CN112968515A - 一种燃料电池应急电源能量管理策略及系统 - Google Patents

一种燃料电池应急电源能量管理策略及系统 Download PDF

Info

Publication number
CN112968515A
CN112968515A CN202110157293.4A CN202110157293A CN112968515A CN 112968515 A CN112968515 A CN 112968515A CN 202110157293 A CN202110157293 A CN 202110157293A CN 112968515 A CN112968515 A CN 112968515A
Authority
CN
China
Prior art keywords
fuel cell
value
energy management
emergency power
fitness
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.)
Granted
Application number
CN202110157293.4A
Other languages
English (en)
Other versions
CN112968515B (zh
Inventor
陈启宏
付志超
张远
张立炎
周克亮
肖朋
刘莉
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.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
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 Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN202110157293.4A priority Critical patent/CN112968515B/zh
Publication of CN112968515A publication Critical patent/CN112968515A/zh
Application granted granted Critical
Publication of CN112968515B publication Critical patent/CN112968515B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02J9/00—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting
    • H02J9/04—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting in which the distribution system is disconnected from the normal source and connected to a standby source
    • H02J9/06—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting in which the distribution system is disconnected from the normal source and connected to a standby source with automatic change-over, e.g. UPS systems
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05F—SYSTEMS FOR REGULATING ELECTRIC OR MAGNETIC VARIABLES
    • G05F1/00—Automatic systems in which deviations of an electric quantity from one or more predetermined values are detected at the output of the system and fed back to a device within the system to restore the detected quantity to its predetermined value or values, i.e. retroactive systems
    • G05F1/66—Regulating electric power
    • G05F1/67—Regulating electric power to the maximum power available from a generator, e.g. from solar cell
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/30—Hydrogen technology
    • Y02E60/50—Fuel cells

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Sustainable Energy (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Electrochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Manufacturing & Machinery (AREA)
  • General Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Fuel Cell (AREA)

Abstract

本发明涉及一种燃料电池应急电源能量管理策略及系统，所述策略为：根据锂电池SOC控制精度、燃料电池效率及系统响应速度三个系统性能指标建立价值函数，在系统的不同负荷状态下，自适应分配价值函数中各性能指标的权重系数；检测当前时刻k系统的状态量，通过蜘蛛猴算法对价值函数可行解初始化，并进行迭代更新寻优得到最优解，将最优解向量中k时刻的值u*(k)作为燃料电池电流下一时刻的控制量
Figure DDA0002934207310000011
实现能量流在燃料电池和锂电池间的优化分配。燃料电池应急电源管理系统实时监测电网状态，系统检测到市电中断，自动启动燃料电池应急电源系统。检测到市电中断时，自动启动燃料电池应急电源系统，能量管理控制器根据能量管理策略进行能量管理。

