CN109245138A

CN109245138A - 一种在孤岛微网场景内延长储能设备使用寿命的方法

Info

Publication number: CN109245138A
Application number: CN201811226354.2A
Authority: CN
Inventors: 谢伟; 黄旭东; 蒋春洪; 武利群; 黄昆
Original assignee: Sichuan Huatai Electric Ltd By Share Ltd
Current assignee: Sichuan Huatai Electric Ltd By Share Ltd
Priority date: 2018-10-22
Filing date: 2018-10-22
Publication date: 2019-01-18

Abstract

本发明公开一种在孤岛微网场景内延长储能设备使用寿命的方法，包括以下步骤：步骤1，针对可再生发电设备与负载功率建模；步骤2，针对可控发电装置功率建模；步骤3，针对储能设备建模；步骤4，获得微网动态综合系统数学模型；步骤5，针对延长储能设备寿命设计控制目标函数；步骤6，求解最优控制问题；步骤7，将所得控制信号输入系统。本发明针对性较强，对于大量孤岛微网场景具有普适性，使得建模结果更接近真实效果，可精准获得最优控制信号，可以与已有在储能设备内部设置控制器的传统方法结合使用，两者互补且不冲突，一定程度上保护了这些可控发电装置。

Description

一种在孤岛微网场景内延长储能设备使用寿命的方法

技术领域

本发明提出了一种在孤岛微网场景内延长储能设备使用寿命的方法。本发明考虑的场景是孤岛微网，其包括光伏、风机、微型燃气涡轮机(简称：微机)、柴油发电机、燃料电池、储能设备、负载。

背景技术

在某些偏远地区，如岛屿、山地、戈壁等，如果需要设立类似军事基地、民用气象观察站等用电量不是特别巨大的用电区域，由于架设主干网成本较高，自给自足的孤岛微网是最适合的解决用电需求的方案。由于孤岛微网不与主干网相连，其涉及的能量管理问题等具有一定挑战性，使之成为了当下电力系统研究领域中的热点。

当前可再生能源如光伏发电，风机发电发展迅速。光伏发电和风机发电可以看作是孤岛微网内较为经济环保的发电方式。这些可再生能源发电具有清洁无污染、可重复使用等优势，但他们也存在一些缺陷。光伏和风机发电很大程度上依赖于天气条件。例如，光伏发电取决于光照条件。光照角度、强度都会对光伏发电功率产生影响。如果是阴天，或者雨雪天气，光伏发电设备可能无法正常工作。风机发电取决于风向与风速。如果风速较小，或者风向变化特别频繁，都会降低风机发电量。如果某一天基本无风，则风机无法对微网提供电能。

在某些特定条件下，光伏、风机可能同时无法工作。这时候微网供电就需要依赖其他发电设备，以及储能设备提供电能，否则微网会发生电能供需不平衡，以至于崩溃。目前一些较为常见的发电设备包括微型燃气涡轮机(简称：微机)，柴油发电机，燃料电池等，均为可控分布式发电设备。微网管理者可以根据实际电能供需情况，通过控制这些发电设备，使得整个微网实现功率供需平衡。

在极端天气条件下，如果光伏、风机不能生产电能，且所有可控发电设备均已于最大发电功率工作，在这种情况下，所有发电量仍无法满足负荷需求，此时储能设备就显得尤为关键。储能设备可以在微网电能供应不足的情况下提供能量。在另一种极端天气条件下，如果光伏和风机都可以持续生产充足电能供所有微网内负载使用且仍有富余，此时微网内其他可控发电设备均无需启动，多余的能量可以被储能设备存储，以备不时之需。

当下，生产和生活中对于储能设备的需求，激发了诸多工业领域突飞猛进的发展。例如当下电动汽车的迅速发展即得益于相关储能技术的突破。制约储能设备发展的主要有两点：一，某些特殊的储能设备购置与维护成本居高不下；二，储能设备的最大储存能量总量有限。本发明主要探讨有关储能设备购置与成本维护的问题。储能设备，主要指的是电池储能，都受制于有限的使用寿命。如果储能设备使用不合理，会加速对储能寿命的损耗。目前已经有很多针对储能设备本身设计控制策略以延长其使用寿命的方式方法。但是，在孤岛微网内，结合实际天气条件，如果不合理使用可控发电设备，也会对储能设备造成损耗。例如，在可再生能源发电量不是特别充裕时，可以通过调节可控发电设备电能输出来实现微网内电能供需平衡，此时电池理论上无需工作。在这种情况下，如果可控发电设备发电量较少，过度依赖电池供电，则显得没有必要，毕竟储能总循环使用次数有限。另一种情况是由于可再生能源发电用电功率变化都比较剧烈的情况下，如果可控发电设备不介入调节，微网内母线功率波动会较大，这种短时间内较为剧烈的功率波动需要依赖储能设备去吸纳和补偿。如果储能设备在短期内持续大幅功率波动，则必然对其造成较大损耗。

