摘要
本文介绍了一种由太阳能光伏系统供电的直流微电网的设计、控制与验证方法，该微电网还整合了电池储能系统。作为在资源匮乏地区实现远程供电的手段，这项研究在实验室环境中展开。文中采用了基于自适应神经模糊推理系统的最大功率点跟踪算法，以便在光照强度变化的情况下最大化太阳能的利用效率。同时，还提出了一种自适应功率管理框架，用于在电池储能系统无法为直流母线提供支持时维持其稳定性——这种情况可能由电池老化、传感器或通信故障、变换器故障、保护装置动作或物理损坏等因素引发。在本研究中，电池储能系统不可用这一状况被表现为对系统支持的缺失，而导致这一状况的具体故障机制则未单独建模。该自适应功率管理框架分为监测、决策和控制三个层次，仅利用微电网中已有的电压和电流数据，无需额外的传感设备。系统在三种运行场景下进行了测试：（i）间歇性可再生能源发电；（ii）负载需求变化；（iii）光照强度和负载的随机波动。在电池储能系统不可用的情况下，该框架会根据具体情况启动优先级的负荷削减或光伏发电限制措施，从而保障关键负荷的正常运行，并防止直流母线电压过高。在所研究的场景中，该框架将最坏情况下的电压下降幅度从35.9%降低到2.4%，电压上升幅度从53.51%降低到0.14%，同时在正常运行状态下能将电池储能系统的充电状态维持在20%–80%之间。与传统的扰动观察法和增量电导法相比，基于自适应神经模糊推理系统的最大功率点跟踪算法的点态跟踪效率和转换效率分别达到了99.46%，比传统方法高出1.78%和0.86%，这一优势也通过独立的能量评估得到了证实，分别为1.76%和0.92%。此外，该算法的电压偏差仅为2.34%，电压峰峰值波动仅为0.57伏特。基于李雅普诺夫理论的分析表明，在给定假设条件下，带有电池储能系统调节的运行模式下直流母线电压具有渐近稳定性。所提出的控制策略通过MATLAB/Simulink（R2025b）仿真以及实验室试验结果得到了验证，后者展示了光伏系统、电池储能系统和变换器之间的协同工作以及直流母线电压的稳定调控效果。
