CN109390926B - 一种直流微电网混合储能系统优化方法 - Google Patents
一种直流微电网混合储能系统优化方法 Download PDFInfo
- Publication number
- CN109390926B CN109390926B CN201811230865.1A CN201811230865A CN109390926B CN 109390926 B CN109390926 B CN 109390926B CN 201811230865 A CN201811230865 A CN 201811230865A CN 109390926 B CN109390926 B CN 109390926B
- Authority
- CN
- China
- Prior art keywords
- power
- load
- energy storage
- super capacitor
- current
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005457 optimization Methods 0.000 title description 6
- 239000003990 capacitor Substances 0.000 claims abstract description 57
- 238000001914 filtration Methods 0.000 claims abstract description 25
- 238000010248 power generation Methods 0.000 claims abstract description 17
- 230000000087 stabilizing effect Effects 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 23
- 230000002457 bidirectional effect Effects 0.000 claims description 22
- 230000008859 change Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000007599 discharging Methods 0.000 description 8
- 230000006641 stabilisation Effects 0.000 description 4
- 238000011105 stabilization Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J1/00—Circuit arrangements for dc mains or dc distribution networks
- H02J1/06—Two-wire systems
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
- H02J7/345—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering using capacitors as storage or buffering devices
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及直流微电网储能技术领域,尤其涉及一种直流微电网混合储能系统优化方法,包括:将混合储能系统需要平抑的功率通过低通滤波器,蓄电池用于平抑低频功率波动,超级电容用于平抑高频功率波动;将发电端与负载端的功率之差分成几个范围,每个范围分别选取合适的滤波时间常数T,在恒功率负载CPL功率变化的过程中,实时改变滤波时间常数T的值;对包含直流微电网混合储能系统的微电网进行建模,以确定最合适时间常数;获得直流微电网混合储能系统在不同滤波时间常数下的稳定域。针对超级电容和蓄电池各自的储能特点,通过实时改变储能系统滤波器时间常数,优化能量在不同储能装置中的合理分配,提高电能利用效率,优化能量管理。
Description
技术领域
本发明涉及直流微电网储能技术领域,尤其涉及一种直流微电网混合储能系统优化方法。
背景技术
随着化石能源的逐渐耗尽和新能源的蓬勃发展,微电网系统越来越受到人们的广泛关注。尤其是直流微电网,具有非常多的优势。但是由于新能源的输出功率受环境因素影响较大,因此在直流微电网系统中,为保证系统中功率的稳定性,需要配置相应的储能系统。
