CN106786690A - 一种应用于分布式储能系统的soc最优下垂因子控制方法 - Google Patents

Abstract

本发明公开了一种应用于分布式储能系统的SOC最优下垂因子控制方法，步骤1、构建SOC最优下垂因子；步骤2、根据分布式储能变换器拓扑结构，将控制系统描述为电压源型变换器；步骤3、将下垂因子与输出端口电流i_dc的乘积与输出端参考电压u_dc作比较，形成新的下垂控制参考电压u^* _dc；步骤4、设计电压电流调节器，使其相位裕度和幅值裕度足够大；步骤5、加入二次控制补偿母线电压跌落，使整个系统有较高的动态响应和较小的稳态误差。本发明通过仿真与实验归纳出的SOC最优下垂因子，可以按蓄电池和超级电容剩余容量有效分配负荷，使SOC快速趋于一致，负荷趋于相等。通过互连线使SOC和端口电压信息共享，用于下垂因子自适应调节和母线电压恢复。

Description

一种应用于分布式储能系统的SOC最优下垂因子控制方法

技术领域

本发明涉及调节器应用技术领域，尤其是一种适用于分布式储能系统负荷电流分配方法。

背景技术

基于直流母线的可再生能源发电，由于可再生能源输出功率不稳定且低压线路呈现一定的阻性，需要增加储能单元提升系统的可靠性和稳定性，同时需要考虑线路阻抗的影响。传统的下垂控制进行负荷分配时将下垂系数固定为常数，因此不能反应储能单元SOC信息，长期运行导致储能单元的加速老化，不能最大限度发挥储能单元的优势。

实际的储能单元容量较大，因此SOC在短时间内变化并不明显，可充分利用这一特点进行数据传输，采用适当的控制算法进行负荷电流分配。

发明内容

本发明目的在于提供一种充分考虑储能单元自身容量、对负荷电流实现有效的动态分配、SOC快速趋于一致且提高系统稳定性的应用于分布式储能系统的SOC最优下垂因子控制方法。

为实现上述目的，采用了以下技术方案：本发明所述方法步骤如下：

步骤1、构建SOC最优下垂因子；

步骤2、根据分布式储能变换器拓扑结构，将整体控制系统描述为电压源型变换器；

步骤3、将下垂因子与输出端口电流i_dc的乘积与输出端参考电压u_dc作比较，形成新的下垂控制参考电压u^* _dc；

步骤4、设计电压电流调节器，使其相位裕度在45°，幅值裕度在10dB。

步骤5、加入二次控制补偿母线电压跌落，使整个系统有较高的动态响应和较小的稳态误差；

步骤6，根据步骤4、5将硬件电路与控制电路构成闭合回路。

进一步的，所述步骤1的具体步骤为：

步骤1.1、构建SOC最优下垂因子，其传递函数G(soc)为，算法如下：

式中，k_D为比例系数；p为常数；i_dc为端口输出电流；A_soc ⁿ为socⁿ平均值；socⁿ为soc的n次幂；

步骤1.2、SOC最优下垂因子的参数变化对系统影响，SOC最优下垂因子中参数k_D、p、n分别选取不同值。

SOC最优下垂因子中参数k_D为基准下垂系数，socⁿ与系统平均A_soc ⁿ相等时G(soc)值与k_D相等；ω_c为低通滤波器带宽，ω_c越大根轨迹向左移动，对系统影响减弱；p值影响SOC均衡速率，p越大均衡速率越快；n影响SOC均衡精度，n越大SOC收敛精度越高；p与n相互影响，最优参数兼顾收敛速度与稳定性；

步骤1.3、SOC最优下垂因子控制的参数ω_c范围20～100rad/s。

进一步的，所述SOC最优下垂及其电压恢复算法如下：

式中，G(soc)为传递函数；idc为端口输出电流；Δu_dc为电压恢复因子。

进一步的，所述电压恢复因子Δu_dc的算法如下：

Δu_dc＝(1-K_v/(Ts+1))u_dc

式中，K_v为电压系数；T为惯性时间常数，T的时间常数比G(soc)的时间常数高2倍以上；S为拉氏变换后的复频域。

与现有技术相比，本发明具有如下优点：

1、解决由于储能单元生产工艺不一致，储能单元所处的外部环境差异，及初始SOC不一致导致的负荷电流分配不均问题。SOC最优下垂因子控制将初始SOC偏差较大的储能单元快速均衡，提高负荷电流分配精度同时提高系统的稳定性。

2、SOC最优下垂因子控制，使得剩余电量较多的储能单元提供较多的负荷功率；剩余容量较小的储能单元提供较少的负荷功率，各个储能单元SOC快速趋于一致。

3、对下垂控制引起的母线电压跌落进行二次调节具有重要的实际意义，有利于提高母线电压的支撑能力。

4、SOC最优下垂因子控制不依赖底层变换器拓扑结构，可以跨平台使用。

附图说明

图1为本发明方法中SOC最优下垂因子控制结构图。

图2为本发明方法中SOC最优下垂因子中参数变化时对应的根轨迹图。

图3为本发明方法中SOC最优下垂因子控制超级电容充放电切换仿真图。

图4为本发明方法中SOC最优下垂因子控制蓄电池充电实验图。

具体实施方式

下面结合附图对本发明做进一步说明：

本发明所述方法步骤如下：

步骤1、构建SOC最优下垂因子；SOC最优下垂因子控制的控制框图，如图1所示：

步骤1.1、构建SOC最优下垂因子，其传递函数G(soc)为，算法如下：

式中，k_D为比例系数；p为常数；i_dc为端口输出电流；A_soc ⁿ为socⁿ平均值；socⁿ为soc的n次幂；

步骤1.2、SOC最优下垂因子的参数变化对系统影响，具体如下：

SOC最优下垂因子中参数k_D、p、n分别选取不同值，其对应根轨迹图如附图2所示。

SOC最优下垂因子中参数k_D为基准下垂系数，socⁿ与系统平均A_soc ⁿ相等时G(soc)值与k_D相等；ω_c为低通滤波器带宽，ω_c越大根轨迹向左移动，对系统影响减弱；p值影响SOC均衡速率，p越大均衡速率越快；n影响SOC均衡精度，n越大SOC收敛精度越高；p与n相互影响，最优参数兼顾收敛速度与稳定性；

