一种智能光伏储能系统的设计与研究.docx

? ? 一种智能光伏储能系统的设计与研究 ? ? 周俊杰 （宜春职业技术学院，江西 宜春 336000） 0 引 言 能源是工业进步和城市发展的命脉，不可再生能源的过度开采不仅给生活环境造成严重的污染，还要面临能源匮乏的困境。长远来看，以太阳能为核心的光伏发电技术具有很高发展的前景。区别于传统能源，太阳能资源丰富具有绝对优势，其分布均匀，既环保又安全，在工程建设上十分的灵活，除了传统的家用供电，在其他系统设备供电上也具有很大的便利性，如临时信号控制设备、夜间路灯照明以及一些偏远设备的能源部署。 但是，光伏发电装置常会出现功率输出不稳定以及中断的问题，在一定程度上会影响设备稳定工作。因此，研究一种能够稳定输出功率的光伏发电与储能系统具有重要的意义，其在应用上也具有很高的推广价值。 1 能源存储技术研究现状 能源存储技术是近来的研究热点之一，电化学以及电磁为常用的储能方法。然而在这些技术独立使用的时候都会存在的明显的缺陷，因此，R.A.Dougal等人提出了组合型储能方案，将不同技术的特点组合起来，互补存在的不足，最大程度地发挥各自特点。21世纪初期，组合型储能技术的兴起，各大研究机构将重心放在了节能上。随后，意大利学者验证了超大容量以及电池组合的设计，并在新能源车上得到了成功的应用[1]。 2 光伏储能系统设计 2.1 系统设计方案 光伏电池是太阳能和电能转化的重要组成部分。但是，光伏材料的限制以及制作的复杂，容易导致非线性的问题，转化率也难以保证。与此同时，外界环境的影响会加剧转换率低的问题，如光照强度和温度等。因此，研究光伏电池的输出特性将十分关键，即要保证最大的输出效率，又要保证太阳能转换率。为满足以上要求，最大功率跟踪算法（Maximum Power Point Tracking，MPPT）可应用于系统的设计，保持系统在最大功率点工作。结合组合型储能技术，智能光伏储能系统设计框架图如图1所示。 图1 光伏储能系统框架图 2.2 智能控制算法 智能控制是近年来十分热门的研究和应用技术之一，MPPT应用于光电系统是必然趋势。有研究者将模糊控制算法进行光电系统的MPPT，比较于扰动观测方法，验证了此算法较高的性能。人工神经网络在近些年常应用在光电系统的MPPT，通过不断改善和验证，系统能够达到最大功率理论上的97%。 智能控制算法相对其他控制算法具有一定的优势，但仍然存在一些不足。如模糊控制算法的模糊规则选择对实验者的操作有较高要求，依赖性高；部分智能算法需要海量数据的学习才能实现，其对硬件平台要求高且运行时间长，不适用于一些工业控制应用。相比之下，粒子群优化算法操作简单，MPPT跟踪时间短，非常适合本系统。 粒子群算法的基本原理,是将粒子按照根据优化方程所确定的适应位置在空域内寻找目标,其移动的方向和时间均由一个速度矢量确定，随后的过程搜索即是粒子伴随最优粒子[2]。通过仿真该算法得到如下输出功率曲线，如图2所示，光伏电池在4秒内通过MPPT的到达最大能量点,然后在该点平稳运行。 图2 粒子群算法光伏电池输出功率曲线图 3 系统功率分配的仿真与验证 3.1 功率分配控制原理与建模 蓄电池在光伏系统中很常见，具有较高的能量密度，但功率密度和充放电速度相对较低。超级电容器作为一种新型装置，通过静电储存能量。一些负载电量需求高，对电池的消耗大，使得电池寿命短。理想光伏系统的储能设备需要具备高功率密度以及高能量的特性。因此，利用蓄电池和超级电容优点组合的储能系统能够实现这一特性。与此同时，功率分配控制策略可以利用高频电能功率和低频电能功率分别被超级电容和蓄电池所吸收或释放，从而达到输出功率稳定，避免了一些突变所造成的影响。功率分配控制策略的核心思想即高频能量由超级电容管控，低频能量由蓄电池管控。如图3所示，该光伏发电系统包括直流电网、光伏阵列设备、MPPT模块、HESS（组合储能系统）以及组合储能系统功率分配控制设备，其中，SC和B分别是超级电容和蓄电池的缩写。 图3 光伏发电系统功率分配策略仿真模型 3.2 功率分配策略性能验证结果 基于模型，在4种变化情况中对系统进行验证。情况一，若负载功率由于电阻增大而突然降低，输出电压会突增。此时超级电容和蓄电池分别吸收过剩的高频电量和低频电量，让电压回归了稳定，如图4（a）所示。情况二，若负载功率由于电阻减小而突然增大，输出电压会突减，此时超级电容和蓄电池分别释放需求的高频电量和低频电量，让电压回归了稳定，如图4（b）所示。情况三，若光伏发电量由于光照强度增大而变大，输出电压会突增，此时超级电容和蓄电池分别吸收过剩的高频电量和低频电量，让电压回归了稳定，如图4（c）所示。情况四，若光伏发电量由于光照强度减大而变小，输出电压会突减，此时超级电容和蓄电池分别释放需求的高频电量和低频电量