CN112564252B - 半主动式混合储能系统及其模型预测能量控制方法 - Google Patents

半主动式混合储能系统及其模型预测能量控制方法 Download PDF

Info

Publication number
CN112564252B
CN112564252B CN202011369175.1A CN202011369175A CN112564252B CN 112564252 B CN112564252 B CN 112564252B CN 202011369175 A CN202011369175 A CN 202011369175A CN 112564252 B CN112564252 B CN 112564252B
Authority
CN
China
Prior art keywords
super capacitor
battery
storage battery
current
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
CN202011369175.1A
Other languages
English (en)
Other versions
CN112564252A (zh
Inventor
申永鹏
王延峰
李元丰
谢小品
李海林
孙建彬
刘普
王乾
杨小亮
胡智宏
李信波
温胜涛
闫增伟
忽中奥
王继光
彭飞
郑竹风
刘迪
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.)
Henan Zhuozheng Electronic Technology Co ltd
Zhengzhou University of Light Industry
Original Assignee
Henan Zhuozheng Electronic Technology Co ltd
Zhengzhou University of Light Industry
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 Henan Zhuozheng Electronic Technology Co ltd, Zhengzhou University of Light Industry filed Critical Henan Zhuozheng Electronic Technology Co ltd
Priority to CN202011369175.1A priority Critical patent/CN112564252B/zh
Publication of CN112564252A publication Critical patent/CN112564252A/zh
Application granted granted Critical
Publication of CN112564252B publication Critical patent/CN112564252B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • 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
    • H02J2207/00—Indexing scheme relating to details of circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J2207/50—Charging of capacitors, supercapacitors, ultra-capacitors or double layer capacitors

Abstract

本发明提出一种半主动式混合储能系统及其模型预测能量控制方法，包括蓄电池、DC/DC升降压变换器、超级电容和输出直流母线，蓄电池依次和DC/DC升降压变换器、超级电容、输出直流母线连接；同时，设计了基于该混合储能系统模型预测能量控制方法，建立直流母线电压优化控制和半主动式混合储能系统损耗控制的综合优化函数，通过对优化函数最优求解得到对应的最优控制变量。