Description

一种燃料电池应急电源能量管理策略及系统
技术领域
本发明属于燃料电池应急电源管理技术领域，具体地指一种燃料电池应急电源能量管理策略及系统。
背景技术
在21世纪的今天，电力作为当今可持续发展的重要指标之一。但是，随着石油、煤炭等不可再生的化石燃料的逐渐枯竭，以及日益严重的环境污染问题，改变能源的生产与消费方式，开发清洁的可再生能源已经成为我国亟待解决的问题。
燃料电池应运而生。燃料电池是一种高效利用氢能的新能源发电装置，通过以氢气为燃料，以氧气为氧化剂，将燃料的化学能直接转化为电能。
作为新兴的清洁能源，燃料电池具有能量密度高、转换效率高和环境友好等优点，因此具有非常广阔的应用前景。也正是因为如此，近些年来，以燃料电池和辅助电源组成的应急电源系统成为了研究热点。对于燃料电池应急电源系统来说，能量管理策略是不可或缺的关键组成部分，其主要实现系统的动态负载功率分配，保证整个电源系统的稳定性，延长电源系统的使用寿命，提高电源系统的能效等目的。
现如今，无论是燃料电池应急电源系统的系统结构还是应用于能量管理策略的控制算法，都已经有了非常广泛的研究和应用，但想同时满足多控制目标最优却是十分困难的，因此为了达到燃料电池应急电源系统的应用要求，选择恰当的优化控制算法作为能量管理策略，是实现燃料电池应急电源系统良好性能的关键。
发明内容
针对上述现有技术的不足之处，本发明提出一种燃料电池应急电源能量管理策略及系统，系统能够在市电中断的情况下，自动启动运行为用户负载进行供电，通过能量管理策略实现能量流在燃料电池和锂电池模块间的优化分配，同时实现燃料电池的最大效率点跟踪，通过系统性能指标权重系数的自适应分配实现系统在不同负荷状态下的多控制目标最优。
为实现上述目的，本发明所设计的一种燃料电池应急电源能量管理策略，其特殊之处在于，所述能量管理策略包括步骤：
1)建立系统预测模型：
Figure BDA0002934207290000021
x(k)＝[SOCbt(k),vfc(k-1),vfc(k-2),ifc(k-1),ifc(k-2)]T
其中，x(k)为系统k时刻状态向量，△t为采样间隔，g[x(k),u(k)]为燃料电池预测输出电压函数，u(k)为系统k时刻的控制量
Figure BDA0002934207290000022
ηb为单向DC/DC变换器效率，vbt为锂电池端电压，Qbt为锂电池容量，SOCbt(k)为锂电池k时刻的荷电状态，vfc为燃料电池输出电压，
Figure BDA0002934207290000023
为燃料电池电流的控制量；
2)设置系统价值函数：
Figure BDA0002934207290000024
其中，
Figure BDA0002934207290000025
为控制步长为N的控制量向量，α、β、γ分别为锂电池SOC控制精度、燃料电池效率、系统对用户负荷变化的响应速度的权重系数，
Figure BDA0002934207290000031
为SOCbt(k)的期望值，ηfc(k)为燃料电池k时刻的效率，
Figure BDA0002934207290000032
为燃燃料电池电流控制量k时刻的变化速率，P为对称正定矩阵，x*为状态向量的平衡点；
3)测量系统当前时刻k的状态量，当检测到市电中断时，自动启动燃料电池应急电源系统，应用蜘蛛猴算法对系统价值函数J(U)求解，得到在k时刻使系统价值函数最小化的最优解U*，将最优解向量中k时刻的值u*(k)作为燃料电池电流下一时刻的控制量
Figure BDA0002934207290000033
实现能量流在燃料电池和锂电池间的优化分配。
优选地，所述系统预测模型中的燃料电池预测输出电压函数g[x(k),u(k)]由下式改写得到：
Figure BDA0002934207290000034
Figure BDA0002934207290000035
ifc(k),ifc(k-1),...,ifc(k-M)]T
其中，
Figure BDA0002934207290000036
为燃料电池系统k时刻的预测输出电压，θ为参数向量，
Figure BDA0002934207290000037
为回归向量，f()为非线性函数，p和M分别为输出和外部输入的延迟采样数。
优选地，所述系统预测模型中的锂电池的荷电状态预测模型为：
Figure BDA0002934207290000038
其中，ibt(k)为锂电池k时刻的输出电流。
优选地，根据不同负荷状态，自适应分配所述系统价值函数中锂电池SOC控制精度、燃料电池效率、系统对用户负荷变化的响应速度的权重系数α、β、γ。在负荷快速变化阶段，降低锂电池SOC控制精度和燃料电池效率的权重系数，提高系统响应速度；在负荷平稳阶段，提高锂电池SOC控制精度和燃料电池效率的权重系数，提高燃料电池效率，准确控制锂电池SOC：
