

54
 新疆农业大学硕士学位论文

图 4-11 风光储混合微电网模型
表 4-2 风光储混合微电网系统主要参数
系统名称 参数名称 数值
开路电压/V 316
短路电流/A 22.48
光伏电池系统
最大功率跟踪点电压/V 256.2
最大功率跟踪点电流/A 20.8
额定电压/V 300
永磁同步风力发 额定功率/kW 4
-1
电机 额定风速/(m∙s ) 12
-1
切入风速/(m∙s ) 3
额定电压/V 240
蓄电池 额定容量/Ah 70
初始荷电状态/% 60
额定电压/V 300
超级电容 额定电容/F 20
初始荷电状态/% 65

温度为 25 ℃，初始负荷为 10kW，超级电容 SOC 阀值 SOCsc-min、SOCsc-max 分别为

25%、75%。光强在 0、3、4 s 变化为 500、1000、500W/m2，风速在 0、2、5s 变化为 9、

12、6 m/s。负荷 PL 在 0、6s 为 10、13kW，PS 为 HESS 输出或吸收总功率，环境和负载

变化时系统动态响应如图 4-12。分析图 4-12 可知：

① 风、光微电源出力随着环境变化而改变，为了平抑其输出功率的波动保证负荷

55
微电网储能系统控制策略及选址定容研究

供电的稳定性，HESS 对波动功率进行平抑，当吞吐功率为正，HESS 放电；当吞吐功率

为负，HESS 充电。

② 负载在 6 s 时突增 3kW，为平抑负荷变化造成的功率波动，HESS 系统迅速放电，

在 0.1s 内出力由 6.5kW 迅速提升稳定至 9.5kW 维持网内吞吐功率平衡。

a. 光伏电池输出功率 b. 风力机组输出功率

c. 负荷需求 d. 储能系统输出功率
图 4-12 环境和负载变化时系统的动态响应

分别采用考虑超级电容 SOC 与基于 LPF 控制的功率分配策略，HESS 系统各模块

输出功率及荷电状态如图 4-13 所示。SOCba、SOCsc 分别为蓄电池、超级电容荷电状态。

分析图 4-13 可知：

① 蓄电池输出功率较传统 LPF 控制前者波动变化平缓，其瞬时波动幅值始终小于

后者；超级电容平抑尖峰时刻功率波动相比 LPF 控制其出力幅值较大、充放电切换迅

速。

② 蓄电池荷电状态在气象条件及负荷正常变化下，采用提议控制策略下其充放电

过程较平缓，削减了蓄电池瞬时消纳顶峰功率与高频功率时对寿命的不利影响；超级电

容荷电状态较 LPF 控制变化更剧烈，在处理顶峰功率时，其 SOC 迅速减小，引起 Pba 缓

慢增大，整个过程中蓄电池功率瞬时变化幅值较小。

56
 新疆农业大学硕士学位论文

a. 蓄电池输出功率 b. 超级电容输出功率

c. 蓄电池荷电状态 d. 超级电容荷电状态
图 4-13 HESS 系统各模块输出功率及荷电状态

图 4-14 直流母线电压

由图 4-14 可知较于 LPF 控制策略，提议控制策略在气象条件及负荷正常变化下，

直流母线电压扰动后的动态恢复时间明显缩短，6s 时电压跌落最大幅值为 678V，波动

值为 3.1%≤5%，且能够在 0.1s 内恢复到期望值。

4.5 本章小结

本章根据微电网功率约束条件获得 HESS 出力规律，在分析功率型和能量型储能元

件充放电特性的基础上，提出一种基于超级电容荷电状态的混合储能功率分配策略，并

利用 Siso 反馈控制技术整定 PI 控制器提高 HESS 充放电控制效率。仿真试验表明：

（1）相比于 LPF 控制，提议的 HESS 功率分配策略可实现网内波动功率协调分配，

降低蓄电池瞬时输出，减小寿命损耗；在保证直流母线电压波动值≤5%的同时缩短了动

态恢复时间。

57
微电网储能系统控制策略及选址定容研究

（2）根据工业控制理想相角裕度域值，利用 Siso 反馈技术的自动调节寻优设计了

PI 控制器，避免了传统参数整定中零极点配置的参数局部最优化以及在 Matlab 中大量

计算的缺陷。

58
 新疆农业大学硕士学位论文

第 5 章 储能系统选址定容研究

储能装置能够在一定程度上削减风、光微电源并网后带来的不利影响[74-76]，其接入

位置和容量的优化配置对平抑配网功率波动具有重要影响。本章采用粒子群算法结合基

于信息熵的序数偏好法求解储能系统选址定容多目标优化模型，在 IEEE-33 节点微电网

系统中，根据不同季节下新疆西南地区光伏与风电出力规律求解储能接入位置及容量配

置方案。

5.1 储能系统在配网中的应用

储能系统的发展对提高风光等微电源接入配网后的供电质量具有重要作用。储能系

统在配网关键节点的应用总结如下[77-79]：

（1）削峰填谷。由于用户典型用电习惯，在电力系统中负荷波动成峰谷趋势，储能

装置可以在高负荷时释放能量，低负荷用电时段将多余电能转化为化学能或机械能的形

式进行储存，在一定程度上缓解负荷波动对电能质量的影响，起到削峰填谷的作用。

（2）提高供电质量。配网节点接入储能设备可依据网络需求实现电能的快充快放，

为电网提供调相、调压、调频等辅助功能，增强了电力系统的稳定性和可靠性。

（3）提高电网经济效益。储能系统在使电能双向流动的过程中减小波动以提高供

电质量可大大延长系统运行设备的使用寿命，降低功率冲击所带来的不必要损耗，从而

减少系统的建设和维护费用，实现电网的经济性运行。

在微电网接入配网的同时，需考虑储能系统接入位置及容量大小，以达到配网在接

入储能系统时的最优化配置。在风速、光照强度变化造成的电网络功率偏差时，如何综

合考虑系统功率平衡与设备运行成本等多方面因素，进而对储能系统接入配网的位置与

容量做出综合决策，达到稳定负荷用电、提高电能质量的目的，是实现配网整体效益最

优化运行的关键。

59
微电网储能系统控制策略及选址定容研究

5.2 选址定容优化模型
储能系统选址定容受到分布式出力、负荷波动、配网调控等变因素的影响，是一个

复杂的多目标配置问题。本节在充分考虑供电质量与系统成本的基础上，建立了选址定

容模型目标函数，并确立约束条件。

5.2.1 目标函数

随着风光等新能源发电的大规模并网，其出力特性势必会加剧系统负荷的波动，对

