為提高光儲型電站的綜合經濟性,降低儲能的容量配置,提出了采用光儲協調互補方法來平抑光伏并網功率波動的策略,通過動態調整光伏的最大功率跟蹤(maximum power point tracking,MPPT)工作點來平抑大幅度的功率波動,此外通過儲能的快速充放電來平抑幅度較小、變化較快的功率波動。通過光伏和儲能的協同作用,既能將光伏功率波動抑制在電網允許范圍內,又可減少儲能系統的容量配置、降低儲能系統的使用頻率。建立了5個方面的指標用于評價平抑后的光伏功率波動性、儲能的投資和運行費用,并以某光伏電站的實測數據對所提策略進行了仿真,結果驗證了所提策略的正確性。此外,通過與常規的平抑光伏功率波動方法對比,結果表明：所提方法能夠減少對儲能容量配置的需求,延長儲能的使用壽命,提高光儲型電站的綜合經濟性。

 0 引言

光伏電站的發電功率和氣象因素直接相關,發電功率存在明顯的隨機波動性和不穩定性。隨著電網中光伏裝機容量的逐漸增大,光伏發電功率的隨機波動將會影響電網的實時功率平衡,造成電網電壓和頻率發生波動,直接影響電網的電能質量和穩定性[1-2]。此外,這種隨機波動,會給電網調度帶來諸多不確定性,增大了系統的安全運行風險[3]。因此,光伏的并網功率波動必須要被抑制在一定的范圍內。

文獻[4]通過對電動汽車的有序充放電引導來平抑光伏和負荷的功率波動,但電動汽車用戶的個性化充電需求會影響平抑效果。文獻[5]通過氫儲能系統來平抑光伏功率波動,系統整體高效、無污染物排放,但是工藝過程復雜、控制難度大。文獻[6]提出地理分散的概念,將多座相距6 km以上光伏電站組合在一起后,總體功率波動性明顯降低,此方法經濟性優良,但為光伏電站的選址提出了新的要求。

利用儲能電池平抑光伏的并網功率波動已經得到了廣泛應用[7-8],然而近些年來儲能電池的成本雖然有所下降,但總體依然偏高,使用壽命有限[9]。因此利用儲能來平抑光伏功率波動必須要考慮如何減少儲能的需求容量,提高儲能的使用壽命。

為此,文獻[10-13]提出利用蓄電池和超級電容構成混合儲能系統(hybrid energy storage system,HESS)來平抑功率波動。HESS在一定程度上減少了平抑波動所需的儲能電池容量,減少了儲能的循環充放電次數,但是超級電容的投資建設成本很高,并不是最理想的平抑光伏功率波動方法。

為能夠進一步地減少平抑光伏功率波動對儲能容量的需求、減少儲能的投資成本、延長儲能使用壽命,本文從光伏功率波動本身和儲能的實時補償2個方面入手,提出光伏和儲能協調互補的方法來平抑光伏并網功率波動。即當光伏功率波動劇烈,超出了儲能的平抑能力時,對光伏進行限功率控制,從功率波動源頭抑制一部分波動,然后再加上儲能的實時補償作用,最終將功率波動抑制在合理范圍內。

針對光儲協調互補平抑光伏功率波動,文

獻[14]較早地提出了通過光伏限功率控制來平抑功率波動,但該方法對光伏的功率負向波動無效。文獻[15]對比和分析了利用儲能、利用可控負荷和利用光伏限功率控制這3種平抑光伏功率波動措施的經濟性,得出結論：利用儲能和光伏限功率控制組合的方式來平抑光伏功率波動的經濟性最優,但該文獻未對光伏和儲能如何協調配合控制的算法展開深入研究。