Figure BDA0002934207290000041
Figure BDA0002934207290000042
γ＝1-α-β
其中，αmin、βmin分别为权重系数α、β的最小值，αmax、βmax分别为权重系数α、β的最大值，K1∈(0,1)、L1∈(0,1)为调节系数，△Pmin、△Pmax分别为设定的负荷变化率的最小值与最大值，
Figure BDA0002934207290000043
为负荷变化率。
优选地，采用蜘蛛猴算法进行能量管理优化，将系统价值函数J(U)的可行解分组为M组，每组有ω个可行解，将各组的可行解Ui(i＝1,2,...,ω)按下式进行初始化：
Uij＝ifcmin+R(0,1)×|Umax-Umin|
Umax＝[SOCmax,ifcmax,ibtmax]T
Umin＝[SOCmin,ifcmin,ibtmin]T
其中，Uij表示第i个可行解k+j时刻的值，R(0,1)是(0,1)内均匀分布的随机数，Umax和Umin为系统的约束条件向量，SOCmax和SOCmin为锂电池荷电状态的最大值和最小值，ifcmax和ifcmin燃料电池电流的最大值和最小值，ibtmax和ibtmin锂电池电流的最大值和最小值。
根据每组各个可行解的初始值和价值函数J(U)，计算出对应的价值函数值J(U1),J(U2),...,J(Uw),再计算每组各个可行解Ui对应的适应度：
Figure BDA0002934207290000051
将同一组内所有可行解对应的适应度fit(i)进行比较，将适应度最大的可行解作为该组的局部最优解LLa(a＝1,2,...,M)，然后将各个组的局部最优解对应的适应度进行比较，将适应度最大的局部最优解作为全局最优解GL。
优选地，局部更新的策略为：选取扰动率pr∈[prmin,prmax]，对每个组a∈[1,M]，针对每个可行解中每个时刻的值生成随机数R(0,1)，若R(0,1)<pr，则可行解对应时刻的值保持不变，否则按下式进行更新：
Uij＝Uij+R(0,1)×(LLaj-Uij)+R(-1,1)×(Urj-Uij)
式中R(-1,1)是(-1,1)内均匀分布的随机数，LLaj为组a的局部最优解k+j时刻的值，Urj表示当前更新组内第r个可行解k+j时刻的值。
计算更新后每个可行解的函数值和适应度，若新的适应度小于更新前的适应度，则将该可行解恢复为更新前的值。
优选地，全局更新的策略为：计算出局部更新后各个组内各个可行解对应的概率probi：
Figure BDA0002934207290000052
其中
Figure BDA0002934207290000053
为可行解对应适应度的总和。
对每个组a∈[1,M]，针对每个可行解中随机某时刻的值Uis生成随机数R(0,1)，若R(0,1)＞probi，则可行解对应时刻的值保持不变，否则按下式进行更新：
Uis＝Uis+R(0,1)×(GLj-Uis)+R(-1,1)×(Urj-Uis)
计算更新后每个可行解的函数值和适应度，若新的适应度小于更新前的适应度，则将该可行解恢复为更新前的值。
优选地，寻优策略为：将全局更新后的同一组内各可行解对应的适应度进行比较，得到各个组新的局部最优解，再将新的局部最优解的适应度进行比较得到新的全局最优解；设置全局限制计数GLC，当新的全局最优解相较于前一个没有更新时增加1，否则为0；设置局部限制计数LLCa，当各个组新的局部最优解相较于前一个没有更新时，则对应的计数增加1，否则为0。
优选地，决策策略为：当某个组a的局部限制计数LLCa大于局部限制值LLL＝N×ω×M时，将对应局部最优解所在的组a按下式进行重置：
Uij＝Uij+R(0,1)×(GLj-Uij)+R(0,1)×(Urj-LLaj)
当全局限制计数GLC大于全局限制值
Figure BDA0002934207290000061
时，此时的全局最优解即为在k时刻使系统价值函数最小化的最优解U*，否则，对所有可行解继续进行迭代更新；将最优解向量中k时刻的值u*(k)作为燃料电池电流下一时刻的控制量
Figure BDA0002934207290000062
完成系统下一时刻的能量分配。
本发明还提出一种燃料电池应急电源系统，包括燃料电池模块、锂电池模块、单向DC/DC变换器、能量管理控制器和三相逆变/充电一体机，其特征在于：所述能量管理控制器执行上述的燃料电池应急电源能量管理策略。
与现有技术相比，本发明的有益效果在于：
1、本发明能够在市电中断的情况下，自动启动运行为用户负载进行供电，通过能量管理策略实现能量流在燃料电池和锂电池模块间的优化分配，同时实现燃料电池的最大效率点跟踪，通过系统性能指标权重系数的自适应分配实现系统在不同负荷状态下的多控制目标最优。