发电设备、电网运维带来巨大负担。储能系统的加入在一定程度上缓解这一不利因素，

但其高成本、高运维费用不利于系统整体的经济性运行，在储能系统配置时其运行维护

成本也是一个不可忽略的问题。储能系统是否在理想荷电状态下工作，是保证其工作效

率与寿命的重要条件，更是影响系统整体运行成本的关键因素。在充分考虑系统安全稳

定运行与储能系统运维成本的基础上，选取负荷波动、储能系统总成本、储能 SOC 偏

差作为优化模型的目标函数[80-83]。

（1）负荷波动

系统负荷波动直接反映了用电和电网络供电质量。选取系统负荷波动为目标函数，

计算公式如式（5-1）。
T
f1 =  ( PG (t ) − PG ) 2 （5-1）
t =1

其中，PG(t)为发电机在 t 时刻输出功率；𝑃 为典型日内发电机有功出力平均值。

（2）储能系统成本

本节决策配网储能接入位置及容量配置，只计储能装置总体成本。为便于分析研究，

将其转化为典型日成本如式（5-2）所示。
 f 2 = CESS + COM

 nESS
（5-2）
C
 ESS = C R  (αi ESOC ,i + βi PESS ,i )
 i =1

其中 CR 如式（5-3）。

r (1 + r ) y
CR = （5-3）
365 (1 + r ) − 1
y
 

其中，CESS 日投资成本；COM 为储能系统日运行维护成本，其年运行维护成本为 50000

60
 新疆农业大学硕士学位论文

元（MW‧h）；r 为折现率；y 为工作时间；nESS 为储能个数；αi、βi 为第 i 个储能的容量

成本系数、功率成本系数；ESOC, i、PESS, i 分别为第 i 个储能的容量、功率。

（3）储能 SOC 偏差

储能元件工作效率受其 SOC 变化影响较大，为保证高效的吸收或释放电能，需要

对储能装置的荷电状态偏差量进行优化控制，SOC 偏差如式（5-4）所示。
T

1 nESS P ESS ,i (t )
f3 =
nESS

i =1
t =1

ESOC ,i
（5-4）

式中，PESS, i(t)为 t 时刻第 i 个储能的功率输出；ESOC, i 为 t 时刻第 i 个储能的实时容

量。

综合上述条件，选取负荷波动，储能系统成本，储能 SOC 偏差为优化模型的目标

函数如式（5-5）所示。

min F = [ f1 , f 2 , f3 ] （5-5）

5.2.2 约束条件

在建立的多目标储能系统选址定容优化模型的过程中，不仅要考虑系统运行的目标

函数，同时也需考虑配网潮流、储能充放电功率等约束条件[84-86]。

（1）潮流平衡约束
 n
P
 i = U i  U j ( Gij cos δ ij + Bij sin δ ij )
 j =1
 n
（5-6）
R  U j ( Gij sin δ ij − Bij cos δ ij )
Q = C
 i j =1

其中，Pi、Qi 为节点 i 注入的有功、无功功率；Gij、Bij 为节点 i 导纳矩阵实部、虚

部；δij 为 i、j 两节点间的相角差。

（2）发电机约束
 PG，min ≤ PG (t ) ≤ PG ,max
 （5-7）
QG ,min ≤ QG (t ) ≤ QG ,max

其中，PG, min、PG, max、QG, min、QG, max 分别为有功、无功出力的下限和上限；𝑃 (𝑡)、

61
微电网储能系统控制策略及选址定容研究

𝑄 (𝑡)分别为 t 时刻的有功和无功功率输出。

（3）节点电压约束

U min ≤ U min (t ) ≤ U max （5-8）

其中，Umax、Umin 为节点电压的上下限。

（4）储能约束

对储能系统来说，其充放电功率在每一个时刻都应该有上限极值限制，且储能容量

也应在一定范围内变化，为保证储能系统在正常工作范围内运行，需对其功率、容量设

定，储能系统吞吐功率极值、容量限制条件如式（5-9）所示。
 PESS ,i min ≤ PESS ,i (t ) ≤ PESS ,i max
 （5-9）
 ESOC ,i max × 20% ≤ ESOC ,i (t + 1) ≤ ESOC ,i max × 90%

在充放电状态下储能容量计算如式（5-10）所示。

 ESOC ,i (t + 1)=ESOC ,i (t ) − PESS ,i (t )ηch,i Δt PESS ,i (t ) ≤ 0

 （5-10）
 ESOC ,i (t + 1)=ESOC ,i (t ) − PESS ,i (t ) Δt ηdis ,i PESS ,i (t ) > 0

其中，PESS, imin、PESS, imax 分别为第 i 个储能元件的充放电最大值和最小值；ESOC, imax

为第 i 个储能元件的额定容量；ηch, i、ηdis, i 分别为第 i 个储能元件的工作效率；Δt 为充

放电时间。

5.3 求解算法

求解储能系统选址定容问题，常用来求解的算法有多目标微分进化算法、强度帕累

托进化算法、遗传算法等，但大多存在计算复杂效率低、收敛慢等问题。粒子群算法

(particle swarm optimizer, PSO)凭借高效的粒子群集散效益搜索非劣解集，并且在每一次

迭代过程中都会刷新产生新的非劣解集；粒子群独特的记忆检索功能，可依靠全局最优

解和目标粒子历史最优解来进行追踪，具有较好的收敛性。本节采用粒子群算法求解选

址定容模型。

5.3.1 粒子群算法

（1）算法基本原理

62
 新疆农业大学硕士学位论文

Kennedy 和 Eberhart 鸟类群体行为提出一种群体随机优化算法，即为粒子群算法。

[87-89]
。在搜寻过程中每颗粒子依据当前最优解来更新自身的位置和速度，其更新公式如

式（5-11）所示。



( )
vid( k +1) = σ vid( k ) + c1r1 pid( k ) − xid( k ) + c2 r2 ( g dk − xdk )
（5-11）
 xid( k +1) = xid( k ) + vid( k +1)
( ) ( )
式中，r1、r2 为相互独立的伪随机数；𝑃 、𝑔 分别为第 i 个粒子在 k 时刻最优位

