CN112532044B - 一种基于解析模型与数据驱动的多能管理控制方法 - Google Patents

一种基于解析模型与数据驱动的多能管理控制方法 Download PDF

Info

Publication number
CN112532044B
CN112532044B CN202011228382.5A CN202011228382A CN112532044B CN 112532044 B CN112532044 B CN 112532044B CN 202011228382 A CN202011228382 A CN 202011228382A CN 112532044 B CN112532044 B CN 112532044B
Authority
CN
China
Prior art keywords
buck converter
representing
output
converter
voltage
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
Application number
CN202011228382.5A
Other languages
English (en)
Other versions
CN112532044A (zh
Inventor
吕冬翔
左志强
孙子路
李钊
魏奉璇
冀介文
朱立宏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cetc Energy Co ltd
Tianjin University
Original Assignee
Cetc Blue Sky Technology Co ltd
Tianjin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Cetc Blue Sky Technology Co ltd, Tianjin University filed Critical Cetc Blue Sky Technology Co ltd
Priority to CN202011228382.5A priority Critical patent/CN112532044B/zh
Publication of CN112532044A publication Critical patent/CN112532044A/zh
Application granted granted Critical
Publication of CN112532044B publication Critical patent/CN112532044B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M3/00—Conversion of dc power input into dc power output
    • H02M3/02—Conversion of dc power input into dc power output without intermediate conversion into ac
    • H02M3/04—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters
    • H02M3/10—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode
    • H02M3/145—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal
    • H02M3/155—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only
    • H02M3/156—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of output voltage or current, e.g. switching regulators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Power Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Feedback Control In General (AREA)
  • Dc-Dc Converters (AREA)

Abstract

本申请提供的一种基于解析模型与数据驱动的多能管理控制方法，所述方法包括步骤：判断是否精准获取能源系统的系统信息；若是，建立解析模型；若否，建立输出饱和下的基于数据驱动的控制模型。本申请提供的一种基于解析模型与数据驱动的多能管理控制方法，通过解析模型和数据驱动模型的建立，无论能否得到精准的能源系统的系统信息，该方法都可适用；此外，针对能源系统输出饱和问题，提出的控制算法能够使得输出电压脱离饱和，从而维持系统的稳定运行；本方法主要应用于能源系统的储能管理，能够建立可靠有效的模型，解决能源系统中的输出饱和问题，并维持系统的稳定运行。