根据以上描述，在孤岛微网中，有必要在目前已有对储能设备本身设置控制器方法的基础上，通过调节其他可控发电设备，从孤岛微网系统合理运行的角度延长储能寿命。针对保护储能设备的孤岛微网的控制问题尚未被单独研究，尤其是当大量可再生发电设备接入的情况下。

发明内容

本发明的目的在于提供一种在孤岛微网场景内延长储能设备使用寿命的方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种在孤岛微网场景内延长储能设备使用寿命的方法，包括以下步骤：

步骤1，针对可再生发电设备与负载功率建模：

将光伏、风机动态发电功率分别记为P_PV，P_WTG，将负载动态用电功率记为P_L，针对P_PV，P_WTG,P_L分别建模如下，三者动态功率可以被建模为如下形式：

步骤2，针对可控发电装置功率建模：

可控发电装置为微机、柴油发电机、燃料电池，其动态功率分别被记为：P_MT，P_DEG，P_FC。针对微机、柴油发电机、燃料电池动态功率进行建模。建模时，采用常微分方程如下：

步骤3，针对储能设备建模：

储能设备在t时刻的充电状态被记为SOC(t)，在t时刻流入或流出电池的功率记为P_BES(t)，因此，电池充电功率为

P_in(t)＝max(0,P_BES(t))， (7)

其中max算法取其最大值，电池放电功率为

P_out(t)＝max(0,-P_BES(t))， (8)

针对SOC(t)建模如下：

针对以上模型，SOC(t)模型可以改写为

其中系数η(P_BES(t))被定义为

步骤4，获得微网动态综合系统数学模型：

综合考虑步骤1至步骤3结果，联列公式(1)-(11)，考虑孤岛微网内电能供需平衡关系，即

P_MT(t)+P_DEG(t)+P_FC(t)+P_PV(t)+P_WTG(t)-P_L(t)±P_BES(t)＝0

得到一个线性控制系统

其中矩阵

矩阵

布朗运动

W(t)＝[W_PV(t) W_WTG(t) W_L(t)]′，

系统状态

x＝[P_PV(t) P_WTG(t) P_L(t) P_MT(t) P_DEG(t) P_FC(t) SOC(t)]′，

系统控制输入

u＝[u_MT(t) u_DEG(t) u_FC(t)]′，

至此，实际工况的微网动态系统已经被建模成数学控制系统；

步骤5，针对延长储能设备寿命设计控制目标函数：

Puekert寿命能量吞吐模型被记为PLET模型，并被引入测量储能设备寿命的衰减。

在PLET模型中，储能设备与有关，记放电深度为DOD，则DOD＝1-SOC。记累计的c_PLET值总和为用来测量储能设备的损伤程度，记为LOH，则

其中Δc_PLET是累积的c_PLET增量。一段时间为0到T，在此时段内假设有m个储能设备放电循环，根据PLET模型，Δc_PLET能被近似为下式

为了实现延长寿命与合理使用可控发电设备两个目标，目标函数J(0,x(0)；u(·))设计如下：

步骤6，求解最优控制问题：

使用BOCOPHJB等开源工具包通过(12)最小化(13)；

步骤7，将所得控制信号输入系统：

最后，将步骤6所得控制信号输入可控发电设备，即微机、柴油发电机、燃料电池，即可以实现延长储能设备寿命的目标。

优选的，所述步骤1中T_PV，T_WTG，T_L分别为光伏、风机、负载的时间常数；r_PV，r_WTG，r_L为随机性大小放大系数；W_PV(t)，W_PV(t)，W_L(t)分别为模拟光伏、风机、负载动态功率随机波动的一种随机过程——布朗运动。T_PV，T_WTG，T_L,c_PV，c_WTG，c_L都可以通过参数识别的方式获得。在建模中W_PV(t)，W_WTG(t)，W_L(t)可以用计算机生成的随机数模拟。

优选的，所述步骤2中T_MT，T_DEG，T_FC分别为微机、柴油发电机、燃料电池的时间常数；u_MT(t)，u_DEG(t)，u_FC(t)为目标控制器；b_MT，b_DEG，b_FC为控制器关联系数；T_MT，T_DEG，T_FC，b_MT，b_DEG，b_FC都可以通过参数识别的方式获得，u_MT(t)，u_DEG(t)，u_FC(t)为此发明待求项。

优选的，所述步骤3中SOC(t)取值范围在0到1之间，Q_S为储能设备容量，η_in为储能设备充电系数，η_out为储能设备放电系数，在实际工况中，Q_S为已知量，η_in与η_out均可通过参数识别方式获得。