Description

半主动式混合储能系统及其模型预测能量控制方法
技术领域
本发明属于混合储能系统直流变换方法领域，具体涉及一种半主动式混合储能系统及其模型预测能量控制方法。
背景技术
基于被动式和全主动式的混合储能系统广泛应用于电动汽车、电驱动装备、微电网等领域。混合储能系统由能量密度高的蓄电池、功率密度高的超级电容和负责转换蓄电池或超级电容功率的DC/DC变换器组成。例如专利文献CN104283298A、CN104716835A、CN106899029B、CN107017617等，由于直流母线侧负载功率的不稳定性，蓄电池和超级电容之间的功率分配问题对于减缓电池容量衰减和提高储能系统的效率具有十分重要的意义。
如图1和图2所示，传统的混合储能系统结构主要以被动式和全主动式为主，它们的缺点表现在：1、在被动式混合储能系统结构中，蓄电池和超级电容直接并联在一起，然后和直流母线直接相连，蓄电池和超级电容的功率分配主要由它们的内阻值决定，混合储能系统不能被有效控制和管理，也不利于蓄电池的健康高效使用；2、在全主动混合储能系统结构中，电池和超级电容各通过DC/DC变换器和直流母线连接，这种混合储能系统结构既增加了能量管理方法的复杂性，也增加了系统的损耗和成本。
现在用于混合储能系统的能量管理策略主要集中在基于规则的基础之上，但是基于规则的混合储能系统能量管理策略存在些许不足之处：严重依赖工程经验，无法根据环境和储能系统输出特性等因素变化来调整，无法满足更高要求的优化。
发明内容
为了克服上述缺点，本发明提出一种半主动式混合储能系统及其模型预测能量控制方法，蓄电池通过DC/DC变换器和直流母线连接，超级电容直接和直流母线并联，并针对半主动式混合储能系统结构设计了模型预测能量控制方法，建立蓄电池损耗模型和DC/DC变换器损耗模型，建立直流母线电压优化控制和半主动式混合储能系统损耗控制的综合优化函数，采用穷举法通过对评价函数迭代求解得到对应的最优控制变量。
为实现上述目的，本发明采用如下的技术方案：
一种半主动式混合储能系统，其特征在于：包括蓄电池、DC/DC升降压变换器、超级电容和输出直流母线，蓄电池依次和DC/DC升降压变换器、超级电容、输出直流母线连接，超级电容直接和输出电流母线连接；
进一步的，所述DC/DC升降压变换器包括一电感、一电容、第一开关管和第二开关管，电感的一端与蓄电池正极连接，电感的另一端与第一开关管和第二开关管的一端连接，第一开关管的另一端与蓄电池负极连接和电容的一端连接，第二开关管的另一端与电容和超级电容的一端连接。
一种半主动式混合储能系统模型预测能量控制方法，包括上述的系统，包括如下步骤：
步骤1：对所述系统中的蓄电池建模、DC/DC变换器效率建模；
步骤2：依据实时输出直流母线电压、输出直流母线电压设定值和所述系统的总功率损耗，得到综合优化函数；
步骤3：通过所述系统中的变量和参数约束函数，采用穷举法求解蓄电池电流的最优控制量；
进一步的，所述步骤1中的对所述系统中的蓄电池建模，uoc为蓄电池开路电压，Rb为蓄电池内阻，ub为蓄电池的端口电压，ib为蓄电池电流，k为采样时刻，蓄电池的功率损耗为Pbloss(k)＝ib 2(k)Rb，蓄电池的输出电压预测值为ub(k+1)＝uoc(k)-Rbib(k+1)；
进一步的，所述步骤1中的对所述系统中的DC/DC变换器效率建模，DC/DC变换器的功率损耗为：Pconloss(k+1)＝ub(k+1)ib(k+1)[1-η1(k+1)]，其中，DC/DC变换器效率η1和蓄电池输出功率Pb(k)＝ub(k)ib(k)有关，它们的函数关系为η1(k)＝α1Pb 4(k)+β1Pb 3(k)+γ1Pb 2(k)+δ1Pb(k)+ε1，k为采样时刻，Rb为蓄电池内阻，ub为蓄电池的端口电压，α1、β1、γ1、δ1和ε1均为系数；
