CN112952957A - 一种基于模型预测控制的混合储能系统soc优化策略 - Google Patents

Abstract

本发明公开了一种基于模型预测控制的混合储能系统SOC优化策略，包括：基于蓄电池SOC预测模型对蓄电池的SOC值进行预测，得到蓄电池SOC预测值；以蓄电池SOC预测值为基础，确定一次SOC反馈控制策略，并根据一次SOC反馈控制策略对混合储能系统进行一次SOC反馈控制；基于超级电容器SOC预测模型对超级电容器的SOC值进行预测，得到超级电容器SOC预测值；根据超级电容器SOC预测值判断超级电容器SOC当前所处状态，并在超级电容器SOC处于非正常状态时，对混合储能系统进行二次SOC反馈控制。本发明基于预测模型能够实现对混合储能系统的一次、二次SOC反馈控制，对储能元件的当前参考功率进行调整，防止储能元件出现过充过放的情况，保证储能元件的SOC均衡。

Description

一种基于模型预测控制的混合储能系统SOC优化策略

技术领域

本发明涉及混合储能系统优化控制技术领域，更具体的说是涉及一种基于模型预测控制的混合储能系统SOC优化策略。

背景技术

混合储能系统包含蓄电池和超级电容器，用于平抑间歇性功率波动，其中蓄电池用于平抑低频功率波动，超级电容器用于平抑高频功率波动。现有的混合储能系统在实现混合储能系统平抑间歇性功率波动的过程中，容易出现蓄电池和超级电容器出现过充过放的情况，影响储能元件的使用寿命。

因此，如何提供一种能够储能元件的SOC值进行预测，并将预测值引入控制策略中，对功率参考信号进行控制，从而实现SOC反馈控制的基于模型预测控制的混合储能系统SOC优化策略是本本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于模型预测控制的混合储能系统SOC优化策略，通过预先构建的蓄电池SOC预测模型和超级电容器SOC预测模型预测控制实现混合储能系统的一次、二次SOC反馈控制，实现对储能元件的当前参考功率进行调整。防止储能元件出现过充过放的情况，同时实现储能元件的SOC均衡。

为了实现上述目的，本发明采用如下技术方案：

一种基于模型预测控制的混合储能系统SOC优化策略，包括：

S1、基于预先构建的蓄电池SOC预测模型对混合储能系统中蓄电池的SOC值进行预测，得到蓄电池SOC预测值；

S2、以蓄电池SOC预测值为基础，确定一次SOC反馈控制策略，并根据所述一次SOC反馈控制策略对混合储能系统进行一次SOC反馈控制；

S3、基于预先构建的超级电容器SOC预测模型对混合储能系统中超级电容器的SOC值进行预测，得到超级电容器SOC预测值；

S4、根据超级电容器SOC预测值判断超级电容器SOC当前所处状态，并在超级电容器SOC处于非正常状态时，对混合储能系统进行二次SOC反馈控制。

优选的，在上述一种基于模型预测控制的混合储能系统SOC优化策略中，S1中的所述蓄电池SOC预测模型用于在已知当前k时刻蓄电池SOC值SOC_b(k)与功率信号P_b(k)的情况下，预测k+1时刻理想状态下的蓄电池SOC值，其表达式如下：

上式中，E_b表示混合储能系统中蓄电池容量，σ_b表示蓄电池自放电率，η_b为蓄电池充放电效率；根据蓄电池SOC预测模型，得到蓄电池控制时域内每单位时间Δt时刻的SOC预测值SOC_b(k+1|k)…SOC_b(k+p|k)，k+p时刻为k时刻经过p个单位时间Δt。

优选的，在上述一种基于模型预测控制的混合储能系统SOC优化策略中，S2中的一次SOC反馈控制策略是根据蓄电池SOC预测值、混合储能系统的间歇性功率所引起的功率缺额ΔP的符号及其爬坡率共同决定的。

优选的，在上述一种基于模型预测控制的混合储能系统SOC优化策略中，所述一次SOC反馈控制策略包括：

当SOC_min<SOC_b<SOC_max时，混合储能系统正常工作，蓄电池和超级电容器功率按照ΔP的高低频功率进行功率补偿，蓄电池平抑低频功率，超级电容器平抑高频功率；