置向量和种群最优位置向量中第 d 维分量。

（2）主要参数

粒子群主要参数的选取影响算法工作效率和优化效果，各参数选择基本原则为：

①粒子维度：决定算法复杂度，根据控制变量选择。

②粒子数：与问题复杂度成正比。

③学习因子：与算法搜寻效率、粒子群速度分量的比重相关。

④粒子初值：与算法收敛速度相关。

⑤适应度函数：目标函数。

⑥粒子最大速度：其值过小不能得到最优解，选取适宜即可。

5.3.2 基于信息熵的序数偏好法的最优解选取

粒子群算法的最终解集为一组帕累托（pareto）解，还需根据相关偏好从中选取最优

解，但此过程中决策者常常受到自身偏好等主观思维的影响，不利于多目标决策。本节

采用基于信息熵的序数偏好法（technique for order performance by similarity to ideal

solution, TOPSIS）选取最优解。

TOPSIS 法通过比较多个备选方案和正、负理想方案之间的间距，并以此进行多目

标决策[90-91]。最终目标是使选取方案与负理想方案距离最大，而与正理想方案间距最小，

算法求解步骤为：

（1）目标函数无量纲化

在 pareto 解集中的非劣解集构成的 N 个备选方案，方案属性为 k，则方案 i 第 k 个

属性值为 fik。各属性值间存在量纲差异，不能直接比较，需将其进行标准化处理，将不

63
微电网储能系统控制策略及选址定容研究

同属性之间的值转化为无量纲属性。处理后的 fik 值如式（5-12）所示。

fik − f k min
fik′ = i =1, 2 , , n （5-12）
f k max − f k min

式中，𝑓 、𝑓 分别为粒子 i 的标准化前后的第 k 个目标函数值；fkmax、fkmin 分别为

第 k 个目标函数绝对正负理想解。

（2）求解各指标权重
在各目标值进行标准化处理后，还需确定其各自的权重，把第 k 个属性的权重记为

λk（0˂ λk ˂1），计算公式如式（5-13）所示。
1 − Ek
λk = n
（5-13）
m −  Ei
i =1

1
Ek = − pik ln pik （5-14）
ln ( n )

其中：
f ik′
Pik = n
（5-15）
 f′
i =1
ik

式中，m 为目标函数个数；Ek 为第 k 个属性的信息熵；λk 为第 k 个属性的权重，0

˂ λk ˂1。

（3）计算距离尺度和贴合度

在所有帕累托解集中，每个方案都存在与之对应的最优方案贴合度，其值越大则说

明该方案越优。粒子 i 的贴合度记为 Ci，如式（5-16）所示。

Si+
Ci = （5-16）
Si− + Si+

 (λ f ik′ − λk f k′+ )
2
S i+ = k （5-17）
k =1

 (λ f ik′ − λk f k′− )
2
S i− = k （5-18）
k =1

式中，𝑆 、𝑆 分别为粒 i 的正负理想方案距离； 𝑓 、𝑓 分别为 pareto 解集中所有

64
 新疆农业大学硕士学位论文

方案中 fm 标准化后的最优值和最差值。

5.4 配网储能选址定容研究

5.4.1 编码

在求解储能系统选址定容模型前，应对其连接节点位置与容量进行调整。因此需要

对不同接入位置及容量编码，方法如式（5-19）所示。

x =  x1, x2 ,, xN′ , y1, y2 , yN ' ,, y j⋅N′+i ,, yT ⋅N′  （5-19）

式中，xi 为储能 i 的配网位置；𝑁 为储能总个数；𝑦 ∙ 为(j+1)时储能 i 的功率；T

为总时刻数。根据配网功率平衡原则，应对 T 时刻储能 i 的功率调整，其公式如式（5-

20）所示。
T −1
y(T −1)⋅N ′+i = − y( j −1)⋅N ′+i （5-20）
j =1

5.4.2 求解流程

采用多目标粒子群算法结合基于信息熵的序数偏好法求解微电网储能选址定容流

程图如图 5-1 所示。

65
微电网储能系统控制策略及选址定容研究

图 5-1 微电网储能定容选址求解流程图

5.5 算例分析

构建 IEEE-33 节点微电网系统进行算例分析，系统总负荷为 3715kW+j2300kVar，

其结构如图 5-2 所示，典型日负荷波动如图 5-3 所示。

66
 新疆农业大学硕士学位论文

图 5-2 IEEE33 节点微电网系统

图 5-3 典型日负荷波动

考虑到不同季节下光照强度、风速变化有较大差异，若单以一个季节风电、光伏出

力规律所求解出的问题，存在一定的局限性，本节以不同季节下的光伏、风电典型日特

性曲线采用 PSO-TOPSIS 求解储能选址定容模型。分别取各季节中典型日一天 24 小时

输出功率数据，每隔 15 分钟采样一次，由于春季和秋季相差不大，故文中仅研究春、

夏、冬 3 个季节。

IEEE-33 节点微电网系统中，在节点 9、20、25 处接入风电，光伏接入节点 28 处，

春、夏、冬 3 个季节时二者典型日输出特性曲线如图 5-4 所示，各季节输出功率波动指

标如表 5-1 所示。储能系统允许接入节点为 2~33，最大接入个数为 2，最大安装功率为

500kW。

67
微电网储能系统控制策略及选址定容研究

a. 不同季节时风电典型日特性曲线 b. 不同季节时光伏典型日特性曲线
图 5-4 不同季节时光伏、风电典型日输出特性曲线
表 5-1 风电、光伏、负荷功率波动指标
名称 指标 春季/kW 夏季/kW 冬季/kW
最大值 211 317 432
风电
峰谷差 135 163 167
最大值 205 313 108
光伏
峰谷差 205 313 108
最大值 3715
负荷
峰谷差 2151

粒子群参数[92]设置如表 5-2 所示。

表 5-2 PSO-TOPSIS 法仿真参数设置
参数名称 数值
种群个数 100
空间维数 196
最大迭代次数 100
自我学习因子 1.4962
群体学习因子 1.4962
最大惯性系数 0.9
最小惯性系数 0.4
Pareto 最大解集规模 200

以负荷波动 f1、储能系统成本 f2、储能 SOC 偏差 f3 为目标函数，各目标函数极值如

式（5-21）所示。

[ f1min , f1max ; f 2min , f 2max ; f3min , f 3max ;] = [30,100;1, 2;0, 40;] （5-21）