进一步的，所述步骤2中的综合优化函数为：
min J1(k+1)＝σ1|uo(k+1)-uoref|+ξ1Ptotalloss(k+1)
其中，minJ1为综合优化函数，k为采样时刻，uoref为混合储能系统直流母线电压设定值(即超级电容电压设定值)，Ptotalloss为混合储能系统的功率损耗，Ptotalloss＝Pbloss+Pconloss，Pbloss为蓄电池的功率损耗，Pconloss为DC/DC变换器的功率损耗，σ1和ξ1为综合优化函数的权重系数；
进一步的，所述步骤3中的通过所述系统中的变量和参数约束函数为：
其中，SOCb(k+1)为蓄电池预测荷电状态，SOCSC(k+1)为超级电容预测荷电状态，ubmax和ubmin分别为蓄电池的最大和最小容许电压，ibmin和ibmax分别为蓄电池的最小和最大容许放电电流；uSC(k+1)为超级电容的预测电压，uSCmax为超级电容的容许最大电压，iSC(k+1)预测电流为超级电容的预测电流，iSCmin和iSCmax分别为超级电容的最小和最大容许放电电流，ub为蓄电池的端口电压，ib为蓄电池电流，k为采样时刻；
进一步的，所述超级电容的预测电压uSC(k+1)和预测电流iSC(k+1)由下述方法得到：负载电流io可由已知负载工况功率Pload和实时采集的直流母线电压uo推导得出：
io(k+1)＝Pload(k+1)/uo(k)
超级电容的预测电流iSC(k+1)为：
其中，η1为DC/DC变换器效率；iSC(k+1)为正时表示超级电容放电，iSC(k+1)为负时超级电容充电，超级电容的预测电压uSC(k+1)为：
uSC(k+1)＝uSC(k)-iSC(k+1)Ts/CSC
其中，CSC为超级电容的电容值；Ts为采样时间间隔。
进一步的，所述步骤3中的采用穷举法求解蓄电池电流的最优控制量，具体如下：采用穷举法对minJ(k+1)对应的最优蓄电池电流ib(k+1)求解，设置最小蓄电池电流ibmin,最大蓄电池电流ibmax，计算步长为ibΔ，所以迭代的电池电流ib：
比对所有ib(k+1)情况下J(k+1)的大小，找出最小J(k+1)对应的ib(k+1)并将其作为控制量控制第一开关管和第二开关管的占空比。
本发明实现了如下的技术效果：
1、和被动式混合储能系统相比，该半主动式混合储能系统结构中的蓄电池和直流母线实现了解耦，通过调节DC/DC升降压变换器的占空比准确有效调节电池电流；
2、和全主动式混合储能系统相比，该半主动式混合储能系统结构中的超级电容直接和直流母线并联，混合储能系统的成本有所降低，减少了电路的复杂性，控制相对更加简单；
3、该结构的直流母线电压可以在一定范围内波动，超级电容可以吸收由负载波动引起的高频电流和峰值电流，有助于提升整个系统的工作效率。
4、相比于传统的基于规则的混合储能能量管理方法，所发明的模型预测能量控制方法建立了多目标优化函数，包含对直流母线电压uo的优化控制和对混合储能系统总的损耗Ptotalloss降低控制，设置对应优化目标的权重系数，同时对蓄电池电流ib进行约束，约束范围为：ibmin＜ib＜ibmax，对超级电容电流iSC进行约束，约束范围为：iSCmin<iSC＜iSCmax；通过求解最小优化函数得到对应的参考控制变量蓄电池电流，从而实现混合储能系统工作过程中多目标的整体综合优化。
附图说明
图1现有技术中被动式混合储能系统示意图；
图2现有技术中全主动式混合储能系统示意图；
图3本发明的半主动式混合储能系统示意图；
图4蓄电池等效模型；
图5DC/DC升降压变换器输入功率和效率关系拟合曲线；
图6半主动式混合储能系统模型预测能量控制方法；
图7穷举法寻优算法框架。
具体实施方式
以下将结合附图和具体实施例对本发明做进一步详细说明：