2、本发明通过系统性能指标权重系数的自适应分配实现系统在不同负荷状态下的多控制目标最优，完成系统能量的优化管理。
3、本发明将蜘蛛猴算法应用于燃料电池应急电源系统的研究领域，能够实现燃料电池的最大效率点跟踪，优化输出控制量。
附图说明
图1为本发明的系统结构图。
图2为本发明提出的能量管理策略流程图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步的详细描述。
本发明提出的一种燃料电池应急电源系统的结构如图1所示，包括燃料电池模块、锂电池模块、单向DC/DC变换器、能量管理控制器和三相逆变/充电一体机。系统实时监测电网状态，在市电正常的情况下，通过市电和三相逆变/充电一体机完成对锂电池模块的充、放电维护。一旦系统检测到市电中断，自动启动燃料电池应急电源系统。检测到市电中断时，自动启动燃料电池应急电源系统，能量管理控制器根据能量管理策略进行能量管理。
本发明提出的一种燃料电池应急电源能量管理策略，根据锂电池SOC控制精度、燃料电池效率及系统响应速度三个系统性能指标建立价值函数，在系统的不同负荷状态下，自适应分配价值函数中各性能指标的权重系数；检测当前时刻系统的状态量，通过蜘蛛猴算法对价值函数可行解初始化，并进行迭代更新寻优得到最优解，将最优解向量中k时刻的值u*(k)作为燃料电池电流下一时刻的控制量
Figure BDA0002934207290000071
实现能量流在燃料电池和锂电池间的优化分配。
能量管理控制器根据能量管理策略进行能量管理：将燃料电池电流的控制量
Figure BDA0002934207290000072
作为系统的控制量u，锂电池荷电状态SOCbt以及燃料电池输出电压vfc作为系统的状态量，根据建立的燃料电池及锂电池模型，和系统功率平衡关系，进一步建立系统的预测模型。
为了更准确地反映燃料电池的非线性动态特性，选择燃料电池的递归神经网络模型作为其预测模型：
Figure BDA0002934207290000081
Figure BDA0002934207290000082
其中，
Figure BDA0002934207290000083
为燃料电池系统k时刻的预测输出电压，θ为参数向量，
Figure BDA0002934207290000084
为回归向量，f()为非线性函数，P和M分别为输出和外部输入的延迟采样数，ifc为燃料电池电流的实际值，
Figure BDA0002934207290000085
为燃料电池电流的控制量。
系统中锂电池的荷电状态预测模型为：
Figure BDA0002934207290000086
其中，△t为采样间隔，ibt(k)为锂电池k时刻的输出电流，Qbt为锂电池容量，SOCbt(k)为锂电池k时刻的荷电状态。
系统中的功率平衡关系为：
Figure BDA0002934207290000087
其中，ηb为单向DC/DC变换器效率，ηl为三相逆变/充电一体机效率，Pfc和Pbt分别为燃料电池模块和锂电池模块功率，Pload为用户负荷。
在本发明中，负荷Pload在应急电源系统预测模型中表现为外部干扰。因此，在外部干扰为零的情况下，结合式(1)、(3)、(4)可得到系统的预测模型：
Figure BDA0002934207290000088
x(k)＝[SOCbt(k),vfc(k-1),vfc(k-2),ifc(k-1),ifc(k-2)]T (6)
其中，x(k)为系统k时刻状态向量，g[x(k),u(k)]为将式(1)改写成x(k)的函数后的新函数，u(k)为系统k时刻的控制量
Figure BDA0002934207290000091
vbt为锂电池端电压。
考虑到系统在能量管理过程中需要将锂电池SOC控制在一个合理范围内，对应系统性能指标可表示为：
Figure BDA0002934207290000092
其中，
Figure BDA0002934207290000093
为SOCbt(k)的期望值。
考虑到系统对用户负荷变化的响应速度，对应系统性能指标可表示为：
Figure BDA0002934207290000094
其中，
Figure BDA0002934207290000095
为燃燃料电池电流控制量k时刻的变化速率。
考虑到燃料电池系统的发电效率，对应系统性能指标可表示为：
Figure BDA0002934207290000096
其中，ηfc(k)为燃料电池k时刻的效率。
结合系统性能指标(7)-(9),运行价值函数可以表示为这三项性能指标的加权和：
Figure BDA0002934207290000097
其中，α、β、γ为权重系数。
为了保证系统的稳定，增加一个终端价值函数：
V[x(N)]＝[x(N)-x*]TP[x(N)-x*] (11)