目前应用较为广泛的储能方式主要为蓄电池储能,但蓄电池功率密度小,循环使用寿命短,充放电效率不高,适用于大规模的电力储能,不适用于大功率充放电及频繁充放电的场合,因此单独使用蓄电池储能受到限制。而超级电容储能则恰恰相反,超级电容具有较高的功率密度及较低的能量密度,循环使用寿命长,充放电效率髙,适用于次数较多的循环充放电及大功率充放电,而不适用于大规模的储能。早期的混合储能系统采用蓄电池与超级电容直接并联的方式,并且用于分配功率的滤波器的时间常数是固定不变的。这种方式未考虑整个直流微电网的稳定性问题,并且在储能方面也不能做到能量的高效率利用,而且设备的使用寿命并不能满足要求。
传统由超级电容和蓄电池的混合储能系统的滤波器的时间常数是固定的,当负载所需要的功率和电源发出的功率之差变化幅度增大或者缩小时,滤波器并不能很好的分配需要平抑的功率,因为当需要平抑的功率发生变化时,滤波器的时间常数如果固定不变,那该时间常数就不是最优时间常数,此时的功率分配并不是最优分配,从而整个系统的稳定性便不能保持。
发明内容
鉴于此,本发明提出一种直流微电网混合储能系统优化方法,用以解决由于传统混合储能系统的滤波器时间常数固定而导致的功率分配不优,系统稳定性不佳的问题。
为了达到上述目的,本发明的技术方案如下:
一种直流微电网混合储能系统优化方法,其中,所述直流微电网混合储能系统包括超级电容、蓄电池,其中,所述超级电容与蓄电池并联,所述超级电容通过第一、第二双向DC-DC变换器连接直流母线DC-BUS,所述蓄电池通过第三、第四双向DC-DC变换器连接直流母线DC-BUS,直流母线DC-BUS还分别连接有恒功率负载CPL、微源,所述恒功率负载CPL包括有负载端,微源包括有发电端,其特征在于,该直流微电网混合储能系统优化方法,包括:
步骤1301:将混合储能系统需要平抑的功率通过低通滤波器,蓄电池用于平抑低频功率波动,超级电容用于平抑高频功率波动;
步骤S102:将发电端与负载端的功率之差分成几个范围,每个范围分别选取合适的滤波时间常数T,在恒功率负载CPL功率变化的过程中,实时改变滤波时间常数T的值;
步骤S103:对包含直流微电网混合储能系统的微电网进行建模,选用T-S模糊模型法进行建模,利用线性方程来表示每一个局部区域的局部规则,以局部线性化为基础,通过模糊推理的方法实现全局的非线性化,以确定最合适时间常数;
步骤S104:获得直流微电网混合储能系统在不同滤波时间常数下的稳定域。
作为优选,所述平抑功率与发电端功率、负载端功率的关系为:发电端功率与负载端功率之差为蓄电池和超级电容的目标平抑功率之和,且改变滤波器时间常数T的大小会改变蓄电池和超级电容的功率分配情况。
作为优选,所述滤波时间常数T包括Ta、Tb、To、Tc、Td和Te,且Ta<Tb<To,Te<Td<Tc。
作为优选,所述步骤S103包括:
步骤S1031:对微电网各部分进行等效,微源作为供电端等效称一个电流源;将负载变换器和负载整体等效成一个恒功率负载CPL;将蓄电池和与其相连的双向DC-DC变换器等效成一个电压源;超级电容和与其相连的双向DC-DC变换器等效为一个受控电流源,其电流由需要平抑的高频功率除以母线电压得到;
步骤S1032:列写系统的状态方程式:
其中:Lf为滤波电感;C为滤波电容;rf为等效内阻;T为滤波时间常数;S为拉普拉斯变换中的复变量;ve为母线电压;vs为负载两端电压;ie为流过滤波电感的电流;is为流过负载的电流;idc为电流源输出电流;isc为超级电容输出电流;ps为负载功率;
定义矩阵形式的新状态变量:
其中:x1为流过滤波电感的电流的实际值与稳态值之间的偏移量,x2为负载电压实际值与稳态值之间的偏移量,x3为超级电容电流的实际值与稳态值之间的偏移量;ie,0为流过滤波电感的电流的稳态值,vs,0为负载两端电压的稳态值,isc,0为超级电容输出电流的稳态值;
获得矩阵新状态空间模型:
其中:f1(x2)=1/(x2+vs,0);ps,0为负载功率稳态值;vs,0为负载电压稳态值;
步骤S1033:利用模糊IF-THEN规则,确定模糊变量和模糊集,将非线性系统(3)建模,其建模模型为:
R1:当x2取最大时,f1min(x2)=1/(x2max+vs,0),则模型为:
其中:A1代表公式中的矩阵;
R2:当x2取最小时,f1max(x2)=1/(x2min+vs,0),则模型为:
其中:A2代表公式中的矩阵;
作为优选,所述步骤S104包括:
步骤S1041:根据李雅普诺夫稳定性定则,获取矩阵M使3个线性矩阵不等式LMI
成立,以保证渐近稳定性;
步骤S1042:结合系统模型A1、A2以及LMI在式(3)中的解确定李雅普诺夫函数V(x)=xT·M·x;
步骤S1043:根据系统参数,求出M矩阵;
步骤S1044:将x3用其他量表示出来,得到李雅普诺夫函数,并给出对稳定域RAS的估计表达式:
步骤S1045:根据稳定域RAS的估计表达式(5),得到不同滤波时间常数T下的系统稳定域。
本发明的有益效果:
1.通过储能系统来稳定系统电压,解决由分布式电源带来的功率不平衡问题,提高直流微电网的稳定性;
2.平抑分布式发电处输出功率波动,减少谐波和其对大电网电压、频率的影响,提高新能源发电并网性能,提高电能质量;