本文在前人的研究基礎上,針對光伏和儲能協調互補平抑光伏并網功率波動問題,首先,分析了光伏的功率波動特性;然后,提出了光儲協調平抑功率波動的具體控制策略,給出了光伏最大功率跟蹤(maximum power point tracking,MPPT)工作點的動態調整策略,以及基于自適應卡爾曼濾波算法的儲能充放電控制策略;最后,依據某光伏電站的實測數據對所提策略進行了仿真驗證,并從光伏并網功率波動的平抑效果、儲能最大需求容量、每天電池的循環充放電次數、儲能的投資運行成本以及光伏發電損失量等5個方面全面比較和評估了系統的經濟性。

1 光伏電站發電功率波動特性

圖1顯示了某750 kW光伏電站在2014年1月9日的發電功率曲線(采樣間隔1 min),當日最大功率波動量超過了裝機容量的±70%/min,期間出現了多次功率大幅度地波動現象。

針對典型天氣狀況(晴天、多云、陰天)對該光

圖1 光伏電站典型發電功率波動曲線Fig. 

1 Typical power fluctuations of PV power plant

伏電站1 min的功率波動量進行了統計,統計結果如圖2所示。

從圖2的統計結果看出：功率波動幅值主要集中在光伏裝機容量的±5%~±40%范圍內,超過±60%范圍的功率波動次數較少;多云天氣下,功率波動更頻繁,主要是由于云移動過程中頻繁地遮擋太陽造成;晴天和陰天下功率波動次數很少,幅值也很低,主要因為晴天云少,對太陽的遮擋較少,而陰天光伏本身出力就低,使得功率的可波動范圍相應地被縮小。

圖2 不同天氣狀況下的光伏功率波動特性Fig. 

2 Power fluctuations of PV in different weather conditions

各國電力系統對光伏并網功率的波動性要求不完全相同,如波多黎各電力局對功率波動要求是小于±10%/min,墨西哥電力局要求將功率波動控制在±1%~±5%/min范圍內[3]。在圖2的統計結果基礎上,圖3繪制了在不同時間尺度(1—30 min)下功率波動的變化趨勢。整體來看,隨著時間窗口的增大,功率波動量也隨著增大。多云天氣下的功率波動明顯比晴天和陰天下波動幅度大。另外,在多云天氣下,風速越大,功率的波動量也越大,因為風速越大,云的移動速度也越大,遮擋太陽的頻率增大。此外,晴天和陰天環境下,功率波動量和風速之間的相關性較小。

從上述光伏功率波動特性可以看出,光伏電站的最大功率波動甚至超過了總裝機容量的70%,若要僅僅依靠儲能電池來平抑這種波動,將會使得儲

圖3 不同時間尺度下光伏的功率波動量變化趨勢Fig. 

3 Variation trend of the power fluctuations of PV at different time scales

能電池和儲能變流器(power conversion system,PCS)的容量配置的很大,產生非常高的儲能系統投資運行成本。因此,本文提出光儲協調互補平抑光伏并網功率波動的策略。

2 光儲協調互補平抑功率波動策略

目前,光儲型電站的典型拓撲結構主要有2種：共交流母線型和共直流母線型。基于這2種拓撲結構,本文建立的用于平抑光伏并網功率波動的控制系統拓撲如圖4所示。

能量管理系統(energy management system,EMS)根據光伏的實時發電功率PPV(t)和并網點的實時功率PG(t)的波動大小以及儲能電池的是實時荷電狀態SOC(t),來控制光伏PCS的MPPT工作點

圖4 光儲電站的系統拓撲Fig. 

4 System structure of PV&ES power station

和儲能PCS的充放電功率,通過光伏和儲能的協調配合,將光伏并網功率波動抑制在電網允許范圍內。

針對圖4所示的2種光儲電站拓撲,本文所提策略均適用,存在的差別主要是：數據采集位置的不同、控制指令下發和執行的對象不同。然而,這兩點區別并不會影響所提策略的有效性。

本文以1 min時間尺度下的光伏功率波動平抑為例展開研究,對光伏1 min的功率波動定義為

ΔP(t)=PPV(t)−PPV(t−1)ΔP(t)=PPV(t)−PPV(t−1) (1)

式中ΔP(t)表示t時刻的功率波動大小(單位為kW),數據采樣間隔為1 min。

光儲協調互補平抑功率波動策略如圖5所示。通常控制光伏工作在MPPT模式下,由儲能單獨來平抑小幅度的功率波動。若光伏功率波動幅度超出了儲能的平抑能力,則控制光伏工作在限功率模式下,同時也需要儲能來協同配合平抑。若光伏功率波動在電網允許波動范圍內,則不需要任何平抑措施,控制光伏工作在MPPT模式下,控制儲能輸出功率為零(相當于待機狀態)。

圖5 光儲協調互補平抑功率波動控制策略Fig.