其中，P为对称正定矩阵，x*为状态向量的平衡点。
结合运行价值函数(10)和终端价值函数(11)，最终的价值函数可表示为：
Figure BDA0002934207290000098
其中，
Figure BDA0002934207290000101
为控制步长为N的控制量向量。
根据系统的不同负荷状态，自适应分配系统价值函数(12)中锂电池SOC控制精度、燃料电池效率及系统响应速度的权重系数α、β、γ，在负荷快速变化阶段，降低锂电池SOC控制精度和燃料电池效率的权重系数，提高系统响应速度；在负荷平稳阶段，提高锂电池SOC控制精度和燃料电池效率的权重系数，提高燃料电池效率，准确控制锂电池SOC：
Figure BDA0002934207290000102
Figure BDA0002934207290000103
γ＝1-α-β (15)
其中，αmin、βmin分别为权重系数α、β的最小值，αmax、βmax分别为权重系数α、β的最大值，K1∈(0,1)、L1∈(0,1)为调节系数，△Pmin、△Pmax分别为设定的负荷变化率的最小值与最大值，
Figure BDA0002934207290000104
为负荷变化率。
测量系统当前时刻k的状态量，为了得到在k时刻使系统价值函数(12)最小化的最优解U*，应用蜘蛛猴算法对价值函数J(U)进行求解，共包括五个阶段：初始化阶段、局部更新阶段、全局更新阶段、寻优阶段、决策阶段。
在初始化阶段，将系统价值函数(12)可行解分组为M组，每组有ω个可行解，将各组内的可行解Ui(i＝1,2,...,w)按下式进行初始化：
Uij＝ifcmin+R(0,1)×|Umax-Umin| (16)
Umax＝[SOCmax,ifcmax,ibtmax]T (17)
Umin＝[SOCmin,ifcmin,ibtmin]T (18)
其中，Uij表示第i个可行解k+j时刻的值，R(0,1)是(0,1)内均匀分布的随机数，Umax和Umin为系统的约束条件向量，SOCmax和SOCmin为锂电池荷电状态的最大值和最小值，ifcmax和ifcmin燃料电池电流的最大值和最小值，ibtmax和ibtmin锂电池电流的最大值和最小值。
根据各组内各个可行解的初始化值和系统价值函数J(U)，计算出对应的函数值J(U1),J(U2),...,J(Uw),再计算各个可行解Ui的适应度：
Figure BDA0002934207290000111
式中abs()为绝对值函数。
将同一个组内的所有可行解对应的适应度进行比较，将适应度最大的可行解作为该组的局部最优解LLa(a＝1,2,...,M)，然后再将各个组的局部最优解对应的适应度进行比较，将适应度最大的局部最优解作为全局最优解GL。
在局部更新阶段：选取扰动率pr∈[prmin,prmax]。对每个组a∈[1,M]，针对每个可行解中每个时刻的值生成随机数R(0,1)，若R(0,1)<pr，则可行解对应时刻的值保持不变，否则按下式进行更新：
Uij＝Uij+R(0,1)×(LLaj-Uij)+R(-1,1)×(Urj-Uij) (20)
其中R(-1,1)是(-1,1)内均匀分布的随机数，LLaj为组a局部最优解k+j时刻的值，Urj表示当前更新组内第r个可行解k+j时刻的值。
计算更新后每个可行解的函数值和适应度，若新的适应度小于更新前的适应度，则将该可行解恢复为更新前的值。
在全局更新阶段：按照式(21)计算出局部更新后各个组内各个可行解对应的概率probi：
Figure BDA0002934207290000121
其中
Figure BDA0002934207290000122
为可行解对应适应度的总和。
对每个组a∈[1,M]，针对每个可行解中随机某时刻的值Uis生成随机数R(0,1)，若R(0,1)＞probi，则可行解对应时刻的值保持不变，否则按下式进行更新：
Uis＝Uis+R(0,1)×(GLj-Uis)+R(-1,1)×(Urj-Uis) (22)
计算更新后每个可行解的函数值和适应度，若新的适应度小于更新前的适应度，则将该可行解恢复为更新前的值。当得到更新的可行解数量等于所有组可行解数量之和时，则本阶段结束。
在寻优阶段：将全局更新后的同一组内各可行解对应的适应度进行比较，得到各个组新的局部最优解，再将新的局部最优解的适应度进行比较得到新的全局最优解。设置全局限制计数GLC，当新的全局最优解相较于前一个没有更新时增加1，否则为0。设置局部限制计数LLCa，当各个组新的局部最优解相较于前一个没有更新时，则对应的计数增加1，否则为0。
在决策阶段：当某个组的局部限制计数LLCa大于局部限制值LLL＝N×ω×M时，将对应局部最优解所在的组a按下式进行重置：
Uij＝Uij+R(0,1)×(GLj-Uij)+R(0,1)×(Urj-LLaj) (23)