3.针对超级电容和蓄电池各自的储能特点,通过实时改变储能系统滤波器时间常数,优化能量在不同储能装置中的合理分配,提高电能利用效率,优化能量管理;
4.优化蓄电池的工作过程,减少蓄电池充放电次数,限制蓄电池充放电电流大小、及变化速率,从而延长其使用寿命。
附图说明
图1为直流微电网系统拓扑图;
图2为分频控制策略图;
图3为恒功率负载调节充放电滤波时间常数控制策略图;
图4为等效系统图;
图5为李雅普诺夫方程图;
图6为ps=1000W时的稳定域示意图;
图7为各恒功率负载下的稳定域示意图;
图8为直流微电网控制仿真系统示意图;
图9为改变滤波时间常数的功率变化示意图;
图10为母线电压波形示意图;
图11为不改变滤波时间常数的功率变化示意图;
图12为改变滤波时间常数的功率变化示意图;
图13为母线电压波形示意图;
图14为不改变滤波时间常数的功率变化示意图;
其中:1、第一双向DC-DC变换器;2、第二双向DC-DC变换器;3、第三双向DC-DC变换器;4、第四双向DC-DC变换器。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
以下结合具体情况说明本发明的示例性实施例:
如图1所示,由于负载端受到闭环控制,因此能看成是恒功率负载CPL,超级电容和蓄电池共同组成储能系统,其中,超级电容与蓄电池并联,超级电容通过第一、第二双向DCDC变换器连接直流母线DC-BUS,蓄电池通过第三、第四双向DC-DC变换器连接直流母线DCBUS,恒功率负载CPL、微源均连接直流母线DC-BUS,恒功率负载CPL包括有负载端,微源包括有发电端。超级电容与蓄电池根据直流母线功率的变化,调节混合储能系统功率的输出,从而平抑负载功率波动。通过包含超级电容和蓄电池并联的储能系统,解决了分布式电源带来的功率不平衡的问题,当分布式电源发出的功率大于恒功率负载吸收的功率时,储能系统开始储存电能;当分布式电源发出的功率不能满足恒功率负载需要吸收的功率时,储能系统开始释放电能。
如图2所示,将混合储能单元需要平抑的功率通过低通滤波器,蓄电池用于平抑低频功率波动,超级电容用于平抑高频功率波动。
低通滤波器环节采用一阶低频滤波器,其传递函数为:
其中:T为滤波时间常数,PDG为发电端的功率,Pload为负载端的功率,Pbat_ref为蓄电池的目标平抑功率,Psc_ref为超级电容的平抑功率。此时,系统各单元之间的功率关系为:
PDG-Pload=Pbat_ref+Psc_ref
即发电端功率与负载功率之差为蓄电池和超级电容的目标平抑功率之和,且改变滤波器时间常数T的大小会改变蓄电池和超级电容的功率分配情况。
如图3所示,将发电端与负载端的功率之差分成几个范围,每个范围分别选取合适的滤波时间常数T,在恒功率负载功率变化的过程中,实时改变滤波时间常数T的值,即在超级电容和蓄电池功率分配的过程中考虑到了恒功率负载的影响,滤波时间常数T包括包括Ta、Tb、To、Tc、Td和Te,且Ta<Tb<To,Te<Td<Tc。
对包含混合储能系统的微电网进行建模以确定最合适时间常数,选用T-S模糊模型法进行建模,利用线性方程来表示每一个局部区域的局部规则,以局部线性化为基础,通过模糊推理的方法实现全局的非线性化。
如图4所示,首先对微电网各部分进行等效:微源作为供电端等效称一个电流源;将负载变换器和负载整体等效成一个恒功率负载;将蓄电池和与其相连的双向DC-DC变换器等效成一个电压源;超级电容和与其相连的双向DC-DC变换器等效为一个受控电流源,其电流由需要平抑的高频功率除以母线电压得到。其中LC为输出滤波器,rf为等效内阻。
获得系统的状态方程式:
其中,is=ps/vs;Lf为滤波电感;C为滤波电容;rf为等效内阻;T为滤波时间常数;S为拉普拉斯变换中的复变量;ve为母线电压;vs为负载两端电压;ie为流过滤波电感的电流;is为流过负载的电流;idc为电流源输出电流;isc为超级电容输出电流;ps为负载功率。为方便起见,(1)中的大信号分析以平衡点为起点开始移动。
定义矩阵形式的新状态变量:
其中:“0”表示稳态值;x1为流过滤波电感的电流的实际值与稳态值之间的偏移量,x2为负载电压实际值与稳态值之间的偏移量,x3为超级电容电流的实际值与稳态值之间的偏移量;ie,0为流过滤波电感的电流的稳态值,vs,0为负载两端电压的稳态值,isc,0为超级电容输出电流的稳态值。
获得矩阵新状态空间模型:
其中:f1(x2)=1/(x2+vs,0);ps,0为负载功率稳态值;vs,0为负载电压稳态值。
一套模糊的IF-THEN规则,Ri将一个空间划分为一个模糊区域,规则描述如下:
规则Ri:如果z1属于F1 i,……,zq属于Fq i,则非线性系统可被建模为:
x(t)=At·x(t)+Bi·u(t)
其中:zj(j=1,2,...,q)是前提变量,可以是状态变量或输入变量。Fj=i(i=1,2,...,r)是指模糊集或所谓的隶属函数,r是模型规则的数量。