步骤1.3、SOC最优下垂因子控制的参数ω_c范围20～100rad/s。

步骤2、根据分布式储能变换器拓扑结构，将整体控制系统描述为电压源型变换器；

步骤3、将下垂因子与输出端口电流i_dc的乘积与输出端参考电压u_dc作比较，形成新的下垂控制参考电压u^* _dc；

步骤4、设计电压电流调节器，使其相位裕度在45°，幅值裕度在10dB。

步骤5、加入二次控制补偿母线电压跌落，使整个系统有较高的动态响应和较小的稳态误差；

步骤6，根据步骤4、5将硬件电路与控制电路构成闭合回路。

所述SOC最优下垂及其电压恢复算法如下：

式中，G(soc)为传递函数；i_dc为端口输出电流；Δu_dc为电压恢复因子。

其中，电压恢复因子Δu_dc的算法如下：

Δu_dc＝(1-K_v/(Ts+1))u_dc

式中，K_v为电压系数；T为惯性时间常数，T的时间常数比G(soc)的时间常数高2倍以上；S为拉氏变换后的复频域。

以下就超级电容作为储能单元和蓄电池作为储能单元为例分别进行说明。超级电容容量10F,电压等级0～200V，经过双向DCDC变换器接入直流母线进行仿真分析，其中SOC估计采用端电压法，即当前电压与额定电压的比值作为本地SOC信息。SOC最优下垂因子中参数变化时，根轨迹均在左半平面如图2所示，系统稳定。直流母线接入50Ω负载电阻，并用500V电压源与5Ω电阻组成的电压源对系统进行冲击，使超级电容处于交替充放电工作模式。

根据图3所示的仿真结果，充分说明SOC最优下垂因子控制可以有效工作。

图4所示的充电实验，蓄电池所采用磷酸铁锂电池。电压等级80V，容量50Ah，采用母线电压250V的电压源与5Ω电阻串联接入母线。蓄电池处于充电状态。

蓄电池充电实验结果表明，电流可按SOC值快速充电，且系统稳定。

以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (4)

1.一种应用于分布式储能系统的SOC最优下垂因子控制方法，其特征在于，所述方法步骤如下：

步骤1、构建SOC最优下垂因子；

步骤2、根据分布式储能变换器拓扑结构，将整体控制系统描述为电压源型变换器；

步骤3、将下垂因子与输出端口电流i_dc的乘积与输出端参考电压u_dc作比较，形成新的下垂控制参考电压u^* _dc；

步骤4、设计电压电流调节器，使其相位裕度在45°，幅值裕度在10dB；

步骤5、加入二次控制补偿母线电压跌落，使整个系统有较高的动态响应和较小的稳态误差；

步骤6，根据步骤4、5将硬件电路与控制电路构成闭合回路。

2.根据权利要求1所述的一种应用于分布式储能系统的SOC最优下垂因子控制方法，其特征在于，所述步骤1的具体步骤为：

步骤1.1、构建SOC最优下垂因子，其传递函数G(soc)为，算法如下：

$G\left(soc\right)=\left\{\begin{array}{cc}{k}_D\&CenterDot;\exp \&lsqb;p\&CenterDot;({\mathrm{soc}}^n-A_{{\mathrm{soc}}^n})\&rsqb;,& i_{dc}<0\\ k_D\&CenterDot;\exp \&lsqb;-p\&CenterDot;({\mathrm{soc}}^n-A_{{\mathrm{soc}}^n})\&rsqb;,& i_{dc}>0\end{array}\right.$

式中，k_D为比例系数；p为常数；i_dc为端口输出电流；A_soc ⁿ为socⁿ平均值；socⁿ为soc的n次幂；

步骤1.2、SOC最优下垂因子的参数变化对系统影响，SOC最优下垂因子中参数k_D、p、n分别选取不同值；

SOC最优下垂因子中参数k_D为基准下垂系数，socⁿ与系统平均A_soc ⁿ相等时G(soc)值与k_D相等；ω_c为低通滤波器带宽，ω_c越大根轨迹向左移动，对系统影响减弱；p值影响SOC均衡速率，p越大均衡速率越快；n影响SOC均衡精度，n越大SOC收敛精度越高；p与n相互影响，最优参数兼顾收敛速度与稳定性；

步骤1.3、SOC最优下垂因子控制的参数ω_c范围20～100rad/s。

3.根据权利要求1所述的一种应用于分布式储能系统的SOC最优下垂因子控制方法，其特征在于，所述SOC最优下垂及其电压恢复算法如下：

$u_{dc}^{*}=u_{dc}-G\left(soc\right)i_{dc}+{\mathrm{\&Delta;u}}_{dc};$

式中，G(soc)为传递函数；idc为端口输出电流；Δu_dc为电压恢复因子。

4.根据权利要求3所述的一种应用于分布式储能系统的SOC最优下垂因子控制方法，其特征在于，所述电压恢复因子Δu_dc的算法如下：

Δu_dc＝(1-K_v/(Ts+1))u_dc

式中，K_v为电压系数；T为惯性时间常数，T的时间常数比G(soc)的时间常数高2倍以上；S为拉氏变换后的复频域。