当全局限制计数GLC大于全局限制值
Figure BDA0002934207290000131
时，此时的全局最优解即为在k时刻使价值函数(12)最小化的最优解U*,否则，返回局部更新阶段，继续对所有可行解进行迭代更新。
将最优解U*中k时刻的值u*(k)作为系统下一时刻即k+1时刻燃料电池电流控制量
Figure BDA0002934207290000132
通过控制单向DC/DC变换器完成k+1时刻燃料电池与锂电池间的能量分配。
本领域的技术人员容易理解，以上仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种燃料电池应急电源能量管理策略，其特征在于：所述能量管理策略包括步骤：
1)建立系统预测模型：
Figure FDA0002934207280000011
x(k)＝[SOCbt(k),vfc(k-1),vfc(k-2),ifc(k-1),ifc(k-2)]T
其中，x(k)为系统k时刻状态向量，△t为采样间隔，g[x(k),u(k)]为燃料电池预测输出电压函数，u(k)为系统k时刻的控制量
Figure FDA0002934207280000012
ηb为单向DC/DC变换器效率，vbt为锂电池端电压，Qbt为锂电池容量，SOCbt(k)为锂电池k时刻的荷电状态，vfc为燃料电池输出电压，ifc为燃料电池电流的实际值，
Figure FDA0002934207280000013
为燃料电池电流的控制量；
2)设置系统价值函数：
Figure FDA0002934207280000014
其中，
Figure FDA0002934207280000015
为控制步长为N的控制量向量，α、β、γ分别为锂电池SOC控制精度、燃料电池效率、系统对用户负荷变化的响应速度的权重系数，
Figure FDA0002934207280000016
为SOCbt(k)的期望值，ηfc(k)为燃料电池k时刻的效率，
Figure FDA0002934207280000017
为燃燃料电池电流控制量k时刻的变化速率，P为对称正定矩阵，x*为状态向量的平衡点；
3)测量系统当前时刻k的状态量，当检测到市电中断时，自动启动燃料电池应急电源系统，应用蜘蛛猴算法对系统价值函数J(U)求解，得到在k时刻使系统价值函数最小化的最优解U*，将最优解向量中k时刻的值u*(k)作为燃料电池电流下一时刻的控制量
Figure FDA0002934207280000021
实现能量流在燃料电池和锂电池间的优化分配。
2.根据权利要求1所述的一种燃料电池应急电源能量管理策略，其特征在于：所述系统预测模型中的燃料电池预测输出电压函数g[x(k),u(k)]由下式改写得到：
Figure FDA0002934207280000022
Figure FDA0002934207280000023
其中，
Figure FDA0002934207280000024
为燃料电池系统k时刻的预测输出电压，θ为参数向量，
Figure FDA0002934207280000025
为回归向量，f()为非线性函数，p和M分别为输出和外部输入的延迟采样数。
3.根据权利要求1所述的一种燃料电池应急电源能量管理策略，其特征在于：所述系统预测模型中的锂电池的荷电状态预测模型为：
Figure FDA0002934207280000026
其中，ibt(k)为锂电池k时刻的输出电流。
4.根据权利要求1所述的一种燃料电池应急电源能量管理策略，其特征在于：根据不同负荷状态，自适应分配所述系统价值函数中锂电池SOC控制精度、燃料电池效率、系统对用户负荷变化的响应速度的权重系数α、β、γ，在负荷快速变化阶段，降低锂电池SOC控制精度和燃料电池效率的权重系数，提高系统响应速度；在负荷平稳阶段，提高锂电池SOC控制精度和燃料电池效率的权重系数，提高燃料电池效率，准确控制锂电池SOC：
Figure FDA0002934207280000031
Figure FDA0002934207280000032
γ＝1-α-β
其中，αmin、βmin分别为权重系数α、β的最小值，αmax、βmax分别为权重系数α、β的最大值，K1∈(0,1)、L1∈(0,1)为调节系数，△Pmin、△Pmax分别为设定的负荷变化率的最小值与最大值，
Figure FDA0002934207280000033
为负荷变化率。
5.根据权利要求1所述的一种燃料电池应急电源能量管理策略，其特征在于：采用蜘蛛猴算法进行能量管理优化，将系统价值函数J(U)的可行解分组为M组，每组有ω个可行解，将各组的可行解Ui(i＝1,2,...,ω)按下式进行初始化：
Uij＝ifcmin+R(0,1)×|Umax-Umin|
Umax＝[SOCmax,ifcmax,ibtmax]T