模糊建模的第一步是确定模糊变量和模糊集。由于(7)中的非线性项是f1(x2),将其设为模糊变量。在本课题中,为简单起见,假设前提变量只是状态变量的函数。因此,z1=x2。在x2∈[x2min,x2max]下,x2可以由隶属函数M1和M2表示如下:
z1(t)=x2(t)=M1(z1(t))·x2max+M2(z1(t))·x2min
其中:满足M1+M2=1。且M1和M2表示如下:
在本课题中,由于q=1,非线性系统(7)可以通过以下两个模糊规则建模:
R1:x2取最大时,f1min(x2)=1/(x2max+vs,0),则模型为:
其中:A1代表公式中的矩阵;
R2:x2取最小时,f1max(x2)=1/(x2min+vs,0),则模型为:
其中:A2代表公式中的矩阵;
根据李雅普诺夫稳定性定则,如果存在M矩阵使以下3个线性矩阵不等式LMI都是可行的,则保证渐近稳定性。
M矩阵的存在与否,取决于x2min和x2max的取值,因此可以让x2min和x2max从零开始,逐渐减小x2min,或逐渐增大x2max,直到不存在一个M满足式(4)时,x2取值为x2∈[x2min,x2max]。
M为对称正定矩阵,结合对系统模型A1和A2,LMI在式(4)中的解可以确定李雅普诺夫函数V(x)=xT·M·x。
设直流微网系统的参数,图3中的PDG为3000W,且取a=d=2000W、b=c=1000W。
可以求出M矩阵:
其中:x2min=-54.53。
如图5所示,将x3用其他量表示出来,可以得到李雅普诺夫函数。
然后,给出对稳定域RAS的估计:
根据式(5)所示的稳定域表达式,获得不同滤波时间常数T下的系统稳定域。
如图6所示,当ps=1000W时,不同滤波时间常数T下的系统稳定域。可以看出,当滤波时间常数T变大,系统的稳定域也变大,系统的稳定性就越好,因此从图6中可以得到结论:T越大越利于系统的稳定。但T越小,将更多的能量由蓄电池平抑更符合它适于长时储能、能量密度大,功率密度小的性能特点,且能防止蓄电池充放电功率切换过于频繁,利于保护蓄电池寿命。对超级电容来说,功率峰值变小,主要在零值上下正负切换,适合超级电容反应快,循环寿命长的特性。综合考虑两者因素,需在保证系统稳定性的前提下,尽量让能量分配更适合于蓄电池和超级电容的特性,因此,当恒功率负载ps=1000W时,取Ta=0.5S。
仿真验证:如图7所示,把ps分别取2000W、3000W、4000W、5000W,即图3中a=d=2000W、c=b=1000W时,系统的稳定域分别绘制。
按照同样的方法,取Tb=0.1s、Tc=0.1s、Td=0.05s。
搭建如图8所示的包括恒功率负载和蓄电池、超级电容储能单元的直流微网系统,以验证改变滤波时间常数能够使能量分配更优化。
如图9所示,功率从3000W跌落到2000W,2000W阶跃到3000W,再由3000W跌落到1000W,最后回到3000W的过程。此时,采用实时改变滤波时间常数的方案,从1s到4s,T取Tb的值,即0.1s。从4s到6s,滤波时间常数取Ta的值,即0.05s。可以看出超级电容可以在恒功率负载阶跃时迅速吸纳能量,以保证蓄电池的功率平稳变化。
如图10所示,当恒功率负载阶跃之后,母线电压有段时间的升高或跌落,但都可以在一定时间内自动恢复到380V,且变化的幅度在5%以内,证明系统稳压情况良好,蓄电池稳压单元控制良好。
如图11所示,图11为在同图9负载功率阶跃下,不改变滤波时间常数,恒取T=0.1s时的蓄电池和超级电容功率变化情况,可以看出,虽然超级电容基本满足在阶跃时迅速补充或吸收能量的作用,可是相比于图9,明显在4s和5s时回复到零点的速度过慢。可以证明,实时变化滤波时间常数能够在保证系统稳定性的前提下更合理的分配待消耗的能量。
如图12所示,是功率从3000W阶跃到4000W,4000W跌落到3000W,再由3000W阶跃到5000W,最后回到3000W的过程。此时,采用实时改变滤波时间常数的方案,从1s到4s,T取Tc的值,即0.1s。从4s到6s,滤波时间常数取Td的值,即0.05s。可以看出超级电容可以在恒功率负载阶跃时迅速吸纳能量,以保证蓄电池的功率平稳变化。
如图13所示,为此时母线电压的波形,从图中可以看出,当恒功率负载阶跃之后,母线电压有段时间的升高或跌落,但都可以在一定时间内自动恢复到380V,且变化的幅度在5%以内,证明系统稳压情况良好,蓄电池稳压单元控制良好。
如图14所示,为在同图12负载功率阶跃下,不改变滤波时间常数,恒取T=0.1s时的蓄电池和超级电容功率变化情况,可以看出,虽然超级电容基本满足在阶跃时迅速补充或吸收能量的作用,可是相比于图12,明显在4s和5s时回复到零点的速度过慢。可以证明,实时变化滤波时间常数能够在保证系统稳定性的前提下更合理的分配待消耗的能量。
由此可见,通过该系统优化方法,平抑了分布式发电处输出功率波动,减少了谐波和其对大电网电压、频率的影响,提高了新能源发电并网性能,提高电能质量。