Description

一种基于解析模型与数据驱动的多能管理控制方法
技术领域
本发明涉及多能管理控制技术领域，提出一种基于解析模型与数据驱动的多能管理控制方法。
背景技术
与交流微电网相比，直流微电网能更高效、可靠和稳定地接纳风能、光能等分布式可再生发电能源、直流储能单元以及其它直流用电负荷，故而得到了广泛应用，并逐渐成为了智能用电系统的重要组成部分。为针对可再生能源的能源系统的管理与控制，能源管理控制技术逐渐出现在包括能源系统、储能系统以及现代电子负载等直流输出方式相结合的新型电网中。由于负载往往具有一定的负增量电阻特性，降低了系统的稳定性，因此直流能源系统面临的挑战之一就是实现一种可靠的控制算法，以确保所有功率转换器保持稳定的直流母线电压，并实现它们之间的功率共享。
目前对于多能管理控制技术的设计研究中，通常采用下垂控制对直流多能控制系统中的电力电子器件进行控制，以实现功率的分配以及电压的调节。由于下垂控制策略无需进行通信,结构简单,控制灵活,可实现即插即用，因此应用较为广泛。
由于风力、光伏和其他可再生能源等出力具有很大的间歇性、随机性的特点，其动态特性给微网系统的模型建立和稳定运行带来较大影响，并且对多个微网并行运行缺乏合适的模型或通用模型。因此建立一个直流微网的多能管理控制系统通用解析模型是分析微电网运行与控制、数据驱动以及稳定性分析等各项技术研究的必要基础。
现有技术在实际操作中存在着缺乏从控制算法出发的多能管理控制系统建模以及控制的研究，特别是多个直流微电网并联的时候。电力电子系统的建模在一些工作中已得到较多的研究，但是，目前还缺乏基于转换器的双闭环控制下垂模式的多能管理控制系统的通用数学模型。
当系统较容易获得精准的信息时，采用精确的解析模型可以方便的实现控制器设计和系统稳定运行分析。然而在复杂的电力系统中，有时会出现难以获得准确的系统模型信息的现象。数据驱动的无模型控制算法为多能管理控制系统的设计提供了新的解决思路。
此外，饱和特性广泛地存在于实际系统中，输出饱和的存在会导致输出信号锁定而不能准确反映系统信息的变化，从而影响系统模型的在线辨识及控制器设计性能。目前的大部分研究都在被控系统进行控制器设计部分加入了约束的限制条件，但是关于输出饱和的研究还没有引起足够的重视，相应的研究成果也相对较少。
发明内容
本发明解决的问题：克服现有技术的不足，提供一种基于解析模型与数据驱动的多能管理控制方法，所述方法包括步骤：
判断是否精准获取能源系统的系统信息；
若是，建立解析模型；
若否，建立输出饱和下的基于数据驱动的控制模型。
优选地，所述建立解析模型包括步骤：
基于双闭环下垂模式控制下的buck转换器系统定义状态变量；
根据所述状态变量建立所述buck转换器系统的数学表达式；
根据所述数学表达式建立所述buck转换器系统的状态空间模型；
将所述状态空间模型作为所述解析模型。
优选地，所述状态空间模型的表达式为：
其中，x11和x12分别表示所述buck转换器系统中第一变换器的电感电流和输出电压，x13表示所述buck转换器系统中电压控制器积分器的输出，x14表示所述buck转换器系统中电流控制器积分器的输出，kIv1、kPv1、kIi1和kPi1分别表示所述buck转换器系统中电压控制器的积分增益、所述buck转换器系统中电压控制器的比例增益、所述buck转换器系统中电流控制器的积分增益和所述buck转换器系统中电流控制器的比例增益，Rd1表示所述第一变换器的下垂系数，Vin和Vnom分别表示所述第一变换器的输入电压和参考电压，R、L、C分别表示所述buck转换器系统的总等效负载、所述第一变换器的输出电感和输出电容，和/>分别表示所述第一变换器的电感电流、输出电压、所述电压控制器积分器的输出和所述电流控制器积分器的输出所对应的导数。
优选地，所述buck转换器系统中第一变换器的电感电流的表达式为：
其中，x11、x12分别表示所述第一变换器的电感电流和输出电压，L表示所述第一变换器的输出电感，D表示占空比，Vin表示所述第一变换器的输入电压，表示所述第一变换器的电感电流的导数。
优选地，所述占空比的表达式为：
其中，D表示占空比，x11和x12分别表示所述buck转换器系统中第一变换器的电感电流和输出电压，x13表示所述buck转换器系统中电压控制器积分器的输出，x14表示所述buck转换器系统中电流控制器积分器的输出，kIv1、kPv1、kIi1和kPi1分别表示所述buck转换器系统中电压控制器的积分增益、所述buck转换器系统中电压控制器的比例增益、所述buck转换器系统中电流控制器的积分增益和所述buck转换器系统中电流控制器的比例增益，Rd1表示所述第一变换器的下垂系数，Vnom表示所述第一变换器的参考电压。