图3为本发明半主动式混合储能系统示意图，包括蓄电池、DC/DC升降压变换器、超级电容SC和输出直流母线，蓄电池依次和DC/DC升降压变换器、超级电容、输出直流母线连接，超级电容直接和输出电流母线连接。
DC/DC升降压变换器包括一电感L、一电容C0、第一开关管Q1和第二开关管Q2，电感L的一端与蓄电池正极连接，电感L的另一端与第一开关管Q1和第二开关管Q2的一端连接，第一开关管Q1的另一端与蓄电池负极连接和电容C0的一端连接，第二开关管Q2的另一端与电容C0和超级电容的一端连接。
半主动式混合储能系统的工作原理为：1、当DC/DC升降压变换器工作在升压模式时，蓄电池向直流母线负载端供电，通过调节DC/DC升降压变换器的占空比调节蓄电池电流ib。当蓄电池电流ib经过DC/DC升降压变换器转换后的电流ibo小于负载电流io时，蓄电池和超级电容共同向负载供电，当ibo大于负载电流io时，蓄电池在对负载供电的同时也对超级电容进行充电；2、当DC/DC升降压变换器工作在降压模式时，直流母线向蓄电池和超级电容进行充电。
图6为发明中的模型预测控制方法框图，混合储能系统在实际运行过程中，蓄电池的端口电压ub、电池电流ib和母线电压uo等数据信号采用实时采样方式进行采集，采样周期为Ts，其中电池电流ib是控制变量。
当DC/DC升降压变换器工作在升压模式时：
对半主动式混合储能系统中的蓄电池进行建模，蓄电池模型如图4所示。为了兼顾建模准确性和计算复杂度，蓄电池采用Rint模型，k为采样时刻，uoc为蓄电池开路电压，Rb为蓄电池内阻，ub为蓄电池的端口电压，ib为蓄电池电流。蓄电池的功率损耗由式(1)表示：
Pbloss(k+1)＝ib 2(k+1)Rb (1)
蓄电池的输出电压预测值ub(k+1)为：
ub(k+1)＝uoc(k)-Rbib(k+1) (2)
在对DC/DC升降压变换器损耗进行建模时考虑到其损耗和输入功率的关系，根据DC/DC升降压变换器的参数和特性，实验条件下测量不同输入功率时DC/DC变换器的输出功率，再根据输出功率与输入功率的比值计算不同负载条件下DC/DC升降压变换器的效率，利用MATLAB曲线拟合工具对DC/DC变换器的效率和输入功率进行曲线拟合得到关于DC/DC变换器的效率函数，如图5所示，其关系式为：
η1(k)＝α1Pb 4(k)+β1Pb 3(k)+γ1Pb 2(k)+δ1Pb(k)+ε1 (3)
所以DC/DC升降压变换器的功率损耗为：
Pconloss(k+1)＝ub(k+1)ib(k+1)[1-η1(k+1)] (4)
其中，k为采样时刻，Rb为蓄电池内阻，ub为蓄电池的端口电压，α1、β1、γ1、δ1和ε1均为系数。
由于超级电容的功率损耗相对很小，可以忽略不计，所以混合储能系统的总功率损耗为蓄电池损耗和DC/DC升降压变换器的功率损耗之和：
Ptotalloss(k+1)＝Pbloss(k+1)+Pconloss(k+1) (5)
负载电流可由已知负载工况功率和实时采集的直流母线电压推导得出：
io(k+1)＝Pload(k+1)/uo(k) (6)
超级电容的预测电流可由下式得到：
式中，η1为DC/DC变换器效率；iSC(k+1)为正表示超级电容放电，为负表示充电。
超级电容的预测电压uSC(k+1)(直流母线的预测电压)为：
uSC(k+1)＝uSC(k)-iSC(k+1)Ts/CSC (8)
其中，CSC为超级电容的电容值。
为了实现混合储能系统直流母线的稳定和减小混合储能系统的总的功率损耗，综合考虑各方面优化情况，设计综合优化函数：
式中，minJ1为优化函数，k为采样时刻，uoref为混合储能系统直流母线电压设定值，Ptotalloss为混合储能系统的功率损耗，σ1和ξ1分别为对应优化目标量的权重系数。
当DC/DC升降压变换器工作在降压模式时：