储能 1 与储能 2 在不同接入位置下各目标函数 f1、f2、f3（春、夏、冬）pareto 解集

分布情况如图 5-5 所示。

68
 新疆农业大学硕士学位论文

a1. 春季 f1 解集分布 a2. 春季 f2 解集分布 a3. 春季 f3 解集分布

b1. 夏季 f1 解集分布 b2. 夏季 f2 解集分布 b3. 夏季 f3 解集分布

c1. 冬季 f1 解集分布 c2. 冬季 f2 解集分布 c3. 冬季 f3 解集分布

图 5-5 不同季节与接入位置时各目标函数分布情况

分析图 5-5 可知：在春、夏、冬 3 个季节下，储能 1 与储能 2 接入位置不同对应的

目标函数最终收敛的 Pareto 解集分布有明显差异。春季各分布式微电源出力峰谷差为

330kW，f1、f2、f3 变化区间为[48，60；1.2，1.5；0，25]；夏季各分布式微电源出力峰谷

差为 480kW，f1、f2、f3 变化区间为[30，55；1.0，1.5；0，30]；冬季各分布式微电源出

力峰谷差为 275kW，f1、f2、f3 变化区间为[42，72；0.8，1.4；0，28]。分别从 f1、f2、f3

不同角度考虑，目标值最小依次是夏˂冬˂春、冬˂夏˂春、春˂冬˂夏。

春、夏、冬各目标函数 f1、f2、f3 Pareto 解集分布情况如图 5-6 所示。

69
微电网储能系统控制策略及选址定容研究

a. 春季 Pareto 解集分布 b. 夏季 Pareto 解集分布 c. 冬季 Pareto 解集分布

图 5-6 不同季节时 Pareto 解集分布情况

分析图 5-6 可知：3 个季节的 f1 与 f2 变化成正比，接入储能成本越高，相对应的负

荷波动平抑效果越好，f3 与 f1、f2 变化为非线性关系，但相较于 f1、f2 在整个空间具有较

好的多样性，解集分布更加均匀，且均符合储能安全运行对 SOC 偏差的要求。

储能接入方案的选取对决策者主观的经验知识有较高的要求，为避免自身偏好等主

观思维对结果的影响，采用基于信息熵的序数偏好法决策各季节时最优配置，根据式（5-

16）可得每一方案都有对应的贴合度 Ci，其值越大则表示该方案越优。
表 5-3 春季 Pareto 解集与贴合度
方案 储能 1 接入位置 储能 2 接入位置 储能 1 容量/ MW‧h 储能 2 容量/ MW‧h Ci
1 3 22 0.2000 0.2000 0.6752
2 6 21 0.2868 0.2215 0.5993
3 6 17 0.4039 0.2000 0.7284
… … … … … …
75 15 18 1.2097 0.4899 0.6720
76 13 18 1.0782 0.3320 0.6886
77 7 22 0.6462 0.3213 0.7386
… … … … … …
140 4 19 0.4188 0.4205 0.7318
141 20 21 1.8275 0.4208 0.6983
142 7 18 0.4502 0.2000 0.7479
… … … … … …
152 6 21 0.3821 0.2266 0.7193
153 12 19 0.8559 0.3276 0.6696
154 7 21 0.4284 0.2008 0.6972

70
 新疆农业大学硕士学位论文
表 5-4 夏季 Pareto 解集与贴合度
方案 储能 1 接入位置 储能 2 接入位置 储能 1 容量/ MW‧h 储能 2 容量/ MW‧h Ci
1 15 13 0.2159 0.2197 0.8138
2 5 17 0.2626 0.3342 0.7973
3 22 16 0.6060 0.5317 0.6254
… … … … … …
11 6 8 1.9927 2.0000 0.6531
12 9 13 0.6316 0.6646 0.8546
13 5 11 1.4158 1.4155 0.8098
… … … … … …
94 7 11 1.5165 1.5034 0.6779
95 17 14 1.3784 1.3533 0.6944
96 5 15 1.8091 1.8779 0.7692
… … … … … …
186 2 14 2.0000 2.0000 0.7323
187 14 14 1.4583 1.4699 0.7114
189 2 19 2.0000 2.0000 0.7327
表 5-5 冬季 Pareto 解集与贴合度
方案 储能 1 接入位置 储能 2 接入位置 储能 1 容量/ MW‧h 储能 2 容量/ MW‧h Ci
1 9 33 0.2000 0.2000 0.7278
2 25 33 0.4070 0.3653 0.7127
3 12 29 1.6243 1.6695 0.7458
… … … … … …
69 17 16 0.7458 0.7282 0.6577
70 10 22 0.8632 1.0189 0.7686
71 13 18 1.5732 1.5918 0.6181
… … … … … …
112 17 24 0.2000 0.2000 0.6203
113 11 17 1.4535 1.4806 0.7781
114 16 16 0.2000 0.2000 0.7046
… … … … … …
138 11 22 0.7332 0.8718 0.7175
139 7 25 1.7556 1.9466 0.7431
140 11 15 1.8593 1.8097 0.6178

分析表 5-3、5-4、5-5 可知：粒子贴合度最大的方案是最优解，春、夏、冬各季节的

最优配置为方案 142、12、113，具体配置参数与目标函数值如表 5-6 所示。

表 5-6 春、夏、冬储能系统选址定容最优解
储能 1、2 储能 1、2
季节 方案 f1/ kW f2/ 万元 f3 / %
接入位置 容量/ MW‧h
7 0.4502
春季 142 56.8519 1.2167 2.9773
18 0.2000
9 0.6316
夏季 12 45.9159 1.1010 2.1807
13 0.6646
11 1.4535
冬季 113 52.8730 1.1959 2.3103
17 1.4806