 5 Cooperative control strategy of PV and ES for smoothing power fluctuations of PV

該策略具體分為以下2個步驟進行：

1）將ΔP(t)作為限功率算法的輸入參數;然后,該算法再根據電網規定的光伏并網功率允許波動值Pglimit和儲能PCS的最大輸出功率PES,max對光伏PCS的MPPT工作點作出調整,得到光伏MPPT的功率上限參考值P* limit (取值為0.1CPV~CPV,CPV為光伏的裝機容量/kWp)。Pcell為光伏電池當前最大可輸出功率,為了滿足平抑功率波動的需要,光伏PCS的輸出功率PPV滿足如下：

若P∗limitPlimit∗=CPV,光伏工作在MPPT模式下;若P∗limitPlimit∗<CPV,光伏工作在限功率模式下。

2）在執行步驟1）的同時,采用自適應卡爾曼濾波算法對PPV進行濾波得到并網功率的參考值

P∗GPG∗;然后,根據儲能PCS的PES,max約束、SOC約

束(SOCmin~SOCmax)以及ΔP(t)對儲能PCS的輸出功率進行計算,得到充放電功率值指令PES(放電時功率為正,充電時功率為負)。

3）EMS將計算得到的P∗limitPlimit∗和PES指令值通過

以太網通信的方式分別下發給光伏PCS和儲能PCS執行。

系統控制響應速度分析：EMS從數據采集(≤200 ms),到控制指令計算(≤500 ms),再到控制指令下發(≤50 ms),這個過程大約耗時1 s。然后,儲能PCS能夠根據指令立即調整充放電功率,認為其響應時間≤1 s;同時,光伏PCS調整MPPT工作點,文獻[16]通過實驗對光伏MPPT算法追蹤最大功率點的耗時進行了測算,實驗數據表明追蹤耗時的平均值為0.44 s。綜上,本文策略執行一次的總響應延時約為2 s,遠小于1 min的采樣間隔,上述控制策略能夠良好地追蹤光伏的功率波動。

2.1 光伏限功率算法

光伏的限功率控制算法的核心是：根據波動量ΔP(t)的大小判斷光伏是否進入限功率運行模式、在限功率狀態下動態調整MPPT工作點以及如何由限功率模式切換回MPPT模式。限功率算法的流程如圖6所示。

通常情況下,較大幅度的功率波動首先產生于光伏發電功率的突然下降,然后再出現功率的上下劇烈波動。當限功率算法開始后,通過判斷光伏功

圖6 光伏限功率算法的流程圖Fig. 

6 Flowchart of power curtailment algorithm of PV

率下降的幅度大小來決定光伏PCS的控制模式。

若ΔP(t)<-(Pglimit+PES,max),EMS命令光伏PCS開始執行限功率控制,并給定P∗limitPlimit∗的初始值;反之,則控制光伏PCS執行MPPT控制。

記在限功率模式下功率波動大小為ΔPlimit(t),EMS每經過控制步長Δt,根據ΔPlimit(t)的大小,P∗limit(t)Plimit∗(t)的動態調整過程如下：

1）若功率波動較大,滿足ΔPlimit(t)<-2Pglimit,則將P∗limitPlimit∗調整為當前光伏的發電功率PPV(t)。

2）若功率波動比1）小,但依然超過了電網允許波動,則將功率限值P∗limitPlimit∗進一步降低。

3）若功率波動穩定在一定范圍內,滿足-Pglimit≤ ΔPlimit(t)<0,則保持P∗limitPlimit∗不變。

4）若功率完全不波動,滿足ΔPlimit(t)=0,光伏功率PPV =P∗limitPlimit∗,則將功率限值P∗limitPlimit∗調高。

當光伏PCS工作在限功率模式下時,每隔Δt都要判斷1）—4）,直到P* limit>CPV,立即將光伏PCS由限功率模式切換回MPPT模式。

2.2 儲能充放電控制策略

卡爾曼濾波算法在電力系統狀態估計、新能源發電等方面得到了廣泛應用[17],本文采用自適應卡爾曼濾波算法對光伏功率PPV進行濾波,得到光伏并網功率參考值P∗GPG∗,然后基于P∗GPG∗和儲能電池的SOC,計算得到儲能PCS的充放電功率指令PES。

通常,儲能用于平抑功率波動時,控制儲能電池的SOC在50%附近波動[8]。當儲能電池的SOC嚴重偏離50%時,通過調整P∗GPG∗的大小實現對電池SOC的調節。利用式(3)建立的指標來評價儲能電池SOC的偏離程度,卡爾曼濾波模型根據偏離量λ的大小動態調節卡爾曼濾波參數,最終實現動態調整P∗GPG∗的目的[18]。

λ=nSOC(t)−0.50.5λ=nSOC(t)−0.50.5 (3)

式中n為靈敏度系數,取值為正數,取值越小靈敏度越低,本文取n為0.1。

儲能電池的約束條件主要考慮電池的SOC約束和儲能PCS的功率約束,表示如下：

{−PES,max≤PES(t)≤PES,max0.2≤SOC(t)≤0.9{−PES,max≤PES(t)≤PES,max0.2≤SOC(t)≤0.9 (4)

此外,儲能電池還需要考慮單體電池的溫度和電壓約束。

由卡爾曼濾波得到了t時刻光伏并網功率參考值P∗GPG∗(t),則儲能PCS的充放電功率PES(t)計算表達式為

由式(5)得到了儲能PCS的功率指令后,根據儲能的約束條件式(4)對功率指令PES(t)進行修正。

 3 算例仿真與分析

3.1 光儲協調互補平抑策略的仿真

以某750 kWp光伏電站實測發電數據為例,對本文提出的光儲協調互補平抑策略進行仿真驗證。

仿真參數設置：儲能電池容量CES為150 kW•h,儲能PCS的最大輸出功率PES,max為120 kW;光伏裝機容量CPV為750 kWp;電網允許功率波動為±10%CPVkW/min(即Pglimit為75 kW)。

選取一個典型日的光伏數據進行仿真,原始發電功率和平抑后的并網功率曲線見圖7。從圖7可看出,“不限功率+不用儲能”、“不限功率+用儲能” 以及“限功率+用儲能”這3種方式之間的協調控制過程,有效抑制了光伏并網功率的波動。

圖7 光伏原始發電功率和實際并網功率Fig. 

7 Original and smoothed power of PV

儲能電池的充放電功率曲線和對應的SOC變化曲線如圖8所示。從仿真結果可以看出,本文所提策略能夠控制儲能電池工作在“淺充淺放”狀態下,儲能電池的SOC在50%附近波動。其次,儲能PCS的充放電功率始終在[-120, 120]kW的安全約束范圍內,證明了本文所提的儲能控制策略的正確性。

平抑前后的光伏功率波動大小如圖9所示,平抑后的并網功率波動絕大部分被抑制在了允許波動范圍內,而光伏原始發電功率的波動遠超過允許波動范圍。

圖8 儲能的充放電功率和SOC變化Fig.

 8 Charge/discharge power and SOC of ES

圖9 平抑前后的光伏功率的波動性對比Fig.