当SOC_b>SOC_max，ΔP>0时，蓄电池处于过充状态，混合储能系统停止充电；

当SOC_b>SOC_max，ΔP<0时，混合储能系统进行放电，增大蓄电池放电功率；设定ΔP的爬坡率阈值l，实现ΔP的分频；当爬坡率<l时，ΔP主要为低频分量，减小超级电容器的功率输出，保证功率输出稳定；当爬坡率>l时，ΔP中高频分量需要超级电容器释放足够功率补偿，使超级电容功率输出保持正常；

当SOC_b<SOC_min，ΔP<0时，混合储能系统进行放电，蓄电池停止放电，功率补偿完全由超级电容器提供，此时不存在分频功率，完全由超级电容器灵活补偿功率缺额ΔP；

当SOC_b<SOC_min，ΔP>0时，混合储能系统进行充电，蓄电池增大充电功率。

优选的，在上述一种基于模型预测控制的混合储能系统SOC优化策略中，所述超级电容器SOC预测模型用于在已知当前k时刻超级电容器SOC值SOC_c(k)与功率信号P_c(k)的情况下，预测k+1时刻理想状态下的SOC值，其表达式如下：

其中，E_c表示储能系统中超级电容器容量，σ_c表示超级电容器自放电率，η_c为超级电容器充放电效率，根据上式，得到超级电容器控制时域内每单位时间Δt时刻的SOC预测值SOC_c(k+1|k)…SOC_c(k+p|k)，k+p时刻为k时刻经过p个单位时间Δt。

优选的，在上述一种基于模型预测控制的混合储能系统SOC优化策略中，S4中，在超级电容器SOC处于非正常状态时，对混合储能系统进行二次SOC反馈控制，包括：

当超级电容器SOC值处于高位时，超级电容器进行放电，蓄电池根据自身状态进行相关操作，使得超级电容器SOC值具有下降趋势；

当超级电容器SOC值处于低位时，超级电容器进行充电，蓄电池根据自身状态进行相关操作，使得超级电容器SOC值具有上升趋势。

优选的，在上述一种基于模型预测控制的混合储能系统SOC优化策略中，S41中，所述当超级电容器SOC值处于高位时，蓄电池根据自身状态进行相关操作，包括：

蓄电池处于充电状态且功率可调整时，蓄电池增大充电功率；

蓄电池处于放电状态且功率可调整时，蓄电池减小放电功率；

蓄电池处于功率不可调整状态时，蓄电池充放电功率不做调整。

优选的，在上述一种基于模型预测控制的混合储能系统SOC优化策略中，S42中，所述当超级电容器SOC值处于低位时，蓄电池根据自身状态进行相关操作，包括：

蓄电池处于充电状态且功率可调整时，蓄电池减小充电功率；

蓄电池处于放电状态且功率可调整时，蓄电池增大放电功率；

蓄电池处于功率不可以调整状态，蓄电池充放电功率不做调整。

经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于模型预测控制的混合储能系统SOC优化策略，包含蓄电池和超级电容器的混合储能系统用于平抑间歇性功率波动，蓄电池用于平抑低频功率波动，超级电容器用于平抑高频功率波动，避免了蓄电池和超级电容器出现过充过放的情况，通过预先构建蓄电池SOC预测模型和超级电容器SOC预测模型，预测模型根据被控对象蓄电池或超级电容器过去和现在的输入输出信息和控制变量的变化，预测未来有限时间步长内的输出；对于超级电容器来说，由于其具有髙循环次数和高功率密度的特点，因此，深充深放对其影响相对较小，对于蓄电池来说，其运行寿命受其充放电次数的影响较大。所以对于SOC反馈控制策略首先考虑蓄电池的SOC反馈，超级电容器的SOC反馈在此基础上进行二次调整，通过预测模型对蓄电池和超级电容器SOC值进行预测，将预测值引入控制策略中，对功率参考信号进行控制，从而实现SOC反馈控制。实现混合储能系统的一次、二次SOC反馈控制，实现对储能元件的当前参考功率进行调整，实现储能元件的SOC均衡，从而延长了混合储能系统的使用寿命，达到降低系统综合成本的目的，并实现了混合储能系统的性能最优化。

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的前提下，还可以根据提供的附图获得其他的附图。

图1附图为本发明提供的基于模型预测控制的混合储能系统SOC优化策略的流程图；

图2附图为本发明提供的混合储能系统的拓扑结构示意图；

图3附图为本发明提供的蓄电池SOC预测模型或超级电容器SOC预测模型的原理图；

图4附图为本发明提供的蓄电池SOC预测模型或超级电容器SOC预测模型的工作原理框图。

具体实施方式

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，所描述的实施例仅仅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。