各季节分布式微电源出力峰谷值不同，对应算例获得 Pareto 解集数量也会不同。

POS 算法得到非劣解集，根据 TOPSIS 计算各方案下粒子贴合度获得当季节下储能选址

定容最优解，充分考虑各季节分布式微电源出力差异，对储能系统接入与容量做出调整，

71
微电网储能系统控制策略及选址定容研究

在考虑负荷波动因素的前提下最大限度降低储能成本，满足储能设备 SOC 偏差要求，

延长其使用寿命。

5.6 本章小结

针对微电网系统中储能应用于配网关键节点及容量配置的问题，采用粒子群算法结

合基于信息熵的序数偏好法求解储能系统选址定容多目标优化模型。考虑到单季节求解

存在一定的局限性，基于 IEEE-33 节点微电网系统，取春、夏、冬三个季节下新疆西南

地区光伏与风电出力规律求解储能接入位置及容量配置方案。结果表明该方法在不同季

节下都能够找到当季最优解，避免了单季节求解下选址定容方案的局限性。具有较好的

收敛性和全局搜索能力。

72
 新疆农业大学硕士学位论文

第 6 章 结论与展望

6.1 结论

随着传统能源剧烈消耗与社会发展日益需求之间的矛盾愈演愈烈，世界各国都开始

积极探索对绿色、清洁的可再生能源的有效利用，微电网的探索引起了各国的高度重视。

而储能系统控制策略及选址定容研究对提高微电网经济性、供电可靠性、保证电能质量

具有重要意义，本文围绕储能系统控制策略及选址定容研究结论如下：

（1）在分析风、光微电源工作原理基础上建立相关仿真模型，研究了气象条件（光

照强度、温度、风速）变化对其工作特性的影响。扰动控制法实现微电源的最大功率追

踪；根据多种储能元件特性，选用通用模型和经典 RC 串联模型作为蓄电池和超级电容

的等效电路模型，分析各储能元件工作特性，为储能系统控制策略及选址定容研究提供

理论基础。

（2）根据风光蓄微电网功率平衡约束条件，获得蓄电池输出规律；在现代数学和控

制理论的基础上提出一种非线性控制策略，以整流电路实现微电网各系统间能量的高效

传输。通过在各种情况下的仿真试验表明：对比 PI 控制，非线性控制下系统的恢复时间

加快了 0.2s，冲击波动减小了 0.6%。结果验证了提议控制策略的有效性和优越性，为储

能系统控制策略的进一步研究提供一定的参考。

（3）针对单储能系统供电的局限性，提出一种考虑超级电容 SOC 的 HESS 功率分

配策略，并利用 Siso 反馈控制技术自动寻优设计了储能装置充放电 PI 控制器。相比于

LPF 控制，提议的控制策略能够合理分配微网波动功率，降低蓄电池瞬时输出，在保证

直流母线电压波动值≤5%的同时缩短电压动态恢复时间。

（4）针对微电网接入配网后储能系统选址定容问题，采用粒子群算法结合基于信

息熵的序数偏好法求解储能系统选址定容多目标优化模型；考虑到风、光等微电源出力

存在季节差异，基于 IEEE-33 节点微电网系统，根据不同季节下新疆西南地区光伏与风

电出力规律求解储能接入位置及容量配置方案。结果表明该方法在不同季节时都能够找

到当季最优解，避免了单季节求解下选址定容方案的局限性。

73
微电网储能系统控制策略及选址定容研究

6.2 展望

储能系统控制策略研究是一个复杂且涉及到非线性控制的问题，而储能系统选址定

容研究是多目标求解的问题，需要有以下几点进一步完善：

（1）针对蓄电池非线性充放电控制策略，还可研究其在多种模式混合情况时的动

态响应与恢复能力。

（2）针对混合储能系统功率分配策略，可进一步引入不同充放电特性储能装置研

究控制策略的工作模式及有效性。

（3）在储能系统选址定容研究中，后期工作中可采用更接近实际的采样数据，提高

选址定容方案的准确性。

74
 新疆农业大学硕士学位论文

参考文献

[1] 贾娜. 能源安全视角下能源结构优化评估研究[D]. 哈尔滨: 哈尔滨工程大学, 2017: 16-21.

[2] Yang Xiaodong, Zhang Youbing, He Haibo, et al．Real-time demand side management for a microgrid
considering uncertainties[J]．IEEE Transactions on Smart Grid, 2019, 10(3): 3401－3414.
[3] 曾鸣.《电力发展“十三五”规划》解读[J]. 中国电力企业管理, 2017(1): 14-16.
[4] Farideh D M, Hessam K V, Ali F．State-space modeling, analysis and distributed secondary frequency
control of isolated microgrids[J]. IEEE Transactions on Energy Conversion, 2018, 33(1): 155－165.
[5] 臧蒙. 我国光伏产业扶持性政策及其绩效研究[D]. 苏州: 苏州大学, 2014.
[6] Liu Xiaokang, He Haibo, Wang Yanwu, et al. Distributed hybrid secondary control for a DC microgrid
via discrete-time interaction[J]. IEEE Transactions on Energy Conversion, 2018, 33(4): 1865－1875.
[7] Meng Lexuan, Shafiee Q, Trecate G F, et al. Review on control of DC microgrids and multiple microgrid
clusters[J]. IEEE Journal of Emerging and Selected Topics in Power Electronics, 2017, 5(3): 928－948.
[8] 查理. 世界各国支持光伏产业发展的政策走向研究[J]. 特区经济, 2018(11): 109-110.
[9] Moskovkin D, Mathew A M, Guo Q, et a1.Landscape Analysis: Regulations, Policies, and Innovation
in Photovoltaic Industry[J]. Infrastructure and Technology Management. 2018: 55-59.
[10] N. Hatziargyriou, Microgrids: Architectures and Control[M], IEEE Press, Athens, 2014.
[11] 朱江. 光储直流微电网的协调控制策略研究[D]. 哈尔滨: 哈尔滨工业大学, 2020.
[12] 冯培磊, 陈潇雅, 徐天奇. 微电网关键技术研究综述[J]. 水电与抽水蓄能, 2020, 6(03): 45-49.
[13] F. Nejabatkhah , Li Yunwei, Overview of Power Management Strategies of Hybrid AC/DC Microgrid[J].
IEEE Transactions on Power Electronics, 2015, 30(12): 7072-7089.
[14] 桑博, 张涛, 刘亚杰, 等. 多微电网能量管理系统研究综述[J]. 中国电机工程学报, 2020, 40(10):
3077-3093.
[15] 孟明, 陈世超, 赵树军, 等. 新能源微电网研究综述[J]. 现代电力, 2017, 34(01): 1-7.
[16] J. Zhao , Z. Xu, Ramp-Limited Optimal Dispatch Strategy for PV-Embedded Microgrid[J]. IEEE
Transactions on Power Systems, 2017, 32(5): 4155-4157.
[17] A. Ortega, F. Milano, Stochastic Transient Stability Analysis of Transmission Systems With Inclusion
of Energy Storage Devices[J]. IEEE Transactions on Power Systems, 2018, 33(1): 1077-1079.
[18] H. Bitaraf, S. Rahman, Reducing Curtailed Wind Energy Through Energy Storage and Demand
Response[J]. IEEE Transactions on Sustainable Energy, 2018, 9(1): 228-236.
[19] H. Yang et al. Coordinated demand response of rail transit load and energy storage system considering
driving comfort[J]. CSEE Journal of Power and Energy Systems, 2020, 6(4): 749-759.