与现有技术相比，本发明的有益效果是：

1，本发明针对性较强，即精准对接不与大电网相连的典型孤岛微网场景，对于大量孤岛微网场景具有普适性；

2，本发明使用随机微分方程对孤岛微网内具有随机性的发电与用电装置进行建模，考虑了光伏、风机、负载功率的随机波动，使得建模结果更接近真实效果；

3，本发明使用先进系统控制手段，即动态规划的方法，利用开源C++程序BOCOPHJB精准获得最优控制信号；

4，本发明中设计的控制器仅在可控发电设备上，并不在储能设备上直接设置控制器，换言之，此发明可以与已有在储能设备内部设置控制器的传统方法结合使用，两者互补且不冲突；

5，本发明设计的控制器可以有效避免可控发电装置的过度控制，一定程度上保护了这些可控发电装置。

附图说明

图1为本发明的孤岛微网拓扑图例；

图2为本发明的具体实施流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

步骤1，针对可再生发电设备与负载功率建模：

将光伏、风机动态发电功率分别记为P_PV，P_WTG，将负载动态用电功率记为P_L。根据已有文献及工程手段，针对P_PV，P_WTG,P_L分别建模如下。出于考虑三者功率波动的随机性，建模过程中需要使用随机微分方程的技巧。三者动态功率可以被建模为如下形式：

其中，T_PV，T_WTG，T_L分别为光伏、风机、负载的时间常数；r_PV，r_WTG，r_L为随机性大小放大系数；W_PV(t)，W_PV(t)，W_L(t)分别为模拟光伏、风机、负载动态功率随机波动的一种随机过程——布朗运动。T_PV，T_WTG，T_L,c_PV，c_WTG，c_L都可以通过参数识别的方式获得。在建模中W_PV(t)，W_WTG(t)，W_L(t)可以用计算机生成的随机数模拟。

步骤2，针对可控发电装置功率建模：

本发明中可控发电装置为微机、柴油发电机、燃料电池，其动态功率分别被记为：P_MT，P_DEG，P_FC。根据已有文献及工程手段，针对微机、柴油发电机、燃料电池动态功率进行建模。建模时，采用常微分方程如下：

其中，T_MT，T_DEG，T_FC分别为微机、柴油发电机、燃料电池的时间常数；u_MT(t)，u_DEG(t)，u_FC(t)为目标控制器；b_MT，b_DEG，b_FC为控制器关联系数；T_MT，T_DEG，T_FC，b_MT，b_DEG，b_FC都可以通过参数识别的方式获得，u_MT(t)，u_DEG(t)，u_FC(t)为此发明待求项。

步骤3，针对储能设备建模：

储能设备在t时刻的充电状态被记为SOC(t)，显然，SOC(t)取值范围在0到1之间，在t时刻流入或流出电池的功率记为P_BES(t)，因此，电池充电功率为

P_in(t)＝max(0,P_BES(t))， (7)

其中max算法取其最大值。电池放电功率为

P_out(t)＝max(0,-P_BES(t))， (8)

根据已有文献及工程手段，针对SOC(t)建模如下

其中Q_S为储能设备容量，η_in为储能设备充电系数，η_out为储能设备放电系数。在实际工况中，Q_S为已知量，η_in与η_out均可通过参数识别方式获得。

针对以上模型，SOC(t)模型可以改写为

其中系数η(P_BES(t))被定义为，

步骤4，获得微网动态综合系统数学模型。

P_MT(t)+P_DEG(t)+P_FC(t)+P_PV(t)+P_WTG(t)-P_L(t)±P_BES(t)＝0

我们可以得到一个线性控制系统

其中矩阵

矩阵

布朗运动

W(t)＝[W_PV(t) W_WTG(t) W_L(t)]′，

系统状态

x＝[P_PV(t) P_WTG(t) P_L(t) P_MT(t) P_DEG(t) P_FC(t) SOC(t)]′，

系统控制输入

u＝[u_MT(t) u_DEG(t) u_FC(t)]′，

至此，实际工况的微网动态系统已经被建模成数学控制系统。

步骤5，针对延长储能设备寿命设计控制目标函数：

在本发明中，Puekert寿命能量吞吐(Puekert lifetime energy throughput)模型被记为PLET模型，并被引入测量储能设备寿命的衰减。PLET模型可参考文献：D.Tran andA.M.Khambadkone,“Energy management for lifetime extension of energy storagesystem in micro-grid applications”,IEEE Trans.Smart Grid,vol.4,no.3,pp.1289-1296,Sept.2013。