如图1所示，本发明实施例公开了一种基于模型预测控制的混合储能系统SOC优化策略，包括以下步骤：

S1、基于预先构建的蓄电池SOC预测模型对混合储能系统中蓄电池的SOC值进行预测，得到蓄电池SOC预测值。

本发明的混合储能系统包括蓄电池和超级电容器，其拓扑结构图如图2所示，混合储能系统平抑间歇性功率波动，超级电容器平抑高频功率，蓄电池平抑低频功率，蓄电池与超级电容器分别通过DC-DC变换器并联于公共直流母线，直流母线通过DC-AC变换器连接于电网交流母线，电网与间歇性直接连接于交流母线，通过控制混合储能系统充放电过程，实现平抑间歇性的功率波动。

利用下式构建蓄电池SOC预测模型，在已知当前k时刻蓄电池SOC值SOC_b(k)与功率信号P_b(k)的情况下，可预测k+1时刻理想状态下的SOC值。

上式中，E_b表示混合储能系统中蓄电池容量，σ_b表示蓄电池自放电率，η_b为蓄电池充放电效率；根据蓄电池SOC预测模型，得到蓄电池控制时域内每单位时间Δt时刻的SOC预测值SOC_b(k+1|k)…SOC_b(k+p|k)，k+p时刻为k时刻经过p个单位时间Δt。

S2、以蓄电池SOC预测值为基础，确定一次SOC反馈控制策略，并根据所述一次SOC反馈控制策略对混合储能系统进行一次SOC反馈控制。

具体为：

蓄电池运行寿命受其充放电次数的影响较大，对于混合储能系统SOC反馈优化控制策略首先考虑蓄电池的SOC反馈作为一次反馈控制。

蓄电池的SOC数值以及间歇性功率波动所引起的功率缺额ΔP(ΔP符号及其爬坡率)情况共同决定了蓄电池的充放电状态及功率调整策略。

功率缺额ΔP为配电网变压器额定功率与间歇性负荷功率需求的差值，ΔP符号为正，代表配电网可以提供间歇性负荷功率需求；ΔP符号为负，代表配电网无法完全满足间歇性负荷功率需求。功率缺额ΔP的爬坡率为其单位时间内功率变化数值。

当超级电容器处于正常状态时，即：

(1)当SOC_min<SOC_b<SOC_max时，混合储能系统正常工作，蓄电池和超级电容器功率按照ΔP的高低频功率进行功率补偿，蓄电池平抑低频功率，超级电容器平抑高频功率。

(2)当SOC_b>SOC_max，ΔP>0时，蓄电池处于过充状态，混合储能系统停止充电。

(3)当SOC_b>SOC_max，ΔP<0时，混合储能系统进行放电，增大蓄电池放电功率；设定ΔP的爬坡率阈值l，实现ΔP的分频；当爬坡率<l时，ΔP主要为低频分量，减小超级电容器的功率输出，保证功率输出稳定；当爬坡率>l时，ΔP中高频分量需要超级电容器释放足够功率补偿，因此，超级电容功率输出保持正常。

(4)当SOC_b<SOC_min，ΔP<0时，混合储能系统进行放电，蓄电池停止放电，功率补偿完全由超级电容器提供，此时不存在分频功率，完全由超级电容器灵活补偿功率缺额ΔP；

(5)当SOC_b<SOC_min，ΔP>0时，混合储能系统进行充电，蓄电池增大充电功率，使蓄电池SCO状态迅速恢复正常。

S3、基于预先构建的超级电容器SOC预测模型对混合储能系统中超级电容器的SOC值进行预测，得到超级电容器SOC预测值。

利用下式构建超级电容器SOC预测模型，该模型在已知当前k时刻超级电容器SOC值SOC_c(k)与功率信号P_c(k)的情况下，预测k+1时刻理想状态下的SOC值，其表达式如下：

其中，E_c表示储能系统中超级电容器容量，σ_c表示超级电容器自放电率，η_c为超级电容器充放电效率，根据上式，得到超级电容器控制时域内每单位时间Δt时刻的SOC预测值SOC_c(k+1|k)…SOC_c(k+p|k)，k+p时刻为k时刻经过p个单位时间Δt。