通过针对超级电容和蓄电池储能特点,改变储能系统滤波器时间常数,优化控制策略,实现能量在不同储能装置中的合理分配,提高了电能利用效率,优化了能量管理。
通过优化蓄电池的工作过程,减少蓄电池充放电次数,限制蓄电池充放电电流大小、及变化速率,从而延长其使用寿命。
在分析过程中,将直流微网系统各电气部分进行等效,应用了T-S模糊模型对其进行建模,进而对该模型进行稳定域分析以验证该发明的有效性。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的具体实施方式进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (4)
1.一种直流微电网混合储能系统优化方法,所述直流微电网混合储能系统包括超级电容、蓄电池,其中,所述超级电容与蓄电池并联,所述超级电容通过第一、第二双向DC-DC变换器连接直流母线DC-BUS,所述蓄电池通过第三、第四双向DC-DC变换器连接直流母线DC-BUS,直流母线DC-BUS还分别连接有恒功率负载CPL、微源,所述恒功率负载CPL包括有负载端,微源包括有发电端,其特征在于,该直流微电网混合储能系统优化方法,包括:
步骤S101:将混合储能系统需要平抑的功率通过低通滤波器,蓄电池用于平抑低频功率波动,超级电容用于平抑高频功率波动;
步骤S102:将发电端与负载端的功率之差分成几个范围,每个范围分别选取合适的滤波时间常数T,在恒功率负载CPL功率变化的过程中,实时改变滤波时间常数T的值;
步骤S103:对包含直流微电网混合储能系统的微电网进行建模,选用T-S模糊模型法进行建模,利用线性方程来表示每一个局部区域的局部规则,以局部线性化为基础,通过模糊推理的方法实现全局的非线性化,以确定最合适时间常数;
步骤S103包括:
步骤S1031:对微电网各部分进行等效,微源作为供电端等效成一个电流源;将负载变换器和负载整体等效成一个恒功率负载CPL;将蓄电池和与其相连的双向DC-DC变换器等效成一个电压源;超级电容和与其相连的双向DC-DC变换器等效为一个受控电流源,其电流由需要平抑的高频功率除以母线电压得到;
步骤S1032:列写系统的状态方程式:
其中:Lf为滤波电感;C为滤波电容;rf为等效内阻;T为滤波时间常数;S为拉普拉斯变换中的复变量;ve为母线电压;vs为负载两端电压;ie为流过滤波电感的电流;is为流过负载的电流;idc为电流源输出电流;isc为超级电容输出电流;ps为负载功率;
定义矩阵形式的新状态变量:
其中:x1为流过滤波电感的电流的实际值与稳态值之间的偏移量,x2为负载电压实际值与稳态值之间的偏移量,x3为超级电容电流的实际值与稳态值之间的偏移量;ie,0为流过滤波电感的电流的稳态值,vs,0为负载两端电压的稳态值,isc,0为超级电容输出电流的稳态值;
获得矩阵新状态空间模型:
其中:f1(x2)=1/(x2+vs,0);ps,0为负载功率稳态值;vs,0为负载电压稳态值;
步骤S1033:利用模糊IF-THEN规则,确定模糊变量和模糊集,将非线性系统(3)建模,其建模模型为:
R1:当x2取最大时,f1min(x2)=1/(x2max+vs,0),则模型为:
其中:A1代表公式中的矩阵;
R2:当x2取最小时,f1max(x2)=1/(x2min+vs,0),则模型为:
其中:A2代表公式中的矩阵;
步骤S104:获得直流微电网混合储能系统在不同滤波时间常数下的稳定域。
2.根据权利要求1所述的一种直流微电网混合储能系统优化方法,其特征在于,平抑功率与发电端功率、负载端功率的关系为:发电端功率与负载端功率之差为蓄电池和超级电容的目标平抑功率之和,且改变滤波器时间常数T的大小会改变蓄电池和超级电容的功率分配情况。
3.根据权利要求1所述的一种直流微电网混合储能系统优化方法,其特征在于,所述滤波时间常数T包括Ta、Tb、T0、Tc、Td和Te,且Ta<Tb<T0,Te<Td<Tc。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811230865.1A CN109390926B (zh) | 2018-10-22 | 2018-10-22 | 一种直流微电网混合储能系统优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811230865.1A CN109390926B (zh) | 2018-10-22 | 2018-10-22 | 一种直流微电网混合储能系统优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109390926A CN109390926A (zh) | 2019-02-26 |
CN109390926B true CN109390926B (zh) | 2021-11-05 |
