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

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

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

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E_i表示相应储能元件容量，σ_i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SOC_i(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：

P_min≤P₂≤P_max

P_min与P_max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：

SOC_min≤SOC₂≤SOC_max

SOC_min与SOC_max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R_threshold，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：

ω_i＝ω^*-m_{i_k}P_i

U_i＝U^*-n_{i_k}Q_i

其中，ω^*、U^*分别为本地交流侧频率、电压给定值；m_{i_k}与n_{i_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P_{i_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P_{im_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SOC_{i_B}与SOC_{i_SC}，以及两者的当前时刻的功率信号P_{i_B}、P_{i_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y_p(k+1|k),y_p(k+2|k),...,y_p(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E_i表示相应储能元件容量，σ_i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SOC_i(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：

P_min≤P₂≤P_max

P_min与P_max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：

SOC_min≤SOC₂≤SOC_max

SOC_min与SOC_max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R_threshold，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SOC_i(k+1|k)值与在k+1时刻实际测量的SOC_i(k+1)值的差值为：

ΔSOC_i(k+1)＝SOC_i(k+1|k)-SOC_i(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：

ω_i＝ω^*-m_{i_k}P_i

U_i＝U^*-n_{i_k}Q_i

其中，ω^*、U^*分别为本地交流侧频率、电压给定值；m_{i_k}与n_{i_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P_{i_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P_{im_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P_{i_k},Q_{i_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P_{mi_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ω_i和U_i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SOC_{i_B}与SOC_{i_SC}，以及两者的当前时刻的功率信号P_{i_B}、P_{i_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E_i表示相应储能元件容量，σ_i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SOC_i(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。

2.根据权利要求1所述的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，其特征在于：所述的步骤(4)中的下垂控制如下式所示：

ω_i＝ω^*-m_{i_k}P_i

U_i＝U^*-n_{i_k}Q_i

其中，ω^*、U^*分别为本地交流侧频率、电压给定值；m_{i_k}与n_{i_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P_{i_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P_{im_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：

3.根据权利要求1所述的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，其特征在于：所述的步骤(2)中优化目标函数的约束条件如下：

1)储能系统输出功率限制：

P_min≤P₂≤P_max

2)储能单元剩余容量约束：

SOC_min≤SOC₂≤SOC_max

3)储能系统爬坡率限制：

定义单位时间Δt内爬坡率限制为R_threshold，则对储能系统的功率控制量需满足：

Images