优选地，所述buck转换器系统中第一变换器的输出电压所对应的导数的表达式为：
其中，x11、x12分别表示所述第一变换器的电感电流和输出电压；R、C分别表示所述buck转换器系统的总等效负载和所述第一变换器的输出电容，表示所述第一变换器的输出电压的导数。
优选地，所述buck转换器系统中电压控制器积分器的输出所对应的导数的表达式为：
其中，x11和x12分别表示所述buck转换器系统中第一变换器的电感电流和输出电压，x13表示所述buck转换器系统中电压控制器积分器的输出，Rd1表示所述第一变换器的下垂系数，Vnom表示所述第一变换器的参考电压，表示所述电压控制器积分器的输出所对应的导数。
优选地，所述电流控制器积分器的输出所对应的导数的表达式为：
其中，x11和x12分别表示所述buck转换器系统中第一变换器的电感电流和输出电压，x13表示所述buck转换器系统中电压控制器积分器的输出，x14表示所述buck转换器系统中电流控制器积分器的输出，kIv1、kPv1、kIi1和kPi1分别表示所述buck转换器系统中电压控制器的积分增益、所述buck转换器系统中电压控制器的比例增益、所述buck转换器系统中电流控制器的积分增益和所述buck转换器系统中电流控制器的比例增益，Rd1表示所述第一变换器的下垂系数，Vnom表示所述第一变换器的参考电压，表示所述电流控制器积分器的输出所对应的导数。
优选地，所述建立输出饱和下的基于数据驱动的控制模型包括步骤：
建立基于buck转换器的通信拓扑网络；
建立基于所述buck转换器的数据驱动控制模型；
建立基于所述buck转换器的控制算法；
将所述控制算法作为所述控制模型。
优选地，所述控制算法的表达式为：
其中，uj(i-1)表示第j个buck转换器第(i-1)次迭代的控制输入；uj(i)表示第j个buck转换器第i次迭代的控制输入；dj表示第j个buck转换器是否能够接收到设定电压的信息，当接收到dj＝1,否则dj＝0；ej(T,i)表示第j个buck转换器第i次迭代终端时刻的跟踪误差；表示第j个buck转换器第i次迭代终端时刻的测量误差；λ和ρ均为常数，/>是估计量。
本申请提供的一种基于解析模型与数据驱动的多能管理控制方法，通过解析模型和数据驱动模型的建立，无论能否得到精准的能源系统的系统信息，该方法都可适用；此外，针对能源系统输出饱和问题，提出的控制算法能够使得输出电压脱离饱和，从而维持系统的稳定运行；本方法主要应用于能源系统的储能管理，能够建立可靠有效的模型，解决能源系统中的输出饱和问题，并维持系统的稳定运行。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的一种基于解析模型与数据驱动的多能管理控制方法的流程示意图；
图2是本发明提供的一种基于解析模型与数据驱动的多能管理控制方法中能源系统控制框图。
图3是本发明提供的一种基于解析模型与数据驱动的多能管理控制方法中buck转换器拓扑结构；
图4是本发明提供的一种基于解析模型与数据驱动的多能管理控制方法中buck转换器简化模型。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
如图1，在本申请实施例中，本申请提供了一种基于解析模型与数据驱动的多能管理控制方法，所述方法包括步骤：
S1：判断是否精准获取能源系统的系统信息；
S2：若是，建立解析模型；
S3：若否，建立输出饱和下的基于数据驱动的控制模型。
在本申请实施例中，当对如图2所示的能源系统进行多能管理时，首先判断是否精准获取能源系统的系统信息，当能够精准获取能源系统的系统信息时，建立解析模型；当不能够精准获取能源系统的系统信息时，建立输出饱和下的基于数据驱动的控制模型。
在本申请实施例中，步骤S2中的建立解析模型包括步骤：
基于双闭环下垂模式控制下的buck转换器系统定义状态变量；
根据所述状态变量建立所述buck转换器系统的数学表达式；
根据所述数学表达式建立所述buck转换器系统的状态空间模型；
将所述状态空间模型作为所述解析模型。
在本申请实施例中，当建立解析模型时，首先基于双闭环下垂模式控制下的buck转换器系统定义状态变量。具体地，可以采用状态空间法对如图2所示的能源系统进行建模，然后可以得到如表1所示的基于双闭环下垂模式控制下的buck转换器系统定义状态变量。
表1
状态变量 说明
xn1 第nth个转换器的电感电流
xn2 第nth个转换器的输出电容电压
xn3 电压控制器积分器的输出
xn4 电流控制器积分器的输出