Family
ID=65427512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811230865.1A Active CN109390926B (zh) | 2018-10-22 | 2018-10-22 | 一种直流微电网混合储能系统优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109390926B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110768234B (zh) * | 2019-11-13 | 2023-10-27 | 南京邮电大学 | 一种具有不确定性馈电恒功率负载直流微电网系统的峰值滤波方法 |
CN110797855B (zh) * | 2019-11-13 | 2023-10-27 | 南京邮电大学 | 一种具有恒定功率负载的不确定性直流微电网模糊开关控制方法 |
CN111181236A (zh) * | 2020-01-08 | 2020-05-19 | 天津大学 | 基于超级电容电压范围的多源系统分模式运行控制方法 |
CN111611696A (zh) * | 2020-05-12 | 2020-09-01 | 北方工业大学 | 微电网系统的非线性建模方法 |
CN114050590B (zh) * | 2021-11-23 | 2023-07-25 | 北方工业大学 | 一种混合储能系统的变流器控制参数设计方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104242329A (zh) * | 2014-09-12 | 2014-12-24 | 上海电力学院 | 基于模糊控制规则的微电网混合储能系统功率分配方法 |
CN105179164A (zh) * | 2015-06-25 | 2015-12-23 | 江苏科技大学 | 基于t-s模糊模型的风能转换系统滑模控制方法及装置 |
EP3367532A1 (en) * | 2017-02-27 | 2018-08-29 | Hamilton Sundstrand Corporation | Power management and distribution architecture for a space vehicle |
-
2018
- 2018-10-22 CN CN201811230865.1A patent/CN109390926B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104242329A (zh) * | 2014-09-12 | 2014-12-24 | 上海电力学院 | 基于模糊控制规则的微电网混合储能系统功率分配方法 |
CN105179164A (zh) * | 2015-06-25 | 2015-12-23 | 江苏科技大学 | 基于t-s模糊模型的风能转换系统滑模控制方法及装置 |
EP3367532A1 (en) * | 2017-02-27 | 2018-08-29 | Hamilton Sundstrand Corporation | Power management and distribution architecture for a space vehicle |
Non-Patent Citations (2)
Title |
---|
Large-Signal Stability Analysis of DC Power System With Shunt Active Damper;Hye-Jin Kim etc;《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》;20161031;第63卷(第10期);第6272-6273页 * |
Robust Fuzzy Model Predictive Control of Discrete-Time Takagi–Sugeno Systems With Nonlinear Local Models;Long Teng etc;《IEEE TRANSACTIONS ON FUZZY SYSTEMS》;20180313;第26卷(第5期);第2915-2917页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109390926A (zh) | 2019-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109390926B (zh) | 一种直流微电网混合储能系统优化方法 | |