在PLET模型中，储能设备与有关，其中d_i是在第i次充放电循环中的放电深度。记放电深度为DOD，则DOD＝1-SOC；k_P叫做Peukert寿命常数，可以通过参数识别方式获得；n是模型考虑时间范围内总的充放电次数。记累计的c_PLET值总和为它能够用来测量储能设备的损伤程度，记为LOH，则

其中Δc_PLET是累积的c_PLET增量。考虑一段时间为0到T，在此时段内假设有m个储能设备放电循环，根据PLET模型，Δc_PLET能被近似为下式

为了实现延长寿命与合理使用可控发电设备两个目标，目标函数J(0,x(0)；u(·))设计如下，(时间t省略)

其中IE为数学期望，β是针对可控发电设备设计的权重系数。

本发明目标为设计控制策略u使得J(0,x(0)；u(·))被最小化。

步骤6，求解最优控制问题：

最优控制问题，已知(12)最小化(13)可以被BOCOPHJB等开源工具包直接解决，BOCOPHJB等开源工具包可参考文献：F.Bonnans,D.Giorgi,B.Heymann,P.Martinon andO.Tissot,“BocopHJB 1.0.1--User Guide”,2015。

步骤7，将所得控制信号输入系统：

综上所述：本发明针对性较强，即精准对接不与大电网相连的典型孤岛微网场景，对于大量孤岛微网场景具有普适性；本发明使用随机微分方程对孤岛微网内具有随机性的发电与用电装置进行建模，考虑了光伏、风机、负载功率的随机波动，使得建模结果更接近真实效果；本发明使用先进系统控制手段，即动态规划的方法，利用开源C++程序BOCOPHJB精准获得最优控制信号；本发明中设计的控制器仅在可控发电设备上，并不在储能设备上直接设置控制器，换言之，此发明可以与已有在储能设备内部设置控制器的传统方法结合使用，两者互补且不冲突；本发明设计的控制器可以有效避免可控发电装置的过度控制，一定程度上保护了这些可控发电装置。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims

1.一种在孤岛微网场景内延长储能设备使用寿命的方法，其特征在于，包括以下步骤：

步骤1，针对可再生发电设备与负载功率建模：

步骤2，针对可控发电装置功率建模：

步骤3，针对储能设备建模：

P_in(t)＝max(0,P_BES(t))， (7)

其中max算法取其最大值，电池放电功率为

P_out(t)＝max(0,-P_BES(t))， (8)

针对SOC(t)建模如下：

针对以上模型，SOC(t)模型可以改写为

其中系数η(P_BES(t))被定义为

步骤4，获得微网动态综合系统数学模型：

P_MT(t)+P_DEG(t)+P_FC(t)+P_PV(t)+P_WTG(t)-P_L(t)±P_BES(t)＝0

得到一个线性控制系统

其中矩阵

矩阵

布朗运动

W(t)＝[W_PV(t) W_WTG(t) W_L(t)]′，

系统状态

x＝[P_PV(t) P_WTG(t) P_L(t) P_MT(t) P_DEG(t) P_FC(t) SOC(t)]′，

系统控制输入

u＝[u_MT(t) u_DEG(t) u_FC(t)]′，

步骤5，针对延长储能设备寿命设计控制目标函数：

步骤6，求解最优控制问题：

使用BOCOPHJB等开源工具包通过(12)最小化(13)；

步骤7，将所得控制信号输入系统：

2.根据权利要求1所述的一种基于配载平衡的智能优化算法，其特征在于：所述步骤1中T_PV，T_WTG，T_L分别为光伏、风机、负载的时间常数；r_PV，r_WTG，r_L为随机性大小放大系数；W_PV(t)，W_PV(t)，W_L(t)分别为模拟光伏、风机、负载动态功率随机波动的一种随机过程——布朗运动。T_PV，T_WTG，T_L,c_PV，c_WTG，c_L都可以通过参数识别的方式获得。在建模中W_PV(t)，W_WTG(t)，W_L(t)可以用计算机生成的随机数模拟。

3.根据权利要求1所述的一种基于配载平衡的智能优化算法，其特征在于：所述步骤2中T_MT，T_DEG，T_FC分别为微机、柴油发电机、燃料电池的时间常数；u_MT(t)，u_DEG(t)，u_FC(t)为目标控制器；b_MT，b_DEG，b_FC为控制器关联系数；T_MT，T_DEG，T_FC，b_MT，b_DEG，b_FC都可以通过参数识别的方式获得，u_MT(t)，u_DEG(t)，u_FC(t)为此发明待求项。

4.根据权利要求1所述的一种基于配载平衡的智能优化算法，其特征在于：所述步骤3中SOC(t)取值范围在0到1之间，Q_S为储能设备容量，η_in为储能设备充电系数，η_out为储能设备放电系数，在实际工况中，Q_S为已知量，η_in与η_out均可通过参数识别方式获得。