当得到表1所示的状态变量表格以及图2所示的能源系统的框图后，可以看出将一个通用的buck电路作为实现能源系统控制回路的基础，因此只需具体对buck电路的模型进行分析，首先研究第一个buck转换器系统下的数学模型，并且可以扩展到具有多个源(多个buck转换器)系统。具体地，根据所述状态变量建立所述buck转换器系统的数学表达式，然后根据所述数学表达式建立所述buck转换器系统的状态空间模型，最后将所述状态空间模型作为所述解析模型。
buck转换器系统的电路拓扑如图3所示，其通过串联一个LC滤波器来加载负载而不失去推广性。直流负载可以是电阻性负载、恒功率负载或者二者的组合。这里采用平均法对其进行建模，即只考虑平均动力学，忽略了高频开关动力学
如图4所示，对具有加载直流负载的相应LC电路的简化buck转换器系统进行建模。Buck转换器系统的数学平均模型可以描述如下：
其中，R表示系统的总等效负载，C，L分别表示转换器的输出电容、输出电感。
在本申请实施例中，相应的传递函数的表达式为：
其中，R，C，L分别表示系统的总等效负载，转换器的输出电容和输出电感；Vdc，Vin分别表示系统的输出电压和输入电压；D表示占空比。
在本申请实施例中，可从如图2所示的框图中获得如下方程式：
其中，x11和x12分别表示所述buck转换器系统中第一变换器的电感电流和输出电压，x13表示所述buck转换器系统中电压控制器积分器的输出，Rd1表示所述第一变换器的下垂系数，Vnom表示所述第一变换器的参考电压，表示所述电压控制器积分器的输出所对应的导数。
在本申请实施例中，可以表示为：
其中，x11和x12分别表示所述buck转换器系统中第一变换器的电感电流和输出电压，x13表示所述buck转换器系统中电压控制器积分器的输出，x14表示所述buck转换器系统中电流控制器积分器的输出，kIv1、kPv1、kIi1和kPi1分别表示所述buck转换器系统中电压控制器的积分增益、所述buck转换器系统中电压控制器的比例增益、所述buck转换器系统中电流控制器的积分增益和所述buck转换器系统中电流控制器的比例增益，Rd1表示所述第一变换器的下垂系数，Vnom表示所述第一变换器的参考电压，表示所述电流控制器积分器的输出所对应的导数。
在本申请实施例中，由如图2所示的框图还可以得到占空比D的公式：
其中，D表示占空比，x11和x12分别表示所述buck转换器系统中第一变换器的电感电流和输出电压，x13表示所述buck转换器系统中电压控制器积分器的输出，x14表示所述buck转换器系统中电流控制器积分器的输出，kIv1、kPv1、kIi1和kPi1分别表示所述buck转换器系统中电压控制器的积分增益、所述buck转换器系统中电压控制器的比例增益、所述buck转换器系统中电流控制器的积分增益和所述buck转换器系统中电流控制器的比例增益，Rd1表示所述第一变换器的下垂系数，Vnom表示所述第一变换器的参考电压。
在本申请实施例中，根据buck转换器的平均模型，还可以得到占空比D和x11的关系如下：
其中，x11、x12分别表示所述第一变换器的电感电流和输出电压，L表示所述第一变换器的输出电感，D表示占空比，Vin表示所述第一变换器的输入电压，表示所述第一变换器的电感电流的导数。
然后将由图2所示的框图所得的D的值代入上式可得：
同时，输出电压的导数可用下式表示：
其中，x11、x12分别表示所述第一变换器的电感电流和输出电压；R、C分别表示所述buck转换器系统的总等效负载和所述第一变换器的输出电容，表示所述第一变换器的输出电压的导数。
在本申请实施例中由上述所有等式，得到buck转换器系统中单个转换器及其控制器的状态空间模型：
其中，x11和x12分别表示所述buck转换器系统中第一变换器的电感电流和输出电压，x13表示所述buck转换器系统中电压控制器积分器的输出，x14表示所述buck转换器系统中电流控制器积分器的输出，kIv1、kPv1、kIi1和kPi1分别表示所述buck转换器系统中电压控制器的积分增益、所述buck转换器系统中电压控制器的比例增益、所述buck转换器系统中电流控制器的积分增益和所述buck转换器系统中电流控制器的比例增益，Rd1表示所述第一变换器的下垂系数，Vin和Vnom分别表示所述第一变换器的输入电压和参考电压，R、L、C分别表示所述buck转换器系统的总等效负载、所述第一变换器的输出电感和输出电容，x11、x12、x13和x14分别表示所述第一变换器的电感电流、输出电压、所述电压控制器积分器的输出和所述电流控制器积分器的输出所对应的导数。