当直流母线有反馈能量Pload需要电池和超级电容吸收时，图3当中的DC/DC升降压转换器工作在降压模式，其效率η2和输出功率有关(即电池吸收功率Pb)，其关系式为：
η2(k)＝α2Pb 4(k)+β2Pb 3(k)+γ2Pb 2(k)+δ2Pb(k)+ε2 (10)
其中，k为采样时刻，Rb为蓄电池内阻，ub为蓄电池的端口电压，α2、β2、γ2、δ2和ε2均为系数。
图3当中的ib、ibo、iSC和io方向相反，此时蓄电池损耗为：
Pbloss(k+1)＝ib 2(k+1)Rb (11)
DC/DC升降压变换器的功率损耗为：
所以混合储能系统的总功率损耗为蓄电池损耗和DC/DC升降压变换器的功率损耗之和：
Ptotalloss(k+1)＝Pbloss(k+1)+Pconloss(k+1) (13)
超级电容的预测电流iSC(k+1)为：
其中，η2为DC/DC变换器效率；iSC(k+1)为正时表示超级电容充电，iSC(k+1)为负时超级电容放电，超级电容的预测电压uSC(k+1)为：
uSC(k+1)＝uSC(k)+iSC(k+1)Ts/CSC (15)
类似升压模式下的综合优化函数，设计降压模式下的综合优化函数为：
minJ2(k+1)＝σ2|uo(k+1)-uoref|+ξ2Ptotalloss(k+1) (16)
式中，k为采样时刻，uoc为蓄电池开路电压，uo为直流母线电压，Rb为蓄电池内阻，ub为蓄电池的端口电压，ib为蓄电池电流，J2为优化函数，k为采样时刻，uoref为混合储能系统直流母线电压设定值，Ptotalloss为混合储能系统的功率损耗，σ2和ξ2分别为对应优化目标量的权重系数。
针对半主动式混合储能系统中的DC/DC升降压转换器工作在升压模式和降压模式下，其中的变量和参数约束如下：
其中，SOCb(k+1)为蓄电池预测荷电状态，SOCSC(k+1)为超级电容预测荷电状态，ubmax和ubmin分别为蓄电池的最大和最小容许电压，ibmin和ibmax分别为蓄电池的最小和最大容许放电电流；uSC(k+1)为超级电容的预测电压，uSCmax为超级电容的容许最大电压，iSC(k+1)为超级电容的预测电流，iSCmin和iSCmax分别为超级电容的最小和最大容许放电电流，ub为蓄电池的端口电压，ib为蓄电池电流，k为采样时刻。
本发明采用穷举法对最优控制量ib进行最优求解，在ibmin和ibmax范围内取最小的蓄电池电流变化步长ibΔ代入求解出对应J(k)最小的蓄电池电流。
图7为求解评价函数所用穷举法的算法框图，采用穷举法对minJ(k+1)对应的蓄电池电流ib(k+1)求解，设置最小蓄电池电流ibmin,最大蓄电池电流ibmax，计算步长为ibΔ，所以迭代的电池电流ib：
比对所有ib(k+1)情况下J(k+1)的大小，找出最小J(k+1)对应的ib(k+1)并将其作为控制量控制DC/DC升降压变换器中开关管的占空比。
本发明的半主动式混合储能系统中的蓄电池通过DC/DC升降压变换器和输出直流母线连接，而超级电容直接和直流母线并联，该结构的直流母线电压可以在一定范围内波动，超级电容可以吸收由负载波动引起的高频电流和峰值电流，有助于提升整个系统的工作效率。相比于传统的基于规则的混合储能能量管理方法，所发明的模型预测能量控制方法建立了综合优化函数，包含对直流母线电压uo的优化控制和对混合储能系统总的损耗Ptotalloss降低控制，，通过求解最小优化函数得到对应的参考控制变量蓄电池电流，从而实现混合储能系统工作过程中多目标的整体综合优化。
最后应该说明的是，以上实施例仅用以说明本发明的技术方案而非对其限制，所属领域的技术人员阅读本申请后，参照上述实施例对本发明进行种种修改或变更的行为，均在本发明申请待批的权利申请要求保护范围之内。

