探索风光储交流微网中的双向储能变流器

风光储交流微网(双向储能变流器) 含: 1.永磁直驱风机＋mppt＋整流＋并网逆变 mppt采用扫描搜索法 整流采用转速外环电流内环双闭环控制 并网逆变采用电压外环电流内环控制 满功率运行 2.PV＋mppt＋boost＋并网逆变 mppt采用增量电导法 并网逆变采用电压外环电流内环控制 3.储能＋双向dcdc＋双向ACDC变流器 双向dcdc采用电压外环电流内环控制策略 稳定直流母线电压800V 双向ACDC采用PQ控制并网 Pref与Qref根据功率富余或缺额实时反馈调整 从而实现了储能系统对功率的良好平抑功能 波形漂亮，看图说话！ 模型很灵活，可拓展使用！

在如今的能源格局中，风光储交流微网凭借其清洁、可持续的特点，成为了研究和应用的热点。其中，双向储能变流器更是整个系统稳定运行的关键所在。今天咱们就深入探讨一下风光储交流微网中各个组成部分的奇妙之处。

永磁直驱风机部分

永磁直驱风机系统主要包括 mppt（最大功率点跟踪）、整流以及并网逆变这几个关键环节。

mppt - 扫描搜索法

mppt 的作用是让风机始终工作在最大功率点，以充分利用风能。这里采用扫描搜索法，代码大概如下：

# 假设风机功率与转速关系的模拟函数 def wind_turbine_power(speed): return -0.01 * speed ** 2 + 2 * speed + 10 # 扫描搜索法实现mppt def mppt_scan_search(): current_speed = 0 step_size = 0.1 max_power = 0 max_speed = 0 while True: new_speed = current_speed + step_size new_power = wind_turbine_power(new_speed) if new_power > max_power: max_power = new_power max_speed = new_speed current_speed = new_speed else: step_size = -step_size / 2 current_speed = current_speed + step_size if abs(step_size) < 0.001: break return max_speed

分析：这段代码通过不断尝试不同的转速，并比较对应的功率，逐步找到使风机功率最大的转速。它先以固定步长探索，如果新转速带来更大功率，就继续朝这个方向探索；如果功率变小，就减小步长并反向探索，直到步长足够小，认为找到了最大功率点对应的转速。

整流 - 转速外环电流内环双闭环控制

整流环节采用转速外环电流内环双闭环控制。这种控制方式能有效调节电机的转速和电流，确保能量的高效转换。

# 简单模拟转速外环电流内环双闭环控制 class DualLoopControl: def __init__(self, kp_speed, ki_speed, kp_current, ki_current): self.kp_speed = kp_speed self.ki_speed = ki_speed self.kp_current = kp_current self.ki_current = ki_current self.integral_speed = 0 self.integral_current = 0 def control(self, set_speed, current_speed, set_current, current_current): error_speed = set_speed - current_speed self.integral_speed += error_speed speed_output = self.kp_speed * error_speed + self.ki_speed * self.integral_speed error_current = set_current - current_current self.integral_current += error_current current_output = self.kp_current * error_current + self.ki_current * self.integral_current return speed_output, current_output

分析：这个类实现了双闭环控制，转速外环根据设定转速和当前转速的误差，通过比例积分控制计算出一个输出值，这个值会作为电流内环的设定值。电流内环再根据设定电流和当前电流的误差，同样通过比例积分控制，最终输出控制信号，用于调节整流过程。

并网逆变 - 电压外环电流内环控制

并网逆变采用电压外环电流内环控制，保证逆变后的电能能够稳定并入电网。

# 模拟电压外环电流内环并网逆变控制 class GridConnectionInverter: def __init__(self, kp_voltage, ki_voltage, kp_current, ki_current): self.kp_voltage = kp_voltage self.ki_voltage = ki_voltage self.kp_current = kp_current self.ki_current = ki_current self.integral_voltage = 0 self.integral_current = 0 def control(self, set_voltage, current_voltage, set_current, current_current): error_voltage = set_voltage - current_voltage self.integral_voltage += error_voltage voltage_output = self.kp_voltage * error_voltage + self.ki_voltage * self.integral_voltage error_current = set_current - current_current self.integral_current += error_current current_output = self.kp_current * error_current + self.ki_current * self.integral_current return voltage_output, current_output

分析：与整流的双闭环类似，电压外环先根据设定电压和当前电压的误差，通过比例积分控制计算出一个值，作为电流内环的设定值。电流内环再基于设定电流和实际电流的误差进行控制，确保逆变后的电压和电流满足并网要求。