Umin＝[SOCmin,ifcmin,ibtmin]T
其中，Uij表示第i个可行解k+j时刻的值，R(0,1)是(0,1)内均匀分布的随机数，Umax和Umin为系统的约束条件向量，SOCmax和SOCmin为锂电池荷电状态的最大值和最小值，ifcmax和ifcmin燃料电池电流的最大值和最小值，ibtmax和ibtmin锂电池电流的最大值和最小值。
根据每组各个可行解的初始值和价值函数J(U)，计算出对应的价值函数值J(U1),J(U2),...,J(Uw),再计算每组各个可行解Ui对应的适应度：
Figure FDA0002934207280000041
其中abs()为绝对值函数；将同一组内所有可行解对应的适应度fit(i)进行比较，将适应度最大的可行解作为该组的局部最优解LLa(a＝1,2,...,M)，然后将各个组的局部最优解对应的适应度进行比较，将适应度最大的局部最优解作为全局最优解GL。
6.根据权利要求5所述的一种燃料电池应急电源能量管理策略，其特征在于：局部更新的策略为：选取扰动率pr∈[prmin,prmax]，对每个组a∈[1,M]，针对每个可行解中每个时刻的值生成随机数R(0,1)，若R(0,1)<pr，则可行解对应时刻的值保持不变，否则按下式进行更新：
Uij＝Uij+R(0,1)×(LLaj-Uij)+R(-1,1)×(Urj-Uij)
式中R(-1,1)是(-1,1)内均匀分布的随机数，LLaj为组a的局部最优解k+j时刻的值，Urj表示当前更新组内第r个可行解k+j时刻的值。
计算更新后每个可行解的函数值和适应度，若新的适应度小于更新前的适应度，则将该可行解恢复为更新前的值。
7.根据权利要求6所述的一种燃料电池应急电源能量管理策略，其特征在于：全局更新的策略为：计算出局部更新后各个组内各个可行解对应的概率probi：
Figure FDA0002934207280000042
其中
Figure FDA0002934207280000043
为可行解对应适应度的总和。
对每个组a∈[1,M]，针对每个可行解中随机某时刻的值Uis生成随机数R(0,1)，若R(0,1)＞probi，则可行解对应时刻的值保持不变，否则按下式进行更新：
Uis＝Uis+R(0,1)×(GLj-Uis)+R(-1,1)×(Urj-Uis)
其中GLj为全局最优解k+j时刻的值。
计算更新后每个可行解的函数值和适应度，若新的适应度小于更新前的适应度，则将该可行解恢复为更新前的值。
8.根据权利要求7所述的一种燃料电池应急电源能量管理策略，其特征在于：寻优策略为：将全局更新后的同一组内各可行解对应的适应度进行比较，得到各个组新的局部最优解，再将新的局部最优解的适应度进行比较得到新的全局最优解；设置全局限制计数GLC，当新的全局最优解相较于前一个没有更新时增加1，否则为0；设置局部限制计数LLCa，当各个组新的局部最优解相较于前一个没有更新时，则对应的计数增加1，否则为0。
9.根据权利要求8所述的一种燃料电池应急电源能量管理策略，其特征在于：决策策略为：当某个组a的局部限制计数LLCa大于局部限制值LLL＝N×ω×M时，N为控制量向量的控制步长，将对应局部最优解所在的组a按下式进行重置：
Uij＝Uij+R(0,1)×(GLj-Uij)+R(0,1)×(Urj-LLaj)
当全局限制计数GLC大于全局限制值
Figure FDA0002934207280000051
时，此时的全局最优解即为在k时刻使系统价值函数最小化的最优解U*，否则，对所有可行解继续进行迭代更新；将最优解向量中k时刻的值u*(k)作为燃料电池电流下一时刻的控制量
Figure FDA0002934207280000052
完成系统下一时刻的能量分配。
10.一种燃料电池应急电源系统，包括燃料电池模块、锂电池模块、单向DC/DC变换器、能量管理控制器和三相逆变/充电一体机，其特征在于：所述能量管理控制器执行权利要求1～9中任一项所述的燃料电池应急电源能量管理策略。
CN202110157293.4A 2021-02-04 2021-02-04 一种燃料电池应急电源能量管理策略及系统 Active CN112968515B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110157293.4A CN112968515B (zh) 2021-02-04 2021-02-04 一种燃料电池应急电源能量管理策略及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110157293.4A CN112968515B (zh) 2021-02-04 2021-02-04 一种燃料电池应急电源能量管理策略及系统