Shan et al. | A model predictive control for renewable energy based AC microgrids without any PID regulators | |
Liao et al. | Passivity-based analysis and design of linear voltage controllers for voltage-source converters | |
CN103595050B (zh) | 模型参考自适应模糊控制的有源电力滤波器控制方法 | |
Ma et al. | Voltage stability control method of electric springs based on adaptive PI controller | |
CN109617105B (zh) | 一种基于下垂控制的分布式复合储能协同控制方法 | |
CN104242329A (zh) | 基于模糊控制规则的微电网混合储能系统功率分配方法 | |
CN112597736B (zh) | 直流微电网高频振荡稳定性分析方法 | |
Ding et al. | An adaptive compensation droop control strategy for reactive power sharing in islanded microgrid | |
Mahajan et al. | An artificial intelligence based controller for multilevel harmonic filter | |
Chen et al. | A model predictive control method for hybrid energy storage systems | |
Ni et al. | Fuzzy logic-based virtual capacitor adaptive control for multiple HESSs in a DC microgrid system | |
Liu et al. | Improved droop control of isolated microgrid with virtual impedance | |
CN105305448A (zh) | 基于模糊pi复合控制的有源滤波器自抗扰控制方法 | |
Feng et al. | Impedance modeling and stability analysis of dual active bridge converter with LC input filter | |
Zhang et al. | Energy management strategy with two degrees of freedom for hybrid energy storage systems in islanded DC microgrids | |
CN113507133A (zh) | 一种基于能量方程的单相lcl型并网逆变器有源阻尼策略 | |
Jami et al. | Dynamic improvement of DC microgrids using a dual approach based on virtual inertia | |
Li et al. | Dynamic allocation method of DC side power based on the SoC of battery for STATCOM/BESS | |
CN104410093B (zh) | 储能电池的荷电状态控制方法 | |
Lin et al. | Decentralised power distribution and SOC management algorithm for the hybrid energy storage of shipboard integrated power system | |
Han et al. | Real-time online optimal control of current-fed dual active bridges based on machine learning | |
CN108964013B (zh) | 一种基于状态观测器的upqc最优输出跟踪控制方法及装置 | |
CN108988392A (zh) | 一种基于背靠背变流器的配电网自适应低压反孤岛方法 | |
Liu et al. | Control strategy of super capacitor-battery hybrid energy storage system considering constant power loads characteristics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |