CN110299717B - 一种基于模型预测控制的分布式混合储能系统能量均衡控制策略 - Google Patents
一种基于模型预测控制的分布式混合储能系统能量均衡控制策略 Download PDFInfo
- Publication number
- CN110299717B CN110299717B CN201910623466.XA CN201910623466A CN110299717B CN 110299717 B CN110299717 B CN 110299717B CN 201910623466 A CN201910623466 A CN 201910623466A CN 110299717 B CN110299717 B CN 110299717B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- soc
- power
- storage system
- control
- 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
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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了基于模型预测控制的分布式混合储能系统能量均衡控制策略,混合储能系统整体功率指令通过滤波器分为高频功率和低频功率,其分别通过超级电容与蓄电池响应,能量均衡控制策略即通过采集每一子系统及其相邻子系统中的超级电容与蓄电池的SOC参数和输出功率值,分别建立以储能元件SOC均衡为优化目标的预测模型,得到各子系统在下一时刻的功率指令。整个分布式混合储能系统采取变下垂控制,根据预测控制所得到的功率指令,改变相应子系统的下垂系数,以实现各子系统输出功率的重分配,进而实现其能量的均衡。
Description
技术领域
本发明涉及储能技术领域,尤其涉及一种基于模型预测控制的分布式混合储能系统能量均衡控制策略。
背景技术
随着储能技术进步和成本降低以及需求侧的演化发展,储能在电力系统中的应用愈发广泛,其涵盖了电力系统的发、输、供、配、用中的所有环节,可提高新能源效率,提升电网对新能源的消纳能力,也能缓解高峰负荷供电需求,提高电能质量和用电效率。相比于集中式储能,分布式储能安装地点灵活,减少了集中储能电站的线路损耗和投资压力。在配电网中合理的规划分布式储能,不但可以通过削峰填谷起到降低配电网容量的作用,还可以弥补分布式出力随机性对电网安全和经济运行的负面影响。
然而对于储能系统,尤其是包含多种储能元件的混合储能系统,在实际充放电过程中,由于储能元件的参数、容量等差异,各分布式子系统中存在储能元件能量不均衡的情况。一方面各储能元件SOC的不均衡会导致过充与过放的情况的发生,降低储能元件寿命,另一方面各子系统储能元件的均衡问题会引起系统的不稳定,而传统的下垂控制策略无法对各分布式子系统的能量均衡问题进行处理。
发明内容
为解决上述问题,本发明提供一种基于模型预测控制的分布式混合储能系统能量均衡控制策略。
本发明针对分布式混合储能系统,混合储能系统拓扑采取级联结构,每一级联单元包含串联的Boost变换器和H桥逆变器,两者通过超级电容器耦合,Boost变换器的直流侧电源为蓄电池。对于混合储能系统,其功率指令经过滤波器分离后,由蓄电池响应低频功率,由超级电容响应高频功率。对分布式系统中的能量均衡也基于此独立控制。
整个分布式储能系统采取去中心化结构,即不集中采集每一子系统的信息而是在每一子系统设置本地控制器,每相邻子系统间互相传递蓄电池及超级电容的SOC值及当前时刻计算的功率值。本地控制器根据采集的信息,建立相应的预测模型与优化函数。
在预测模型的建立中,对于储能元件蓄电池或者超级电容,由于两者作为储能元件特性一致,因此对其进行统一分析。假设初始时刻子系统储能元件U2自身功率输出值与储能元件SOC值分别为P2(k),SOC2(k),其接收的相邻单元信号分别为P3(k),SOC3(k),P1(k),SOC1(k)。对于储能系统而言,在已知SOC值与输出功率值的情况下,可预测k+1时刻理想状态下的SOC值:
其中Ei表示相应储能元件容量,σi分别表示储能元件自放电率,η为储能元件充放电效率,当储能系统输出功率时η大于0。根据此预测模型,在k时刻对接下来pΔt时刻的U1、U2、U3的SOC值进行预测,pΔt为模型预测的控制时域长度。
由于超级电容与蓄电池的功率控制相对独立,可分别建立预测模型,并以蓄电池与超级电容各自的能量均衡作为优化目标。在k时刻,可令控制时域内储能元件SOC的最终预测值SOCi(k+p|k)之间差值和最小,有优化目标函数:
min J1=[SOC1(k+p|k)-SOC2(k+p|k)]2+[SOC2(k+p|k)-SOC3(k+p|k)]2+[SOC1(k+p|k)-SOC3(k+p|k)]2