Publications (2)

Publication Number Publication Date
CN112968515A true CN112968515A (zh) 2021-06-15
CN112968515B CN112968515B (zh) 2022-06-03

Family

ID=76274033

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110157293.4A Active CN112968515B (zh) 2021-02-04 2021-02-04 一种燃料电池应急电源能量管理策略及系统

Country Status (1)

Country Link
CN (1) CN112968515B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114068998A (zh) * 2021-10-27 2022-02-18 南昌大学 一种固体氧化物燃料电池发电系统最优控制方法
CN116207835A (zh) * 2023-02-13 2023-06-02 深圳市玩咖科技有限公司 一种汽车应急电源的分配管理系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102968056A (zh) * 2012-12-07 2013-03-13 上海电机学院 质子交换膜燃料电池的建模系统及其智能预测控制方法
US20170066337A1 (en) * 2015-09-04 2017-03-09 Honda Motor Co., Ltd. Fuel cell system control method and fuel cell vehicle
CN106786702A (zh) * 2017-01-19 2017-05-31 上海电力学院 用于混合储能系统的全状态模型预测能量调度方法
CN107463995A (zh) * 2017-08-01 2017-12-12 浙江大学 具有自适应遗传策略rna‑ga的燃料电池优化建模方法
CN108556672A (zh) * 2018-05-25 2018-09-21 中车青岛四方机车车辆股份有限公司 一种燃料电池混合动力系统的控制方法及系统
CN109606137A (zh) * 2019-01-23 2019-04-12 吉林大学 融合成本寿命因素的多源电驱动系统经济性优化方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102968056A (zh) * 2012-12-07 2013-03-13 上海电机学院 质子交换膜燃料电池的建模系统及其智能预测控制方法
US20170066337A1 (en) * 2015-09-04 2017-03-09 Honda Motor Co., Ltd. Fuel cell system control method and fuel cell vehicle
CN106786702A (zh) * 2017-01-19 2017-05-31 上海电力学院 用于混合储能系统的全状态模型预测能量调度方法
CN107463995A (zh) * 2017-08-01 2017-12-12 浙江大学 具有自适应遗传策略rna‑ga的燃料电池优化建模方法
CN108556672A (zh) * 2018-05-25 2018-09-21 中车青岛四方机车车辆股份有限公司 一种燃料电池混合动力系统的控制方法及系统
CN109606137A (zh) * 2019-01-23 2019-04-12 吉林大学 融合成本寿命因素的多源电驱动系统经济性优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DERICK FURQUIM PEREIRA: "Nonlinear Model Predictive Control for the Energy Management of Fuel Cell Hybrid Electric Vehicles in Real Time", 《 IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》 *
党婷婷,林丹: "含有动态自适应惯性权重的蜘蛛猴优化算法", 《计算机工程与应用》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114068998A (zh) * 2021-10-27 2022-02-18 南昌大学 一种固体氧化物燃料电池发电系统最优控制方法
CN114068998B (zh) * 2021-10-27 2023-04-07 南昌大学 一种固体氧化物燃料电池发电系统最优控制方法
CN116207835A (zh) * 2023-02-13 2023-06-02 深圳市玩咖科技有限公司 一种汽车应急电源的分配管理系统及方法
CN116207835B (zh) * 2023-02-13 2024-01-09 深圳市玩咖科技有限公司 一种汽车应急电源的分配管理系统及方法

Also Published As

Publication number Publication date
CN112968515B (zh) 2022-06-03

Similar Documents

Publication Publication Date Title
CN105680474B (zh) 一种储能抑制光伏电站快速功率变化的控制方法
CN109119983B (zh) 一种电-氢孤岛直流微电网能量管理方法
CN110581571A (zh) 一种主动配电网动态优化调度方法
CN109802396B (zh) 一种基于电压灵敏度配置的光伏台区电能质量治理系统
CN112968515B (zh) 一种燃料电池应急电源能量管理策略及系统
Gbadega et al. Impact of incorporating disturbance prediction on the performance of energy management systems in micro-grid
CN111628558A (zh) 混合储能系统的能量管理和容量配置的优化系统及方法
CN111525624A (zh) 基于蓄电池储能系统的家庭分布式能源调度方法
CN113555899A (zh) 一种风光储发电系统协调控制方法
CN107240925B (zh) 一种微电网中储能电池系统的控制方法
Zeng et al. Distributed secondary control strategy for battery storage system in DC microgrid
CN107611970B (zh) 分布式光伏和电动汽车的不确定性配网的优化方法
CN112036735B (zh) 一种用于光伏电站的储能系统的储能容量规划方法及系统
CN109004642B (zh) 用于平抑分布式电源功率波动的配网分布式储能评价方法
CN109617183B (zh) 一种多电池系统的智能供电方法
CN117254491A (zh) 一种风光氢储微网系统时域滚动优化方法及系统
CN114825469B (zh) 一种分布式电源集群出力评估方法及系统
CN110707788A (zh) 一种分布式储能电站中储能电池阵列快速均衡系统及方法
CN112436533B (zh) 基于比例功率分配的多储能单元分布式控制方法
CN114418453A (zh) 一种基于电力市场的微电网多时间尺度能量管理系统
CN110417002B (zh) 一种孤岛微电网能量模型的优化方法
CN114336703A (zh) 一种大规模风光储电站自动协同控制方法
CN112636376A (zh) 一种混合储能装置在配电网中的运行优化方法和架构
Ye et al. Overview and Prospect of distributed energy storage technology
CN110931894A (zh) 一种中压直挂式储能系统电池相内荷电状态均衡控制方法

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