75
微电网储能系统控制策略及选址定容研究

[20] N. Yan, B. Zhang, W. Li , et al. Hybrid Energy Storage Capacity Allocation Method for Active
Distribution Network Considering Demand Side Response[J]. IEEE Transactions on Applied
Superconductivity, 2019, 29(2): 1-4.
[21] 孟晓丽, 牛焕娜, 贾东梨, 等. 基于储能 Soc 日前计划的微电网实时能量优化调度方法[J]．农业
工程学报, 2016, 32(8): 155-161．

[22] H. S. V. S. K. Nunna, A. Sesetti, et al. Multiagent-Based Energy Trading Platform for Energy Storage
Systems in Distribution Systems With Interconnected Microgrids[J]. IEEE Transactions on Industry
Applications, 2020, 56(3) 3207-3217.
[23] H. Wang, Y. Huang, A. Khajepour, Cyber-Physical Control for Energy Management of Off-Road
Vehicles With Hybrid Energy Storage Systems[J]. IEEE/ASME Transactions on Mechatronics, 2018,
23(6): 2609-2618.
[24] 李春兰 , 任鹏 , 王长云 , 等 . 微电网中蓄电池充放电非线性控制策略研究 [J]. 农业工程学报 ,
2020, 36(08): 156-164.
[25] 胡巧辉, 樊艳芳, 王一波. 基于光-储-燃的直流微电网协调控制策略[J]. 电力电容器与无功补偿,
2017, 38(06): 138-143+149.
[26] 王亚旭 ,李凤霞 , 苏猛. 风光发电系统中模拟电机特性的储能优化控制[J]. 电力电容器与无功
补偿, 2019, 40(03): 158-164.

[27] 孟洪民, 刘迪, 李强, 等. 考虑蓄电池健康的微电网群模型预测控制能量管理策略[J]. 电力自动

化设备, 2019, 39(06): 88-95.

[28] 杨帆, 刘珊, 李东东. 具有模式激活的储能双向 DC-DC 变换器的有限集模型预测控制方法[J].

水电能源科学, 2019, 37(05): 185-188.

[29] 支娜, 丁有国, 赵佳宝. 直流微电网改进虚拟直流电机控制策略[J]. 电力电子技术, 2020, 54(12):

93-95.
[30] 吴青峰, 智泽英, 于少娟,等. 微电网储能系统过充和过放保护方案[J]. 电源技术, 2020, 44(12):
1843-1846.
[31] 闫士杰, 王立华, 闫伟航, 等. 基于采样数据的大规模储能系统一致性控制[J]. 东北大学学报(自
然科学版), 2020, 41(11): 1528-1534.

[32] 郑丽君, 王子鹏, 吕世轩, 等. 基于荷电状态的直流微电网中多储能分级运行控制方法[J]. 电网

技术, 2021, 45(03): 1006-1015.

[33] 徐玉琴, 方楠. 基于稳压控制的独立光储微电网控制策略研究及仿真分析[J]. 电力系统保护与

控制, 2020, 48(21): 67-74.

[34] 刘振国, 胡亚平, 陈炯聪，等. 基于双层优化的微电网系统规划设计方法[J]. 电力系统保护与控

76
 新疆农业大学硕士学位论文

制, 2015, 43(08): 124-133.

[35] Z. Zhang, Y. Zhang, Q. Huang, etal. Market-oriented optimal dispatching strategy for a wind farm with
a multiple stage hybrid energy storage system[J]. CSEE Journal of Power and Energy Systems, 2018,
4(4), 417-424.
[36] V. I. Herrera, A. Milo, H. Gaztañaga, et al. Design and Experimental Comparison of Energy
Management Strategies for Hybrid Electric Buses Based on Test-Bench Simulation[J]. IEEE
Transactions on Industry Applications, 2019, 55(3): 3066-3075.
[37] J. Shen, A. Khaligh, A Supervisory Energy Management Control Strategy in a Battery/Ultracapacitor
Hybrid Energy Storage System[J]. IEEE Transactions on Transportation Electrification, 2015, 1(3): 223-
231.
[38] 桑丙玉, 陶以彬, 郑高, 等. 超级电容-蓄电池混合储能拓扑结构和控制策略研究[J]. 电力系统保
护与控制, 2014, 42(02): 1-6.

[39] 程志江, 李永东, 谢永流, 等. 带超级电容的光伏发电微网系统混合储能控制策略[J]. 电网技术,

2015, 39(10): 2739-2745.
[40] 邓海华. 基于超级电容与蓄电池的低通稳压控制策略方法研究[J]. 电气开关, 2019, 57(03): 31-33.
[41] 柴秀慧 , 张纯江 , 柴建国 , 等 . 蓄电池 - 超级电容混合储能系统性能优化 [J]. 电工电能新技术 ,
2019, 38(09): 33-41.
[42] 刘宿城, 甘洋洋, 刘晓东, 等. 超级电容接口双向 DC-DC 变换器的电压快恢复控制策略[J]. 电
工技术学报, 2018, 33(23): 5496-5508.

[43] 杨彦杰, 孙若愚, 张朝川, 等. 一种基于模糊控制的混合储能系统能量管理策略研究[J]. 可再生

能源, 2017, 35(12): 1881-1887.

[44] 李武华 , 徐驰 , 禹红斌 , 等 . 直流微网系统中混合储能分频协调控制策略 [J]. 电工技术学报 ,

2016 ,31(14): 84-92.
[45] 关欣, 南海鹏, 王源. PI-PD 控制在风水微网中的应用[J]. 高电压技术, 2019, 45(07): 2177-2184.
[46] 兰海, 赫彬, 程鹏, 等. 基于混合储能的船舶电力推进系统模糊 PI 控制策略[J]. 船舶工程, 2019,
41(01): 58-62+98.
[47] 凌开元 , 赵乐冰 , 张新松 , 等 . 基于双储能系统的主动配电网储能配置 [J]. 电力自动化设备 ,
2018, 38(05): 171-176.
[48] 李振坤, 陈思宇, 符杨, 等. 基于时序电压灵敏度的有源配电网储能优化配置[J]. 中国电机工程
学报, 2017, 37(16): 4630-4640+4888.

[49] 丁倩, 曾平良, 孙轶恺, 等. 一种考虑可再生能源不确定性的分布式储能电站选址定容规划方法

[J]. 储能科学与技术, 2020, 9(01): 162-169.