两种储能元件均需满足约束条件:
1)储能系统输出功率限制:
Pmin≤P2≤Pmax
Pmin与Pmax分别表示该储能元件最小与最大输出功率限制
2)储能单元剩余容量约束:
SOCmin≤SOC2≤SOCmax
SOCmin与SOCmax分别表示该储能元件SOC的上下限值;
3)储能系统爬坡率限制:
定义单位时间Δt内储能元件爬坡率限制为Rthreshold,则对储能系统的功率控制量需满足:
针对本地控制器,在预测时域内,P1(k)与P3(k)均视为定值,则通过上述优化函数可得到控制序列P2(k+1|k)...P2(k+p|k),在k+1时刻将此功率信号序列的第一个分量P2(k+1|k).作用于系统。随着时间推移,预测时域也向前滚动,给定的功率信号也随着U2自身及其相邻的U1与U3的SOC变化而改变,从而实现滚动优化。
根据模型预测所分别得到的蓄电池与超级电容的功率指令,可得到该子系统总的功率指令,但传统下垂控制由于下垂系数固定,因此各子系统分配的功率比例固定,因此本发明采用变下垂系数控制,因此本发明采用变下垂系数控制,改进的下垂控制如下式所示:
ωi=ω*-mi_kPi
Ui=U*-ni_kQi
其中,ω*、U*分别为本地交流侧频率、电压给定值;mi_k与ni_k分别表示k时刻i单元的下垂系数,假定k时刻i单元输出功率实测值为Pi_k,而根据模型预测控制所得到的k+1时刻的给定功率信号为Pim_k+1,则k与k+1时刻下垂系数关系为:
此时各单元输出功率可表示为:
上式本质即根据模型预测的结果对各单元输出功率进行重分配,SOC值大的单元,其经模型预测后得到的功率参考信号比其实际输出功率信号大,在下一时刻的下垂系数升高,在输出总功率不变的情况下,其所分配的输出功率升高,SOC下降速度加快,SOC值小的则反之。通过模型预测控制,不断的根据储能元件的SOC值来进行功率的重分配以最终实现各子系统混合储能元件的能量均衡。
有益效果:
本发明提供了一种基于模型预测控制的分布式混合储能系统能量均衡控制策略,本控制策略通过建立储能元件的预测模型与优化函数,得到相应的功率指令,基于改变下垂系数从而实现分布式子系统的能量均衡,这种方法实时性强,且能充分发挥分布式混合储能系统的优势。
附图说明
图1为分布式混合储能系统子系统拓扑结构示意图;
图2为分布式系统示意图;
图3为滚动优化示意图;
图4为模子系统模型预测控制框图;
图5为基于模型预测控制的子系统控制框图。
具体实施方式
下面结合附图和具体实施方式,对本发明作进一步说明。
图1为分布式混合储能系统中每一子系统的拓扑结构示意图,其采取级联结构,每一级联单元包含串联的Boost变换器和H桥逆变器,两者通过超级电容器耦合,Boost变换器的直流侧电源为蓄电池。对于混合储能系统,其功率指令经过滤波器分离后,由蓄电池响应低频功率,由超级电容响应高频功率。对于蓄电池元件而言,其主要通过直流侧的电流闭环控制,即控制Boost变换器输出电流,以实现其独立的功率控制。
图2为分布式系统示意图,如图所示,整个分布式储能系统采取去中心化结构,即不设置统一进行数据采集与处理的控制器,而是对每一分布式子系统设置一本地控制器。本地控制器主要采集其自身及相邻子系统的超级电容与蓄电池的SOC值SOCi_B与SOCi_SC,以及两者的当前时刻的功率信号Pi_B、Pi_SC。本地控制器根据采集的信息,分别建立针对蓄电池与超级电容器的相应预测模型SOC与优化函数。
在预测模型的建立中,对于储能元件蓄电池或者超级电容,由于两者作为储能元件特性一致,因此对其进行统一分析。模型预测控制通常分别以下几步:
(1)在当前时刻k和当前状态x(k),基于一定的预测模型,预测系统未来p个时刻的状态yp(k+1|k),yp(k+2|k),...,yp(k+p|k)。
(2)考虑各类约束条件,通过解决优化问题,得k+1,k+2,…,k+p时刻的控制指令u(k|k),u(k+1|k),...,u(k+p-1|k)。
(3)将控制指令序列的第一个值u(k|k)应用于系统。
(4)在k+1时刻,更新状态为x(k+1),重复上述步骤。
将其应用于分布式子系统储能元件的能量均衡,假设初始时刻子系统储能元件U2自身功率输出值与SOC值分别为P2(k),SOC2(k),其接收的相邻单元信号分别为P3(k),SOC3(k),P1(k),SOC1(k)。对于储能系统而言,在已知SOC值与输出功率值的情况下,可预测k+1时刻理想状态下的SOC值:
其中Ei表示相应储能元件容量,σi分别表示储能元件自放电率,η为储能元件充放电效率,当储能系统输出功率时η大于0。根据此预测模型,在k时刻对接下来pΔt时刻的U1、U2、U3的SOC值进行预测,pΔt为模型预测的控制时域长度。
以储能元件的能量均衡作为优化目标。在k时刻,可令控制时域内储能元件SOC的最终预测值SOCi(k+p|k)之间差值和最小,有优化目标函数:
min J1=[SOC1(k+p|k)-SOC2(k+p|k)]2+[SOC2(k+p|k)-SOC3(k+p|k)]2+[SOC1(k+p|k)-SOC3(k+p|k)]2
两种储能元件均需满足约束条件:
1)储能系统输出功率限制:
Pmin≤P2≤Pmax
Pmin与Pmax分别表示该储能元件最小与最大输出功率限制
2)储能单元剩余容量约束:
SOCmin≤SOC2≤SOCmax
SOCmin与SOCmax分别表示该储能元件SOC的上下限值;
3)储能系统爬坡率限制:
定义单位时间Δt内储能元件爬坡率限制为Rthreshold,则对储能系统的功率控制量需满足:
针对本地控制器,在预测时域内,P1(k)与P3(k)均视为定值,则通过上述优化函数可得到控制序列P2(k+1|k)...P2(k+p|k),在k+1时刻将此功率信号序列的第一个分量P2(k+1|k).作用于系统。随着时间推移,预测时域也向前滚动,给定的功率信号也随着U2自身及其相邻的U1与U3的SOC变化而改变,从而实现滚动优化。滚动优化示意图如图3所示。
同时考虑到预测模型所得到的结果只是对SOC变化的粗略描述,由于实际系统中存在的模型失配、干扰等因素,因此需要通过反馈校正来弥补模型预测的不足。定义在k时刻预测k+1时刻的SOCi(k+1|k)值与在k+1时刻实际测量的SOCi(k+1)值的差值为:
ΔSOCi(k+1)=SOCi(k+1|k)-SOCi(k+1)
图4为针对子系统本地控制器的模型预测控制示意图,其通过预测模型,分别得到蓄电池及超级电容两者的功率指令。
对于得到的功率指令,由于传统下垂控制中下垂系数固定,各子系统分配的功率比例也固定,因此本发明采用变下垂系数控制,改进的下垂控制如下式所示:
ωi=ω*-mi_kPi
Ui=U*-ni_kQi
其中,ω*、U*分别为本地交流侧频率、电压给定值;mi_k与ni_k分别表示k时刻i单元的下垂系数,假定k时刻i单元输出功率实测值为Pi_k,而根据模型预测控制所得到的k+1时刻的给定功率信号为Pim_k+1,则k与k+1时刻下垂系数关系为:
此时各单元输出功率可表示为:
上式本质即根据模型预测的结果对各单元输出功率进行重分配,SOC值大的单元,其经模型预测后得到的功率参考信号比其实际输出功率信号大,在下一时刻的下垂系数升高,在输出总功率不变的情况下,其所分配的输出功率升高,SOC下降速度加快,SOC值小的则反之。通过模型预测控制,不断的根据储能元件的SOC值来进行功率的重分配以最终实现各子系统混合储能元件的能量均衡。
图5为分布式混合储能系统控制框图,基于本发明提出的控制策略,对每一分布式储能系统子系统而言,检测其本地公共母线的线电压和相电流以得到其实际有功功率与无功功率Pi_k,Qi_k,同时采集计算本地蓄电池与超级电容SOC值和充放电效率。检测本地信号同时,本地控制器采集相邻储能系统的功率信号及储能元件SOC值,基于预测模型得到功率参考信号Pmi_k+1,完成下垂系数的更新,实现负荷有功功率的重分配,最终实现能量均衡。为调节由于下垂控制引起的频率与电压偏差,可设计二次控制,将频率补偿值和电压补偿值送入本地储能控制器中,以得到修正值。此修正值与ωi和Ui送入电压电流双闭环控制,经过PWM产生IGBT驱动信号,从而维持系统稳定运行。
Claims (3)
1.一种基于模型预测控制的分布式混合储能系统能量均衡控制策略,所述的混合储能系统由N个分布式子系统级联,每个分布式子系统中包含串联的Boost变换器和H桥逆变器,两者通过超级电容器耦合,Boost变换器的直流侧电源为蓄电池,级联H桥和分布式混合储能系统的输出电路之间并联一LC谐振支路,LC支路由电感、电容和电阻串联,其与H桥单元形成辅助功率环回路,构成辅助功率环;其特征在于,所述的控制策略包括以下步骤:
(1)对每一分布式子系统设置一本地控制器,采集其自身及相邻子系统的超级电容与蓄电池的SOC值SOCi_B与SOCi_SC,以及两者的当前时刻的功率信号Pi_B、Pi_SC;
(2)本地控制器根据采集的信息,分别建立针对蓄电池与超级电容器的相应SOC预测模型与优化函数;
假设初始时刻子系统储能元件U2自身功率输出值与储能元件SOC值分别为P2(k),SOC2(k),其接收的相邻单元信号分别为P3(k),SOC3(k),P1(k),SOC1(k),对于储能系统而言,在已知SOC值与输出功率值的情况下,可预测k+1时刻理想状态下的SOC值:
其中Ei表示相应储能元件容量,σi分别表示储能元件自放电率,η为储能元件充放电效率,当储能元件输出功率时η大于0;根据此预测模型,在k时刻对接下来pΔt时刻的SOC值进行预测,pΔt为模型预测的控制时域长度;
以各子系统蓄电池与超级电容各自的能量均衡作为优化目标,则在k时刻,可令控制时域内储能元件SOC的最终预测值SOCi(k+p|k)之间差值和最小,有优化目标函数:
min J1=[SOC1(k+p|k)-SOC2(k+p|k)]2+[SOC2(k+p|k)-SOC3(k+p|k)]2+[SOC1(k+p|k)-SOC3(k+p|k)]2
(3)本地控制器根据采集的信息,基于步骤(2)的模型预测控制策略,生成相应的功率指令;
(4)采用变下垂系数的下垂控制,根据每一子系统本地控制器所生成的蓄电池与超级电容的功率控制指令,改变子系统的功率指令,从而实现分布式储能系统内部功率的重分配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910623466.XA CN110299717B (zh) | 2019-07-11 | 2019-07-11 | 一种基于模型预测控制的分布式混合储能系统能量均衡控制策略 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910623466.XA CN110299717B (zh) | 2019-07-11 | 2019-07-11 | 一种基于模型预测控制的分布式混合储能系统能量均衡控制策略 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110299717A CN110299717A (zh) | 2019-10-01 |
CN110299717B true CN110299717B (zh) | 2022-04-29 |
Family
ID=68030837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910623466.XA Active CN110299717B (zh) | 2019-07-11 | 2019-07-11 | 一种基于模型预测控制的分布式混合储能系统能量均衡控制策略 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110299717B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110797959B (zh) * | 2019-10-23 | 2022-09-02 | 中国电力科学研究院有限公司 | 一种蓄电池-超级电容混合储能变换器的控制方法和装置 |
CN111817327B (zh) * | 2020-07-10 | 2024-05-28 | 中南大学 | 一种h桥级联型并网储能系统soc均衡控制方法 |
CN111725876A (zh) * | 2020-07-24 | 2020-09-29 | 深圳市费思泰克科技有限公司 | 一种基于下垂控制的soc均衡控制方法 |
CN112952957B (zh) * | 2021-03-30 | 2023-09-22 | 国网宁夏电力有限公司 | 一种基于模型预测控制的混合储能系统soc优化策略 |
CN113315241B (zh) * | 2021-04-16 | 2022-10-14 | 国网浙江省电力有限公司电力科学研究院 | 储能电站双层协同均衡控制方法及系统 |
CN113555883B (zh) * | 2021-07-15 | 2023-02-24 | 西安热工研究院有限公司 | 辅助火电机组agc调频超级电容器组的电压均衡装置和方法 |
CN113629748B (zh) * | 2021-10-11 | 2022-03-11 | 国网江西省电力有限公司电力科学研究院 | 一种五电平储能变流器级联模型预测控制方法及装置 |
CN114285031A (zh) * | 2021-12-22 | 2022-04-05 | 沈阳工程学院 | 一种平抑负荷波动的混合储能系统调度策略 |
CN116436062B (zh) * | 2023-05-04 | 2023-09-19 | 广东工业大学 | 分布式储能系统的无下垂soc均衡控制策略 |
CN117578680B (zh) * | 2024-01-15 | 2024-04-09 | 中国人民解放军国防科技大学 | 一种直流链式混合储能系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108923518A (zh) * | 2018-08-29 | 2018-11-30 | 哈尔滨工业大学 | 一种基于均衡母线的模块化超级电容储能系统能量均衡控制方法 |
CN109904873A (zh) * | 2019-04-22 | 2019-06-18 | 华北电力大学 | 基于模型预测的混合储能控制策略 |
-
2019
- 2019-07-11 CN CN201910623466.XA patent/CN110299717B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108923518A (zh) * | 2018-08-29 | 2018-11-30 | 哈尔滨工业大学 | 一种基于均衡母线的模块化超级电容储能系统能量均衡控制方法 |
CN109904873A (zh) * | 2019-04-22 | 2019-06-18 | 华北电力大学 | 基于模型预测的混合储能控制策略 |
Non-Patent Citations (3)
Title |
---|
Control of Active Power Exchange With Auxiliary Power Loop in a Single-Phase Cascaded Multilevel Converter-Based Energy Storage System;Wei Jiang等;《IEEE TRANSACTIONS ON POWER ELECTRONICS》;20170228;第32卷(第2期);1518-1532 * |
孤岛微网中分布式储能SOC和效率均衡控制策略;韦佐霖等;《电力自动化设备》;20180402;第38卷(第04期);169-177 * |
考虑多工作模式的链式混合储能系统广义等效模型及荷电状态估计技术研究;蒋玮 等;《中国电机工程学报》;20190105;第39卷(第1期);182-191 * |
Also Published As
Publication number | Publication date |
---|---|
CN110299717A (zh) | 2019-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110299717B (zh) | 一种基于模型预测控制的分布式混合储能系统能量均衡控制策略 | |
CN109713740B (zh) | 一种电池管理系统的主动均衡架构及主动均衡方法 | |
CN112952862B (zh) | 平抑风电功率波动的混合储能分频协调控制器及实现方法 | |
WO2013097602A1 (zh) | 锂-液流电池联合储能电站的实时功率分配方法及系统 | |
CN101777784A (zh) | 均衡充电装置及均衡充电方法 | |
CN108832646A (zh) | 一种适用于可动态重构电池储能系统的管理系统及其方法 | |
US20160272079A1 (en) | Device and method for recharging electric or hybrid vehicles | |
CN106451508A (zh) | 分布式混合储能系统配置、充放电方法及装置 | |
CN114336694B (zh) | 一种混合储能电站能量优化控制方法 | |
Meng et al. | Energy storage auxiliary frequency modulation control strategy considering ACE and SOC of energy storage | |
CN109755953B (zh) | 一种调相机参与的交直流输电系统稳态电压协同控制方法 | |
CN112687969B (zh) | 基于储能系统的同期退役协同控制方法、系统及介质 | |
CN105826934A (zh) | 一种基于可行域的电动汽车辅助调频控制方法 | |
CN111276987A (zh) | 一种储能系统的电储能控制方法及装置 | |
CN114156912B (zh) | 一种混合储能用于一次调频的能量管理方法及系统 | |
CN111555321A (zh) | 储能联合火电调频中pcs的功率分配方法及装置 | |
CN117477605B (zh) | 与同步机一次调频响应协同的新能源滞后性惯量控制方法 | |
CN111146792A (zh) | 混合储能系统的功率及容量配置方法及装置 | |
CN111525597B (zh) | 一种风储联合系统中双电池不平衡状态优化方法 | |
CN110429626B (zh) | 一种适用于并网型储能系统的能量管理系统及管理方法 | |
CN117154788A (zh) | 一种用于充电站参与电网调频的虚拟同步控制方法、设备及介质 | |
CN112838598A (zh) | 一种基于自适应连续禁忌搜索算法的优化控制策略 | |
CN108539728B (zh) | 一种面向高功率变化场景的直流微电网两级协同控制方法 | |
CN110994695A (zh) | 配电网的日内优化调度方法和系统 | |
CN115208026A (zh) | 一种电池组间源荷分离的主动能量均衡方法 |
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 |