 9 Original and smoothed power fluctuations of PV

需要說明的是：圖9的仿真結果中光伏正向并網功率波動得到了有效的平抑,而負向功率波動還存在一部分超出了電網允許波動范圍,這是由于儲能PCS最大放電功率PES,max的限制造成。如若完全平抑這部分波動,需加大儲能PCS的容量,并適當增大儲能電池容量,但這會增加系統投資成本。

3.2 經濟性分析

本文所提策略雖能降低儲能的投資和運行成本,但光伏的限功率控制會導致光伏發電量損失。為了評估所提策略的經濟性,本文和常規利用儲能平抑光伏功率波動的策略[8]進行了對比。從該光伏電站全年的運行數據中選取了60個典型日(每月5天)的功率曲線作為仿真樣本,然后以5個方面的評價指標對策略的執行效果進行對比分析。

3.2.1 光伏并網功率波動平抑效果

對圖9中超標功率(超出±Pglimit范圍外的功率波動)的發電量進行計算,得到全天的超標電量(單位kW•h)。本文利用該值的大小來評估光伏并網功率波動的平抑效果,該值越小,表明平抑效果越好。超標功率波動的分布情況如圖10所示。

圖10 超標功率波動分布情況Fig. 

10 Distribution of excessive power fluctuations

計算得出光伏原始功率超標電量、經本文策略以及經參考策略平抑后的超標電量的平均值分別為：123.27 kW•h/天、31.67 kW•h/天、37.39 kW•h/天。從超標電量的均值來看,本文所提策略和參考策略都能有效地平抑光伏功率波動,但本文策略超標電量的平均值更小,平抑效果更好。

3.2.2 儲能電池最大需求容量

儲能的投資成本和儲能的容量成正比,因此建立儲能最大需求容量指標進行對比。每天用于平抑波動的儲能需求容量Eneed(單位為kW•h)為

Eneed=(max{SOC(t)t=0:0023:59}−min{SOC(t)t=0:0023:59})CESEneed=(max{SOC(t)t=0:0023:59}−min{SOC(t)t=0:0023:59})CES (7)

2種策略Eneed的分布情況如圖11所示,從仿真結果可以直觀地看出本文所提策略對儲能的容量需求遠小于參考策略。

3.2.3 電池循環充放電次數

儲能電池的使用壽命和循環充放電次數直接相關[7],每天循環充放電次數越少,儲能的使用壽命就會變長。因此,本文建立儲能電池循環充放電次數指標N來評估儲能電池的壽命,計算表達式為

N=∑0:0023:59|PES(t)|Δt/(2CES)N=∑0:0023:59|PES(t)|Δt/(2CES) (8)

2種策略下儲能電池每天的循環充放電次數分布情況如圖12所示。從仿真結果可直觀地看出本文所提策略能顯著降低儲能電池的充放電次數,對

圖11 儲能電池最大需求容量分布情況Fig. 

11 Distribution of maximum demand capacity of battery

圖12 儲能電池循環充放電次數分布情況Fig. 

12 Distribution of charge/discharge cycles of battery

儲能的使用頻率遠小于參考策略,能有效地延長儲能電池的使用壽命。

3.2.4 儲能的投資和年運行成本

儲能投資費用包括儲能電池和PCS費用,年運行成本主要考慮儲能每次充放電的能量損耗而發生的成本費用,總費用為

Rinv,cost=γ1(1+0.2)Eave+γ2PES,max+ηγ3NaveCES×365Rinv,cost=γ1(1+0.2)Eave+γ2PES,max+ηγ3NaveCES×365(9)

式中：γ1為單位容量儲能電池的投資成本,取值3000元/kW•h;Eave為圖11中Eneed的平均值;γ2為單位容量儲能PCS的投資成本,取值900元/kW;η為儲能系統的綜合效率,取值90%;γ3為單位充電或放電的運行成本,取值為1.2元/kW•h;Nave為圖12中N的平均值。

計算得出本文所提策略的Rinv,cost共計29.52萬元,參考文獻策略的Rinv,cost共計44.63萬元。

3.2.5 光伏發電損失量

本文所提策略中光伏每天損失的發電量Eloss的分布情況如圖13所示,Eloss的平均值為98.89 kW•h/天,折算成電費損失(電價為1元/kW•h),全年的發電損失費用約為3.61萬元。

3.2.6 經濟性綜合對比分析

對上述5項評價指標的評估結果進行匯總,如表1所示

圖13 光伏發電損失量發分布情況Fig. 