在本申请实施例中，解析模型可以精确地描述控制系统，同时，还可以利用解析模型来进行仿真、训练、分析、控制器设计等工作，以达到满意的控制效果。此通用的解析模型还可应用于多个电压源并联的直流微电网，并通过辨析其系数矩阵可得到系统的稳定性、参数的灵敏性等重要信息。
在本申请实施例中，步骤S3中的建立输出饱和下的基于数据驱动的控制模型包括步骤：
建立基于buck转换器的通信拓扑网络；
建立基于所述buck转换器的数据驱动控制模型；
建立基于所述buck转换器的控制算法；
将所述控制算法作为所述控制模型。
在本申请实施例中，所述建立基于buck转换器的通信拓扑网络具体通过如下方式实现：
首先，将由N个buck转换器构成的智能体系统的通讯拓扑图抽象为有向图其中/>表示所有节点的集合，/>表示图的所有边的集合，有向图的一条边由一对节点(j,i)表示。若(j,i)∈ε表示第j个智能体可以从第i个智能体获取信息，并且称第i个智能体是第j个智能体的邻居节点，。/>为节点i的邻居节点集合。定义有向图/>的邻接矩阵A＝(aij)N×N，若(j,i)∈ε，aij＝1；若/>aij＝0。假设智能体不能自己相互进行信息传递，即aii＝0。
在本申请实施例中，所述建立基于所述buck转换器的数据驱动控制模型具体通过如下方式实现：
由于客观原因在解析模型不可知或不准确以及输出电压饱和情形下可以利用数据驱动的方法(利用终端迭代学习方法)来维持输出电压的稳定和脱离饱和。考虑由N个buck转换器构成的系统，考虑第j个buck转换器的动态性能：
yj(k+1,i)＝f(yj(k,j),uj(k,j))(1)
其中j∈SN，k＝0,1,…,T为离散时间索引，T为终端时间，i为迭代次数，uj(k,j)为控制输入即占空比，yj(k+1,i)为buck转换器的输出电压，f(·,·)为未知非线性可微函数，这里假定对于k＝0,1,…,T，都有uj(k,j)＝uj(i)成立。并给出以下假定：
假设1：系统(1)可控。
假设2：对于
根据以上可以得到以下结果：
yj(1,i)＝f(yj(0,i),uj(i))＝g1(yj(0,i),uj(i))
其中，g1(·,·),…,gT(·,·)∈R，均为非线性可微函数。进一步得到，存在εj(i),δj(i)，有下式成立：
假设3：这里α1,α2均为常数。
定义根据方程(3)可以得到下式：
yj(T,i)＝yj(T,i-1)+θj(i)(uj(i)-uj(i-1) (4)
根据等式(4)就可以将控制器和输出建立联系，而这里的θj(i)非常复杂，需要利用输出和输入来进行观测估计。
由于实际测量输出设备测量范围的原因，常常存在实际输出值大于(小于)测量上限(下限)的现象，这种现象称为输出饱和，所以设计控制器来使输出脱离饱和。首先考虑系统的测量输出，定义如下：
这里定义θj(i)的估计量为估计误差为/>估计量由下式构建：
其中Δzj(T,i-1)＝zj(T,i)-zj(T,i-1),μ＞0,0＜η＜1。为了算法的有效性，提出如下复位算法：
并且对估计误差进一步计算得到：
即估计误差是有界的，所以可以近似估计θj(i)。
在本申请实施例中，所述建立基于所述buck转换器的控制算法通过如下方法实现：
目的是为了实际输出电压在不断迭代的过程中可以跟踪设定的电压yT，首先分别定义跟踪误差ej(T,i)＝yT-yj(T,i)和测量误差具体控制算法如下：
其中，uj(i-1)表示第j个buck转换器第(i-1)次迭代的控制输入；uj(i)表示第j个buck转换器第i次迭代的控制输入；dj表示第j个buck转换器是否能够接收到设定电压的信息，当接收到dj＝1,否则dj＝0；ej(T,i)表示第j个buck转换器第i次迭代终端时刻的跟踪误差；表示第j个buck转换器第i次迭代终端时刻的测量误差；λ和ρ均为常数，/>是估计量。
进一步抽象虚拟领导者"0",定义与其余转换器节点的邻接权重与dj的表示形式一致，得到有向通信拓扑图其中ρ和λ分别满足以下约束：
假设4：有向通信拓扑图为强连通图。
在满足上述假设下，在此控制方法下可以使系统输出电压在不断迭代过程中跟踪上设定电压，维持稳定，并且设定电压在输出设备测量范围内可以使输出电压脱离输出饱和。
本申请提供的一种基于解析模型与数据驱动的多能管理控制方法，通过解析模型和数据驱动模型的建立，无论能否得到精准的能源系统的系统信息，该方法都可适用；此外，针对能源系统输出饱和问题，提出的控制算法能够使得输出电压脱离饱和，从而维持系统的稳定运行；本方法主要应用于能源系统的储能管理，能够建立可靠有效的模型，解决能源系统中的输出饱和问题，并维持系统的稳定运行。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (6)