如图3所示，蓄电池SOC预测模型与超级电容器SOC预测模型的预测原理相同，在每一个采样时刻，根据当前获得的采样信息，对未来某一段时间的变化进行预测，得到相应控制序列并将序列的第一个控制信号作用于被控对象，在下一采样时刻继续上述操作。

如图4所示，模型预测控制首先需要获得被控对象的输入输出模型，然后根据过去和现在的输入输出信息和控制变量的变化，预测未来有限时间步长内的输出。具体步骤为：

(1)定义u(k)，y(k)分别表示k时刻系统的控制变量和输出变量。假设时间间隔为Δt，则以pΔt为预测时域，即可以预测y(k)在预测时域内的输出，根据S1所建立的蓄电池SOC预测模型与超级电容器SOC预测模型，可以得到控制变量u(k)经过预测模型的预测输出y_m(k+1)。

(2)控制变量u(k)控制受控对象(蓄电池或超级电容器)得到相应的蓄电池或超级电容器的SOC值，即输出变量y(k)。输出变量与系统的约束以及目标设定值共同确定了参考轨迹y_d(k+1)。

(3)将模型预测的输出y_m(k+1)与输出变量y(k)进行比较，差值作为反馈进行校正，得到矫正反馈y_p(k+1)，将矫正反馈作为输入与参考轨迹共同作用进行滚动优化，对控制变量进行更新得到新的控制变量u(k+1)，并作用于受控对象，得到最新的输出变量y(k+1)，并进行下一阶段的滚动优化，直至达到设定的目标设定值，即满足提出的混合储能系统SOC反馈控制策略。

S4、根据超级电容器SOC预测值判断超级电容器SOC当前所处状态，并在超级电容器SOC处于非正常状态时，对混合储能系统进行二次SOC反馈控制。

具体为：

对于超级电容器，由于其具有髙循环次数和高功率密度的特点，深充深放对其影响相对较小，所以对于SOC反馈控制策略首先考虑蓄电池的SOC反馈，超级电容器的SOC反馈在此基础上进行二次调整。

由于超级电容器功率密度大，能量密度小，其SOC变化迅速，即相应的蓄电池功率调整进行功率的二次调整后，超级电容器的SOC迅速恢复正常，在此短暂过程中，将超级电容器SOC恢复正常为优先目标，保证超级电容器的充放电能力。

当超级电容器SOC处于非正常状态，即超级电容器SOC处于高位状态和低位状态，对两种储能介质的充放电功率进行调整，以超级电容器的SOC处于正常状态为调整目标进行SOC反馈的蓄电池功率调整策略。

超级电容器荷电状态处于高位，超级电容进行放电，蓄电池根据自身状态进行相关操作，使得超级电容器SOC具有下降趋势快速恢复正常。

(1)蓄电池处于充电状态且功率可以调整时，蓄电池增大充电功率。

(2)蓄电池处于放电状态且功率可以调整时，蓄电池减小放电功率。

(3)蓄电池处于功率不可以调整状态时，蓄电池充放电功率不做调整。

超级电容器荷电状态处于低位，超级电容进行充电，蓄电池根据自身状态进行相关操作，使得超级电容器SOC具有上升趋势快速恢复正常。

(1)蓄电池处于充电状态且功率可以调整时，蓄电池减小充电功率。

(2)蓄电池处于放电状态且功率可以调整时，蓄电池增大放电功率。

(3)蓄电池处于功率不可以调整状态时，蓄电池充放电功率不做调整。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种基于模型预测控制的混合储能系统SOC优化策略，其特征在于，包括：

S1、基于预先构建的蓄电池SOC预测模型对混合储能系统中蓄电池的SOC值进行预测，得到蓄电池SOC预测值；

S2、以蓄电池SOC预测值为基础，确定一次SOC反馈控制策略，并根据所述一次SOC反馈控制策略对混合储能系统进行一次SOC反馈控制；

S3、基于预先构建的超级电容器SOC预测模型对混合储能系统中超级电容器的SOC值进行预测，得到超级电容器SOC预测值；

S4、根据超级电容器SOC预测值判断超级电容器SOC当前所处状态，并在超级电容器SOC处于非正常状态时，对混合储能系统进行二次SOC反馈控制。

2.根据权利要求1所述的一种基于模型预测控制的混合储能系统SOC优化策略，其特征在于，S1中的所述蓄电池SOC预测模型用于在已知当前k时刻蓄电池SOC值SOC_b(k)与功率信号P_b(k)的情况下，预测k+1时刻理想状态下的蓄电池SOC值，其表达式如下：