13 Distribution of PV generation power loss

經本文策略平抑后的光伏并網功率波動性比參考策略平均減少了5.72 kW•h,約占光伏原始功率波動的4.38%,對光伏并網功率波動平抑性能更好;本文策略對儲能容量的需求比參考策略平均減少了41.10%,同等條件下,系統對儲能的容量需求約減少了一半;本文策略每天對電池的循環充放電次數比參考策略減少了58.15%,大幅降低了電池的充放電頻率,能夠有效延長儲能電池的使用壽命;本文策略的投資成本和年運行費用為33.13萬元(含

表1 本文策略和參考策略的經濟性綜合比較Tab.

 1 Comprehensive comparisons of economy between proposed strategy and referenced strategy

光伏發電損失費),比參考策略的總費用減少了25.77%,綜合經濟效益相當可觀。

4 結論

本文研究了光儲協調互補平抑光伏并網功率波動策略,從光伏限功率控制和儲能充放電控制2個方面同時進行平抑,達到了良好地平抑光伏并網功率波動效果。

采用光儲協調互補的方法平抑功率波動相比于單獨利用儲能平抑功率波動,前者對儲能的容量需求更低,而且還能顯著減低儲能的循環充放電次數,能夠延長光儲型電站中儲能的使用壽命。

其次,采用光儲協調互補的方法平抑功率波動能夠降低光儲型電站的投資運行成本,相比于常規的單獨利用儲能平抑功率波動方法,經濟性能夠提高20%以上。

在本文的研究過程中,儲能電池和儲能PCS的容量初始值是根據經驗得出,在論文中并未對儲能容量的配置過程進行詳細論述。因此,下一步的研究內容主要為：基于光儲協調互補平抑光伏并網功率波動的思想,研究儲能電池容量和儲能PCS容量的具體優化配置方法,得出儲能系統容量的定量計算方法。

參考文獻

[1] 葉小暉,戴漢揚,賴旬陽,等.間歇式電源并網系統的中長期特性仿真研究[J].電網技術,2015,39(6):1691-1696. Ye Xiaohui,Dai Hanyang,Lai Xunyang,et al.Simulation of medium-and long-term characteristics of power grid integrated with intermittent energy sources[J].Power System Technology,2015,39(6):1691-1696(in Chinese).

[2] 劉皓明,陸丹,楊波,等.可平抑高滲透分布式光伏發電功率波動的儲能電站調度策略[J].高電壓技術,2015,41(10):3213-3223. Liu Haoming,Lu Dan,Yang Bo,et al.Dispatch strategy of energy storage station to smooth power fluctuations of high penetration photovoltaic generation[J].High Voltage Engineering,2015,41(10):3213-3223(in Chinese).

[3] Shivashankar S,Mekhilef S,Mokhlis H,et al.Mitigating methods of power fluctuation of photovoltaic(PV) sources-a review[J].Renewable and Sustainable Energy Reviews,2016(59):1170-1184.

[4] 謝小英,李文軍,宣文華,等.一種平抑光伏和負荷波動的電動汽車有序充放電策略[J].燕山大學學報,2015,39(4):352-356. Xie Xiaoying,Li Wenjun,Xuan Wenhua,et al.A method of smoothing PV and load fluctuation by organized changing discharging for electric vehicles[J].Journal of Yanshan University,2015,39(4):352-356(in Chinese).

[5] Darras C,Muselli M,Poggi P,et al.PV output power fluctuations smoothing: the MYRTE platform experience[J].International Journal of Hydrogen Energy,2012,37(19):14015-14025.

[6] Marcos J,Marroyo L,Lorenzo E,et al.Smoothing of PV power fluctuations by geographical dispersion[J].Progress in Photovoltaics: Research and Applications,2012,20(2):226-237.