Claims (7)

1.一种半主动式混合储能系统模型预测能量控制方法，其特征在于，包括蓄电池、DC/DC升降压变换器、超级电容和输出直流母线，蓄电池依次和DC/DC升降压变换器、超级电容、输出直流母线连接，超级电容直接和输出电流母线连接；所述DC/DC升降压变换器包括一电感、一电容、第一开关管和第二开关管，电感的一端与蓄电池正极连接，电感的另一端与第一开关管和第二开关管的一端连接，第一开关管的另一端与蓄电池负极连接和电容的一端连接，第二开关管的另一端与电容和超级电容的一端连接；具体方法包括如下步骤：
步骤1：对所述系统中的蓄电池建模、DC/DC变换器效率建模；
步骤2：依据实时输出直流母线电压、输出直流母线电压设定值和所述系统的总功率损耗，得到综合优化函数；
步骤3：通过所述系统中的变量和参数约束函数，采用穷举法求解蓄电池电流的最优控制量。
2.根据权利要求1所述的方法，其特征在于：所述步骤1中的对所述系统中的蓄电池建模，uoc为蓄电池开路电压，Rb为蓄电池内阻，ub为蓄电池的端口电压，ib为蓄电池电流，k为采样时刻，蓄电池的功率损耗为Pbloss(k)＝ib 2(k)Rb，蓄电池的输出电压预测值为ub(k+1)＝uoc(k)-Rbib(k+1)。
3.根据权利要求1所述的方法，其特征在于：所述步骤1中的对所述系统中的DC/DC变换器效率建模，DC/DC变换器的功率损耗为：Pconloss(k+1)＝ub(k+1)ib(k+1)[1-η1(k+1)]，其中，DC/DC变换器效率η1和蓄电池输出功率Pb(k)＝ub(k)ib(k)有关，它们的函数关系为η1(k)＝α1Pb 4(k)+β1Pb 3(k)+γ1Pb 2(k)+δ1Pb(k)+ε1，k为采样时刻，Rb为蓄电池内阻，ub为蓄电池的端口电压，α1、β1、γ1、δ1和ε1均为系数。
4.根据权利要求1-3任一项所述的方法，其特征在于：所述步骤2中的综合优化函数为：
minJ1(k+1)＝σ1|uo(k+1)-uoref|+ξ1Ptotalloss(k+1)
其中，minJ1为综合优化函数，k为采样时刻，uoref为混合储能系统直流母线电压设定值，Ptotalloss为混合储能系统的功率损耗，Ptotalloss＝Pbloss+Pconloss，Pbloss为蓄电池的功率损耗，Pconloss为DC/DC变换器的功率损耗，σ1和ξ1为综合优化函数的权重系数。
5.根据权利要求1所述的方法，其特征在于：所述步骤3中的通过所述系统中的变量和参数约束函数为：
其中，SOCb(k+1)为蓄电池预测荷电状态，SOCSC(k+1)为超级电容预测荷电状态，ubmax和ubmin分别为蓄电池的最大和最小容许电压，ibmin和ibmax分别为蓄电池的最小和最大容许放电电流；uSC(k+1)为超级电容的预测电压，uSCmax为超级电容的容许最大电压，iSC(k+1)为超级电容的预测电流，iSCmin和iSCmax分别为超级电容的最小和最大容许放电电流，ub为蓄电池的端口电压，ib为蓄电池电流，k为采样时刻。
6.根据权利要求4所述的方法，其特征在于：所述超级电容的预测电压uSC(k+1)和预测电流iSC(k+1)由下述方法得到：负载电流io可由已知负载工况功率Pload和实时采集的直流母线电压uo推导得出：
io(k+1)＝Pload(k+1)/uo(k)
超级电容的预测电流iSC(k+1)为：
其中，η1为DC/DC变换器效率；iSC(k+1)为正时表示超级电容放电，iSC(k+1)为负时超级电容充电，超级电容的预测电压uSC(k+1)为：
uSC(k+1)＝uSC(k)-iSC(k+1)Ts/CSC
其中，CSC为超级电容的电容值，Ts为采样时间间隔。
7.根据权利要求1所述的方法，其特征在于：所述步骤3中的采用穷举法求解蓄电池电流的最优控制量，具体如下：采用穷举法对minJ1(k+1)对应的最优蓄电池电流ib(k+1)求解，设置最小蓄电池电流ibmin,最大蓄电池电流ibmax，计算步长为ibΔ，所以迭代的电池电流ib：
ib(k+l)＝ibmin+libΔ
比对所有ib(k+1)情况下J(k+1)的大小，找出最小J(k+1)对应的ib(k+1)并将其作为控制量控制第一开关管和第二开关管的占空比。
CN202011369175.1A 2020-11-30 2020-11-30 半主动式混合储能系统及其模型预测能量控制方法 Active CN112564252B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011369175.1A CN112564252B (zh) 2020-11-30 2020-11-30 半主动式混合储能系统及其模型预测能量控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011369175.1A CN112564252B (zh) 2020-11-30 2020-11-30 半主动式混合储能系统及其模型预测能量控制方法