1.一种基于解析模型与数据驱动的多能管理控制方法，其特征在于，所述方法包括步骤：
判断是否精准获取能源系统的系统信息；
若是，建立解析模型；
若否，建立输出饱和下的基于数据驱动的控制模型；
基于双闭环下垂模式控制下的buck转换器系统定义状态变量；
根据所述状态变量建立所述buck转换器系统的数学表达式；
根据所述数学表达式建立所述buck转换器系统的状态空间模型；
将所述状态空间模型作为所述解析模型；
所述状态空间模型的表达式为：
其中，x11和x12分别表示所述buck转换器系统中第一变换器的电感电流和输出电压，x13表示所述buck转换器系统中电压控制器积分器的输出，x14表示所述buck转换器系统中电流控制器积分器的输出，kIv1、kPv1、kIi1和kPi1分别表示所述buck转换器系统中电压控制器的积分增益、所述buck转换器系统中电压控制器的比例增益、所述buck转换器系统中电流控制器的积分增益和所述buck转换器系统中电流控制器的比例增益，Rd1表示所述第一变换器的下垂系数，Vin和Vnom分别表示所述第一变换器的输入电压和参考电压，R、L、C分别表示所述buck转换器系统的总等效负载、所述第一变换器的输出电感和输出电容，和分别表示所述第一变换器的电感电流、输出电压、所述电压控制器积分器的输出和所述电流控制器积分器的输出所对应的导数；
所述建立输出饱和下的基于数据驱动的控制模型包括步骤：
建立基于buck转换器的通信拓扑网络；
建立基于所述buck转换器的数据驱动控制模型；
建立基于所述buck转换器的控制算法；
将所述控制算法作为所述控制模型；
所述控制算法的表达式为：
其中，uj(i-1)表示第j个buck转换器第(i-1)次迭代的控制输入；uj(i)表示第j个buck转换器第i次迭代的控制输入；dj表示第j个buck转换器是否能够接收到设定电压的信息，当接收到dj＝1,否则dj＝0；ej(T,i)表示第j个buck转换器第i次迭代终端时刻的跟踪误差；/>表示第j个buck转换器第i次迭代终端时刻的测量误差；λ和ρ均为常数，/>是估计量；
αjl表示第l个buck转换器是否可以接收到第l个buck转换器的信息，若是则αjl＝1，否则αjl＝0；
这里定义θj(i)的估计量为其形式如下：
其中Δzj(T,i-1)＝zj(T,i)-zj(T,i-1),μ＞0,0＜η＜1；其中
y0为输出电压的饱和界；其中，
yj(T,i)＝yj(T,i-1)+θj(i)(uj(i)-uj(i-1)
其中j∈SN，k＝0,1,…,T为离散时间索引，T为终端时间，i为迭代次数，uj(i)为控制输入即占空比，yj(T,i)为buck转换器的输出电压；定义θj(i)的估计量为
为了算法的有效性，并给出如下复位条件：
2.根据权利要求1所述的基于解析模型与数据驱动的多能管理控制方法，其特征在于，所述第一变换器的电感电流所对应的导数的表达式为：
其中，x11、x12分别表示所述第一变换器的电感电流和输出电压，L表示所述第一变换器的输出电感，D表示占空比，Vin表示所述第一变换器的输入电压，表示所述第一变换器的电感电流的导数。
3.根据权利要求2所述的基于解析模型与数据驱动的多能管理控制方法，其特征在于，所述占空比的表达式为：
其中，D表示占空比，x11和x12分别表示所述buck转换器系统中第一变换器的电感电流和输出电压，x13表示所述buck转换器系统中电压控制器积分器的输出，x14表示所述buck转换器系统中电流控制器积分器的输出，kIv1、kPv1、kIi1和kPi1分别表示所述buck转换器系统中电压控制器的积分增益、所述buck转换器系统中电压控制器的比例增益、所述buck转换器系统中电流控制器的积分增益和所述buck转换器系统中电流控制器的比例增益，Rd1表示所述第一变换器的下垂系数，Vnom表示所述第一变换器的参考电压。
4.根据权利要求1所述的基于解析模型与数据驱动的多能管理控制方法，其特征在于，所述buck转换器系统中第一变换器的输出电压所对应的导数的表达式为：
其中，x11、x12分别表示所述第一变换器的电感电流和输出电压；R、C分别表示所述buck转换器系统的总等效负载和所述第一变换器的输出电容，表示所述第一变换器的输出电压的导数。
5.根据权利要求1所述的基于解析模型与数据驱动的多能管理控制方法，其特征在于，所述buck转换器系统中电压控制器积分器的输出所对应的导数的表达式为：
其中，x11和x12分别表示所述buck转换器系统中第一变换器的电感电流和输出电压，x13表示所述buck转换器系统中电压控制器积分器的输出，Rd1表示所述第一变换器的下垂系数，Vnom表示所述第一变换器的参考电压，表示所述电压控制器积分器的输出所对应的导数。
6.根据权利要求1所述的基于解析模型与数据驱动的多能管理控制方法，其特征在于，所述所述电流控制器积分器的输出所对应的导数的表达式为：
其中，x11和x12分别表示所述buck转换器系统中第一变换器的电感电流和输出电压，x13表示所述buck转换器系统中电压控制器积分器的输出，x14表示所述buck转换器系统中电流控制器积分器的输出，kIv1、kPv1、kIi1和kPi1分别表示所述buck转换器系统中电压控制器的积分增益、所述buck转换器系统中电压控制器的比例增益、所述buck转换器系统中电流控制器的积分增益和所述buck转换器系统中电流控制器的比例增益，Rd1表示所述第一变换器的下垂系数，Vnom表示所述第一变换器的参考电压，表示所述电流控制器积分器的输出所对应的导数。
CN202011228382.5A 2020-11-06 2020-11-06 一种基于解析模型与数据驱动的多能管理控制方法 Active CN112532044B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011228382.5A CN112532044B (zh) 2020-11-06 2020-11-06 一种基于解析模型与数据驱动的多能管理控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011228382.5A CN112532044B (zh) 2020-11-06 2020-11-06 一种基于解析模型与数据驱动的多能管理控制方法

Publications (2)

Publication Number Publication Date
CN112532044A CN112532044A (zh) 2021-03-19
CN112532044B true CN112532044B (zh) 2023-10-03

Family

ID=74979839

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011228382.5A Active CN112532044B (zh) 2020-11-06 2020-11-06 一种基于解析模型与数据驱动的多能管理控制方法

Country Status (1)

Country Link
CN (1) CN112532044B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007252144A (ja) * 2006-03-17 2007-09-27 Mitsubishi Electric Corp 電圧変換装置
CN106787697A (zh) * 2016-11-23 2017-05-31 湖南科技大学 Buck‑Boost变换器稳定性控制方法及装置
CN107017661A (zh) * 2017-04-25 2017-08-04 西安石油大学 一种模态依赖的微网多态运行切换控制方法
CN107040138A (zh) * 2017-05-12 2017-08-11 东南大学 一种直流降压变换器复合电流约束控制方法
JP2019140899A (ja) * 2018-02-13 2019-08-22 广州大学 Ｄｃ／ｄｃコンバータ安定性分析方法及びシステム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11527955B2 (en) * 2018-03-26 2022-12-13 The Board Of Trustees Of The University Of Alabama Systems, methods and devices for control of DC/DC converters and a standalone DC microgrid using artificial neural networks

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007252144A (ja) * 2006-03-17 2007-09-27 Mitsubishi Electric Corp 電圧変換装置
CN106787697A (zh) * 2016-11-23 2017-05-31 湖南科技大学 Buck‑Boost变换器稳定性控制方法及装置
CN107017661A (zh) * 2017-04-25 2017-08-04 西安石油大学 一种模态依赖的微网多态运行切换控制方法
CN107040138A (zh) * 2017-05-12 2017-08-11 东南大学 一种直流降压变换器复合电流约束控制方法
JP2019140899A (ja) * 2018-02-13 2019-08-22 广州大学 Ｄｃ／ｄｃコンバータ安定性分析方法及びシステム

Also Published As

Publication number Publication date
CN112532044A (zh) 2021-03-19

Similar Documents

Publication Publication Date Title
Joshi et al. Maximum power point tracking methodologies for solar PV systems–A review
Zhao et al. Elman neural network using ant colony optimization algorithm for estimating of state of charge of lithium-ion battery
CN110490385A (zh) 一种综合能源系统中电负荷和热负荷的联合预测方法
CN104535934B (zh) 在线前馈补偿的动力电池电荷状态估计方法与系统
Siano et al. Designing fuzzy logic controllers for DC–DC converters using multi-objective particle swarm optimization
KR20200034023A (ko) 열·공조 시스템에 대한 수요 반응 결정 모델을 생성하는 방법 및 수요 반응을 수행하기 위한 방법
CN110048606A (zh) 基于区间二型自适应模糊神经网络的dc-dc升压变换器动态滑模电压控制方法
CN112630659A (zh) 一种基于改进bp-ekf算法的锂电池soc估算方法
CN110826784B (zh) 能源使用效率的预测方法、装置及存储介质和终端设备
Alamin et al. An Artificial Neural Network (ANN) model to predict the electric load profile for an HVAC system
CN108563863B (zh) 城市轨道交通系统的能耗计算与调度方法
CN110504676A (zh) 一种基于apso-bp的配电网状态估计方法
CN106055846A (zh) 一种基于bsnn‑arx的光伏逆变器模型辨识方法
Naitmalek et al. Forecasting the state-of-charge of batteries in micro-grid systems
Jagadeshwar et al. A novel adaptive model predictive control scheme with incremental conductance for extracting maximum power from a solar panel
CN113093014B (zh) 一种基于阻抗参数的soh与soc的在线协同估计方法及系统
CN115201563A (zh) 一种基于联合熵的多谐波源定位方法及系统
Nguimfack-Ndongmo et al. Adaptive neuro-synergetic control technique for SEPIC converter in PV systems
CN112532044B (zh) 一种基于解析模型与数据驱动的多能管理控制方法
Koduru et al. Real-time implementation of deep learning technique in microcontroller-based dc-dc boost converter-a design approach
de Dieu Nguimfack-Ndongmo et al. Adaptive terminal synergetic-backstepping technique based machine learning regression algorithm for MPPT control of PV systems under real climatic conditions
CN116908619A (zh) 一种基于时空图注意力卷积网络的谐波源定位方法
CN116184036A (zh) 基于神经网络的电力电子变换器参数在线辨识方法及系统
CN114372418A (zh) 一种风电功率时空态势描述模型建立方法
CN115062847A (zh) 一种基于逻辑回归算法的碳纤维供暖能耗预测方法及系统

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20221207

Address after: 300384 No. 6 Huake No. 7 Road, Binhai New Area, Tianjin Binhai High-tech Industrial Development Zone

Applicant after: CETC Energy Co.,Ltd.

Applicant after: Tianjin University

Address before: 300384 No. 6 Huake No. 7 Road, Binhai New Area, Tianjin Binhai High-tech Industrial Development Zone

Applicant before: The 18th Research Institute of China Electronics Technology Group Corporation

Applicant before: Tianjin University

CB02 Change of applicant information
CB02 Change of applicant information

Address after: 300384 No. 6 Huake No. 7 Road, Binhai New Area, Tianjin Binhai High-tech Industrial Development Zone

Applicant after: CETC Blue Sky Technology Co.,Ltd.

Applicant after: Tianjin University

Address before: 300384 No. 6 Huake No. 7 Road, Binhai New Area, Tianjin Binhai High-tech Industrial Development Zone

Applicant before: CETC Energy Co.,Ltd.

Applicant before: Tianjin University

GR01 Patent grant
GR01 Patent grant