77
微电网储能系统控制策略及选址定容研究

[50] 向育鹏, 卫志农, 孙国强, 等.基于全寿命周期成本的配电网蓄电池储能系统的优化配置[J]. 电

网技术, 2015, 39(01): 264-270.

[51] SEDGHI M, AHMADIAN A A. Optimal storage planning in active distribution network considering
uncertainty of wing power distributed generation[J]. IEEE Transactions on Power Systems, 2015, 31(1):
304-316.
[52] 熊猛 , 高峰 , 张海峰 , 等 . 考虑调度计划的风电场复合储能装置优化设计 [J]. 电网技术 , 2014,
38(07): 1853-1860.
[53] 杨火明 , 徐潇源 , 严正 . 考虑配电网韧性的储能系统选址定容优化方法 [J]. 电力建设 , 2018,
39(01): 30-39.
[54] 王彦虹, 邰能灵, 嵇康. 含大规模风光电源的配电网储能电池选址定容优化方案[J]. 电力科学与
技术学报, 2017, 32(02): 23-30.

[55] 林立 , 何洋 , 周建华 , 等 . 直驱永磁同步风力发电机侧系统建模及仿真 [J]. 电气传动 , 2020,

50(02): 73-76.
[56] C. Huang, F. Li, Z. Jin, Maximum Power Point Tracking Strategy for Large-Scale Wind Generation
Systems Considering Wind Turbine Dynamics[J]. IEEE Transactions on Industrial Electronics, 2015,
62(4): 2530-2539.
[57] O. I. Olayiwola , P. S. Barendse, Photovoltaic Cell/Module Equivalent Electric Circuit Modeling Using
Impedance Spectroscopy[J]. IEEE Transactions on Industry Applications, 2020, 56(2): 1690-1701.
[58] A. Chikh, A. Chandra, An Optimal Maximum Power Point Tracking Algorithm for PV Systems With
Climatic Parameters Estimation[J]. IEEE Transactions on Sustainable Energy, 2015, 6(2): 644-652.
[59] 郑坤, 赵志刚, 王思远, 等. 储能蓄电池电能动态模型辨识与 SOC 预测[J]. 计算机仿真, 2017,
34(09): 120-124.
[60] 索春光, 刘士华, 张文斌, 等. 基于可变电阻的超级电容精确建模方法[J]. 传感技术学报, 2015,
28(02): 183-187.
[61] P. Golchoubian, N. L. Azad, Real-Time Nonlinear Model Predictive Control of a Battery–
Supercapacitor Hybrid Energy Storage System in Electric Vehicles[J]. IEEE Transactions on Vehicular
Technology, 2017, 66(11): 9678-9688.
[62] H. Hajebrahimi, S. M. Kaviri, S. Eren, et al. A New Energy Management Control Method for Energy
Storage Systems in Microgrids[J]. IEEE Transactions on Power Electronics, 2020, 35(11): 11612-11624.
[63] N. Mukherjee, D. Strickland, Control of Cascaded DC–DC Converter-Based Hybrid Battery Energy
Storage Systems—Part II: Lyapunov Approach[J]. IEEE Transactions on Industrial Electronics, 2016,
63(5): 3050-3059.

78
 新疆农业大学硕士学位论文

[64] T. Morstyn, A. V. Savkin, B. Hredzak , et al. Multi-Agent Sliding Mode Control for State of Charge
Balancing Between Battery Energy Storage Systems Distributed in a DC Microgrid[J]. IEEE
Transactions on Smart Grid, 2018, 9(5): 4735-4743.
[65] B. Housseini, A. F. Okou, R. Beguenane, Robust Nonlinear Controller Design for On-Grid/Off-Grid
Wind Energy Battery-Storage System[J]. IEEE Transactions on Smart Grid, 2018, 9(6): 5588-5598.
[66] S. Pei, S. Huang, 2-D Laguerre Distributed Approximating Functional: A Circular Low-Pass/Band-Pass
Filter[J]. IEEE Transactions on Circuits and Systems II: Express Briefs, 2019, 66(5): 818-822.
[67] R. Zhang, S. Luo, L. Zhu, Synthesis and Design of Mixed Lumped and Distributed Low-Pass
Filters/Low-Passing Impedance Transformers With Taylor Series[J]. IEEE Transactions on Microwave
Theory and Techniques, 2016, 64(4): 1265-1272.
[68] 丁若星 , 董戈 , 吴和平 , 等 . 混合储能系统功率分配效果的表征参数研究 [J]. 电工技术学报 ,
2016, 31(S1): 184-189.
[69] 田培根, 肖曦, 丁若星, 等. 自治型微电网群多元复合储能系统容量配置方法[J]. 电力系统自动
化, 2013, 37(01): 168-173.

[70] 丁若星, 肖曦, 王奎, 等. 混合储能系统基于荷电状态的功率分配方法[J]. 电力电子技术, 2015,

49(03): 25-26+29.
[71] C. Méndez-Barrios, S. Niculescu, L. Félix, Sampling decomposition and asymptotic zeros behaviour of
sampled-data SISO systems. An eigenvalue-based approach[J]. IMA Journal of Mathematical Control
and Information, 2016, 33(4): 1177-1197.
[72] 耿彦章, 吕海峰, 安君, 等. 基于 LabVIEW 的 SISO 系统传递函数估计虚拟仪器设计[J]. 中国测
试, 2017, 43(06): 103-107.

[73] H. Zhang, L. Harnefors, X. Wang, et al. Stability Analysis of Grid-Connected Voltage-Source

Converters Using SISO Modeling[J]. IEEE Transactions on Power Electronics, 2019, 34(8): 8104-8117.
[74] P. Yang, A. Nehorai, Joint Optimization of Hybrid Energy Storage and Generation Capacity With
Renewable Energy[J]. IEEE Transactions on Smart Grid, 2014, 5(4): 1566-1574.
[75] 徐青山 , 吕亚娟 , 丁逸行 . 考虑储能动态效率的风储微网三阶段协调优化 [J]. 电网技术 , 2020,
44(03): 816-822.
[76] Y. Teng, P. Sun, Q. Hui, et al. A model of electro-thermal hybrid energy storage system for autonomous
control capability enhancement of multi-energy microgrid[J]. CSEE Journal of Power and Energy
Systems, 2019, 5(4): 489-497.
[77] 项恩新, 王科, 关静恩, 等. 基于凸松弛的主动配电网储能与无功补偿协同规划[J]. 电力系统及
其自动化学报, 2020, 32(10): 63-69.