Publications (2)

Publication Number Publication Date
CN112564252A CN112564252A (zh) 2021-03-26
CN112564252B true CN112564252B (zh) 2023-11-21

Family

ID=75046696

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011369175.1A Active CN112564252B (zh) 2020-11-30 2020-11-30 半主动式混合储能系统及其模型预测能量控制方法

Country Status (1)

Country Link
CN (1) CN112564252B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113507105B (zh) * 2021-06-16 2023-09-26 南京航空航天大学 基于mpc-pi的多电飞机混合动力系统的能量管理方法
CN113555944A (zh) * 2021-07-05 2021-10-26 湖北因杰能源科技有限公司 一种全权限混合供电控制系统及方法
CN117458674B (zh) * 2023-12-22 2024-03-08 登峰科技(江西)有限公司 一种电池混合系统控制方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109921504A (zh) * 2019-04-03 2019-06-21 湖南工程学院 车载混合储能系统及其非线性鲁棒自适应功率控制方法
CN110797959A (zh) * 2019-10-23 2020-02-14 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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI463778B (zh) * 2011-04-29 2014-12-01 Energy Pass Inc 電流模式直流轉換器及其直流轉換方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109921504A (zh) * 2019-04-03 2019-06-21 湖南工程学院 车载混合储能系统及其非线性鲁棒自适应功率控制方法
CN110797959A (zh) * 2019-10-23 2020-02-14 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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Experimental Study on a Semi-Active Battery-Supercapacitor Hybrid Energy Storage System for Electric Vehicle Application;Q. Zhang and G. Li;《IEEE Transactions on Power Electronics》;20190422;第1014-1021页 *
半主动混合储能双向直流变换器的精确建模;刘士华 等;《电器与能效管理技术》;20141215;第45-50页 *

Also Published As

Publication number Publication date
CN112564252A (zh) 2021-03-26

Similar Documents

Publication Publication Date Title
CN112564252B (zh) 半主动式混合储能系统及其模型预测能量控制方法
CN106972516B (zh) 一种适用于微网的多类型储能多级控制方法
CN108879730B (zh) 混合储能系统及基于其的风电功率波动平抑方法
CN109378881B (zh) 一种动力电池组双向自适应均衡控制方法
CN109378875B (zh) 退役动力电池模块间的soc均衡系统及其控制方法
CN112510701A (zh) 多能源船舶能量管理控制装置及方法
CN109617205B (zh) 电动汽车复合电源功率分配的协同控制方法
CN105375518B (zh) 一种光伏mppt模糊控制方法及系统
CN111725797A (zh) 用于轨道交通的地面式混合储能系统的功率分配方法
CN115882490A (zh) 基于soc的蓄电池改进下垂控制方法及系统
CN112909930A (zh) 一种平抑混联配电网波动的储能系统优化配置方法
CN113507105B (zh) 基于mpc-pi的多电飞机混合动力系统的能量管理方法
CN114709866A (zh) 用于电氢混合储能系统功率的分数阶模型预测控制方法
Yun et al. Research on active state of charge balance of battery pack based on two controllable flyback converters
CN114256913A (zh) 一种基于操作效能最优的再分配电池包充放电管理策略
CN113488983A (zh) 一种基于功率分配的虚拟直流电机和模型预测联合稳定直流母线电压的方法
CN116404975B (zh) 一种应用于交错buck型拓扑的光伏控制器协同控制方法
CN115133520B (zh) 适用于光储一体化系统的蓄电池能量协调控制方法
CN112600432B (zh) 一种llc谐振变换器预测电荷控制方法
CN111404374B (zh) 运用遗传算法优化的双向dc-dc变换器的控制方法
CN114362529A (zh) 用于直流微电网储能双向dc/dc变换器的控制方法
CN112928774A (zh) 全钒液流电池光伏逆变系统的充放电控制电路及方法
CN109103873B (zh) 一种具有直流dvr的大容量直流储能装置
Hange et al. Novel real-time energy management in hybrid electric vehicle
CN112519596A (zh) 基于规则的混合储能系统负载自适应实时能量管理系统

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
GR01 Patent grant
GR01 Patent grant