PV部分

PV的mppt - 增量电导法

PV（光伏）部分的 mppt 采用增量电导法，代码模拟如下：

# 假设光伏电池的I - V曲线函数 def pv_cell_iv(voltage): return -0.001 * voltage ** 2 + 0.1 * voltage + 5 # 增量电导法实现mppt def mppt_incremental_conductance(): voltage = 0 step_size = 0.1 while True: new_voltage = voltage + step_size current = pv_cell_iv(voltage) new_current = pv_cell_iv(new_voltage) dI = new_current - current dV = new_voltage - voltage if dI / dV + current / new_voltage < 0: step_size = -step_size voltage = voltage + step_size if abs(step_size) < 0.001: break return voltage

分析：增量电导法通过比较光伏电池电流和电压的变化率来判断是否达到最大功率点。如果电流变化率与电压变化率的比值加上当前电流与新电压的比值小于零，说明需要反向调整电压步长，以此不断逼近最大功率点对应的电压。

PV的并网逆变 - 电压外环电流内环控制

与永磁直驱风机并网逆变类似，PV的并网逆变同样采用电压外环电流内环控制。

# PV并网逆变电压外环电流内环控制，与上面GridConnectionInverter类似，这里不再重复代码

储能部分

双向dcdc - 电压外环电流内环控制策略

双向dcdc采用电压外环电流内环控制策略来稳定直流母线电压在800V。

# 双向dcdc电压外环电流内环控制 class BidirectionalDCDC: def __init__(self, kp_voltage, ki_voltage, kp_current, ki_current): self.kp_voltage = kp_voltage self.ki_voltage = ki_voltage self.kp_current = kp_current self.ki_current = ki_current self.integral_voltage = 0 self.integral_current = 0 def control(self, set_voltage=800, current_voltage=0, set_current=0, current_current=0): error_voltage = set_voltage - current_voltage self.integral_voltage += error_voltage voltage_output = self.kp_voltage * error_voltage + self.ki_voltage * self.integral_voltage error_current = set_current - current_current self.integral_current += error_current current_output = self.kp_current * error_current + self.ki_current * self.integral_current return voltage_output, current_output

分析：这个类通过不断比较设定的800V直流母线电压和当前实际电压的误差，利用比例积分控制调节电压外环输出，这个输出又作为电流内环的设定值，再通过电流内环的比例积分控制来调节双向dcdc的工作，从而稳定直流母线电压。

双向ACDC - PQ控制并网

双向ACDC采用PQ控制并网，Pref与Qref根据功率富余或缺额实时反馈调整，实现储能系统对功率的良好平抑功能。

# 简单模拟双向ACDC的PQ控制 class BidirectionalACDC: def __init__(self): self.pref = 0 self.qref = 0 def update_pq(self, power_surplus_or_deficit): # 这里简单假设根据功率富余或缺额线性调整Pref和Qref if power_surplus_or_deficit > 0: self.pref += 0.1 * power_surplus_or_deficit self.qref += 0.05 * power_surplus_or_deficit else: self.pref -= 0.1 * abs(power_surplus_or_deficit) self.qref -= 0.05 * abs(power_surplus_or_deficit) return self.pref, self.qref

分析：这个类根据功率富余或缺额来实时调整Pref和Qref。当有功率富余时，Pref和Qref会相应增加；当功率缺额时，它们则会减小，以此实现储能系统对功率的平抑，确保整个微网系统的稳定运行。

风光储交流微网(双向储能变流器) 含: 1.永磁直驱风机＋mppt＋整流＋并网逆变 mppt采用扫描搜索法 整流采用转速外环电流内环双闭环控制 并网逆变采用电压外环电流内环控制 满功率运行 2.PV＋mppt＋boost＋并网逆变 mppt采用增量电导法 并网逆变采用电压外环电流内环控制 3.储能＋双向dcdc＋双向ACDC变流器 双向dcdc采用电压外环电流内环控制策略 稳定直流母线电压800V 双向ACDC采用PQ控制并网 Pref与Qref根据功率富余或缺额实时反馈调整 从而实现了储能系统对功率的良好平抑功能 波形漂亮，看图说话！ 模型很灵活，可拓展使用！

从实际运行的波形来看，各个环节配合默契，无论是风机、PV还是储能部分，都能在各自的控制策略下高效工作。而且整个模型设计得非常灵活，后续可以根据不同的应用场景和需求进行拓展使用，比如增加更多的风机或光伏板，或者调整储能系统的容量等。风光储交流微网中的双向储能变流器，就像一个精密的指挥家，协调着各方的能源流动，为我们构建更加绿色、稳定的能源未来。