上式中，E_b表示混合储能系统中蓄电池容量，σ_b表示蓄电池自放电率，η_b为蓄电池充放电效率；根据蓄电池SOC预测模型，得到蓄电池控制时域内每单位时间Δt时刻的SOC预测值SOC_b(k+1|k)…SOC_b(k+p|k)，k+p时刻为k时刻经过p个单位时间Δt。

3.根据权利要求1所述的一种基于模型预测控制的混合储能系统SOC优化策略，其特征在于，S2中的一次SOC反馈控制策略是根据蓄电池SOC预测值、混合储能系统的间歇性功率所引起的功率缺额ΔP的符号及其爬坡率共同决定的。

4.根据权利要求3所述的一种基于模型预测控制的混合储能系统SOC优化策略，其特征在于，所述一次SOC反馈控制策略包括：

当SOC_min<SOC_b<SOC_max时，混合储能系统正常工作，蓄电池和超级电容器功率按照ΔP的高低频功率进行功率补偿，蓄电池平抑低频功率，超级电容器平抑高频功率；

当SOC_b>SOC_max，ΔP>0时，蓄电池处于过充状态，混合储能系统停止充电；

当SOC_b>SOC_max，ΔP<0时，混合储能系统进行放电，增大蓄电池放电功率；设定ΔP的爬坡率阈值l，实现ΔP的分频；当爬坡率<l时，ΔP主要为低频分量，减小超级电容器的功率输出，保证功率输出稳定；当爬坡率>l时，ΔP中高频分量需要超级电容器释放足够功率补偿，使超级电容功率输出保持正常；

当SOC_b<SOC_min，ΔP<0时，混合储能系统进行放电，蓄电池停止放电，功率补偿完全由超级电容器提供，此时不存在分频功率，完全由超级电容器灵活补偿功率缺额ΔP；

当SOC_b<SOC_min，ΔP>0时，混合储能系统进行充电，蓄电池增大充电功率。

5.根据权利要求1所述的一种基于模型预测控制的混合储能系统SOC优化策略，其特征在于，所述超级电容器SOC预测模型用于在已知当前k时刻超级电容器SOC值SOC_c(k)与功率信号P_c(k)的情况下，预测k+1时刻理想状态下的SOC值，其表达式如下：

其中，E_c表示储能系统中超级电容器容量，σ_c表示超级电容器自放电率，η_c为超级电容器充放电效率，根据上式，得到超级电容器控制时域内每单位时间Δt时刻的SOC预测值SOC_c(k+1|k)…SOC_c(k+p|k)，k+p时刻为k时刻经过p个单位时间Δt。

6.根据权利要求1所述的一种基于模型预测控制的混合储能系统SOC优化策略，其特征在于，S4中，在超级电容器SOC处于非正常状态时，对混合储能系统进行二次SOC反馈控制，包括：

当超级电容器SOC值处于高位时，超级电容器进行放电，蓄电池根据自身状态进行相关操作，使得超级电容器SOC值具有下降趋势；

当超级电容器SOC值处于低位时，超级电容器进行充电，蓄电池根据自身状态进行相关操作，使得超级电容器SOC值具有上升趋势。

7.根据权利要求6所述的一种基于模型预测控制的混合储能系统SOC优化策略，其特征在于，所述当超级电容器SOC值处于高位时，蓄电池根据自身状态进行相关操作，包括：

蓄电池处于充电状态且功率可调整时，蓄电池增大充电功率；

蓄电池处于放电状态且功率可调整时，蓄电池减小放电功率；

蓄电池处于功率不可调整状态时，蓄电池充放电功率不做调整。

8.根据权利要求6所述的一种基于模型预测控制的混合储能系统SOC优化策略，其特征在于，所述当超级电容器SOC值处于低位时，蓄电池根据自身状态进行相关操作，包括：

蓄电池处于充电状态且功率可调整时，蓄电池减小充电功率；

蓄电池处于放电状态且功率可调整时，蓄电池增大放电功率；

蓄电池处于功率不可以调整状态，蓄电池充放电功率不做调整。

Images