[7] 程志江,李永東,謝永流,等.帶超級電容的光伏發電微網系統混合儲能控制策略[J].電網技術,2015,39(10):2739-2745. Cheng Zhijiang,Li Yongdong,Xie Yongliu,et al.Control strategy for hybrid energy storage of photovoltaie generation microgrid system with super capacitor[J].Power System Technology,2015,39(10):2739-2745(in Chinese).

[8] Marcos J,De la Parra I,García M,et al.Control strategies to smooth short-term power fluctuations in large photovoltaic plants using battery storage systems[J].Energies,2014,7(10):6593-6619.

[9] IRENA.Electricity storage and renewables: costs and markets to 2030[R].Germany:IRENA,2017.

[10] 李凡,張建成,朱立剛.平抑光伏功率波動的混合儲能系統控制方法[J].電源技術,2016,40(2):397-399.Li Fan,Zhang Jiancheng,Zhu Ligang.Control method of hybrid energy storage system for photovoltaic power balancing[J].Chinese Journal of Power Sources,2016,40(2):397-399(in Chinese).

[11] 王海波,楊秀,張美霞.平抑光伏系統波動的混合儲能控制策略[J].電網技術,2013,37(9):2452-2458.Wang Haibo,Yang Xiu,Zhang Meixia.A control strategy of hybrid energy storage system capable of suppressing output fluctuation of photovoltaic generation system[J].Power System Technology,2013,37(9):2452-2458(in Chinese).

[12] Li X,Hui D,Lai X.Battery energy storage station(BESS)-based smoothing control of photovoltaic(PV)and wind power generation fluctuations[J].IEEE Transactions on Sustainable Energy,2013,4(2):464-473.

[13] 陳剛,袁越,傅質馨.儲能電池平抑光伏發電波動的應用[J].電力系統及其自動化學報,2014,26(2):27-31. Chen Gang,Yuan Yue,Fu Zhixin.Application of storage battery to restrain the photovoltaic power fluctuation[J].Proceedings of the CSU-EPSA,2014,26(2):27-31(in Chinese).

[14] Ina N,Yanagawa S,Kato T,et al.Smoothing PV system’s output by tuning mppt control[J].IEEJ Transactions on Power and Energy,2004,124(3):455-461.

[15] Omran W A,Kazerani M,Salama M M A.Investigation of methods for reduction of power fluctuations generated from large grid- connected photovoltaic systems[J].IEEE Transactions on Energy Conversion,2011,26(1):318-327.

[16] Nishant K,Ikhlaq H,Bhim S,et al.Rapid MPPT for uniformly and partial shaded PV system by using JayaDE algorithm in highly fluctuating atmospheric conditions[J].IEEE Transactions on Industrial Informatics,2017,13(5):2406-2416.

[17] 李江,王義偉,魏超,等.卡爾曼濾波理論在電力系統中的應用綜述[J].電力系統保護與控制,2014,42(6):135-144. Li Jiang,Wang Yiwei,Wei Chao,et al.A survey on the application of Kalman filtering method in power system[J].Power System Protection and Control,2014,42(6):135-144(in Chinese).

[18] Eldeeb H,Massoud A,Abdel-Khalik A S,et al.A sensorless Kalman filter-based active damping technique for grid-tied VSI with LCL filter[J].International Journal of Electrical Power & Energy Systems,2017(93):146-155.

作者介紹：

馬偉1, 王瑋1, 吳學智2, 胡若男1, 姜久春1

1．國家能源主動配電網技術研發中心(北京交通大學),北京市 海淀區 100044

2．北京電動車輛協同創新中心,北京市 海淀區 100044

馬偉(1992),男,博士研究生,通信作者,研究方向為新能源發電技術,E-mail：16117385@bjtu.edu.cn;

王瑋(1959),男,教授,博士生導師,研究方向為電力系統分析、新能源發電技術等,E-mail：wwang2@bjtu.edu.cn;

吳學智(1975),男,博士,副教授,博士生導師,研究方向為新能源發電和柔性直流輸電技術。