79
微电网储能系统控制策略及选址定容研究

[78] S. Eren, M. Pahlevani, A. Bakhshai, et al. A Digital Current Control Technique for Grid-Connected
AC/DC Converters Used for Energy Storage Systems[J]. IEEE Transactions on Power Electronics, 2017,
32(5): 3970-3988.
[79] 屈星 , 李欣然 , 盛义发 , 等 . 考虑电池储能系统的配电网广义综合负荷建模 [J]. 高电压技术 ,
2020, 46(02): 490-501.
[80] 赵丽萍, 张书伟, 张雪岩, 等. 基于随机机会约束规划的面向能源互联的主动配电网选址定容方
法[J]. 电力系统保护与控制, 2020, 48(14): 121-129.

[81] 李贺绩. 基于粒子群算法的孤岛式微电网选址定容研究[D]. 济南: 山东大学, 2019.

[82] 孙顺祥, 李晓明, 刘振盛, 等. 计及电压稳定性评估的配电网 DG 选址定容的研究[J]. 电力系统
保护与控制, 2019, 47(03): 88-94.

[83] 孙士茼, 何英发, 汪致洵, 等. 兼顾电能质量与化石能源消耗的全电船舶充电站多目标规划[J].

中国电机工程学报, 2018, 38(S1): 45-52.

[84] 张涛, 徐雪琴, 冉华军. 基于改进差分和声搜索算法的 FACTS 设备的多目标优化配置[J]. 中国

电机工程学报, 2018, 38(03): 727-734.

[85] 宋鹏程, 徐政, 窦飞, 等. 统一潮流控制器选址定容的关键影响因素分析及优化方法[J]. 电力系

统自动化, 2017, 41(13): 168-175.

[86] J. H. Lee, J. Kim, J. Song, et al, A Novel Memetic Algorithm Using Modified Particle Swarm
Optimization and Mesh Adaptive Direct Search for PMSM Design[J]. IEEE Transactions on Magnetics,
2016, 52(3): 1-4.
[87] 吴小刚, 刘宗歧, 田立亭, 等. 基于改进多目标粒子群算法的配电网储能选址定容[J]. 电网技术,
2014, 38(12): 3405-3411.
[88] K. Alkebsi, W. Du, A Fast Multi-Objective Particle Swarm Optimization Algorithm Based on a New
Archive Updating Mechanism[J]. IEEE Access, 2020, 1(8): 124734-124754.
[89] Z. Ren, A. Zhang, C. Wen et al. A Scatter Learning Particle Swarm Optimization Algorithm for
Multimodal Problems[J]. IEEE Transactions on Cybernetics, 2014, 44(7): 1127-1140.
[90] 李金鹏, 李武, 岳超源, 等. 权重信息不完全的序数型多属性决策 TOPSIS 法[J]. 计算机集成制
造系统, 2013, 19(06): 1408-1413.

[91] 吴小刚. 配网储能系统的规划方法研究[D]. 北京: 华北电力大学, 2015.

[92] 李武, 董峰, 陈妍. 序数偏好下多属性群决策的动态规划法[J]. 华中科技大学学报(自然科学版),
2009, 37(10): 48-51.

80
 新疆农业大学硕士学位论文

致 谢

至此，论文已接近尾声，伴随着键盘鼠标的敲击声我内心激动之情无以言表。回想

这过往三年的学习生活虽是一路荆棘坎坷，但也收获颇丰，获益良多。毕业将近，感恩

之情，无以为报，唯有感谢常存于心！

感谢我的导师李春兰教授，从论文的选题、技术方案以及毕业论文的完成都离不开

李老师的指导与帮助。作为导师，不仅传授专业知识、培养创新能力，还教会我做人做

事，时刻关心我的未来规划；三年来，李老师尽职尽业、无私奉献、一丝不苟的品德早

已深入我心，无以报恩，唯有不辜负您的厚望！

感谢新疆农业大学机电工程学院提供学习的平台，感谢教研室谢建华老师、王长云

老师等在开题、中期和预答辩过程中的指导和帮助；感谢鄢金山老师、石砦老师等在本

科学习期间的谆谆教导；感谢学习室中的师兄王成斌、叶豪、王海杨、聂伟、马永杰，

师姐高阁、陈雯婷，同门李明治、罗杰以及师妹王静在平时学习生活中的支持和帮助！

感谢我的父母与家人，你们是我 20 年漫漫求学路上最坚强的后盾，是激励我不断

前行的动力；感谢儿时发小于兵振、王春林、胡清水、程聪、颊忠祥、王滨滨给我求学

生涯所带来的欢乐与成长，谢谢你们一路的陪伴，愿友谊长存！

感谢我的母校——新疆农业大学，给我七年的课余生活提供了优美的环境，八一大

道、明德广场、风雨操场、灯光篮球场都是我挥洒青春与汗水的去处。

感谢 19#615 宿舍，叶尔波拉提 ∙ 铁木尔、杨豫新、李开杰、周鑫城、刘家君、方杰。

正因为有了你们一路的陪伴，才让我的研究生宿舍生活变得丰富多彩！感谢有你们，奋

斗之路从不孤独！

感谢禾园、学士、学院以及学轩餐厅全体工作人员做出的美味可口的饭菜，给我平

时的用餐时间带来了无穷的乐趣！

感谢在疫情一线的工作人员，正因为有你们负重前行，才有我们的岁月静好！

最后，我要向评审、答辩本论文的诸位专家学者致以由衷的感谢！祝您们身体健康，

工作顺利！伴随着您们的肯定与鼓励，我相信人生漫漫，未来可期！

81
微电网储能系统控制策略及选址定容研究

作者简介

1、个人简历
任鹏（1995-），男，汉族，新疆维吾尔自治区乌鲁木齐市人。2018 年毕业于新疆农
业大学机电工程学院新能源科学与工程专业，获得工学学士学位。2018 年至 2021 年，
于新疆农业大学机电工程学院攻读农业电气化与自动化专业硕士学位。
2、研究生期间科研情况
[1]李春兰, 任鹏, 王长云, 等. 微电网中蓄电池充放电非线性控制策略研究[J]. 农
业工程学报, 2020, 36(08): 156-164. （已见刊，EI）
[2]任鹏, 李春兰, 王长云, 等. 混合微电网功率分配策略及 PI 参数整定研究[J]. 江
苏大学学报（自然科学版）.（录用待排刊，北大中文核心）

82