CN113394864A - 一种基于最优设计控制的锂电池和超级电容复合储能系统 - Google Patents
一种基于最优设计控制的锂电池和超级电容复合储能系统 Download PDFInfo
- Publication number
- CN113394864A CN113394864A CN202010179921.4A CN202010179921A CN113394864A CN 113394864 A CN113394864 A CN 113394864A CN 202010179921 A CN202010179921 A CN 202010179921A CN 113394864 A CN113394864 A CN 113394864A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- storage system
- super capacitor
- composite energy
- converter
- 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.)
- Pending
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供了一种基于最优设计控制的锂电池和超级电容复合储能系统。它包括超级电容、双向DC/DC变换器、电池、附件系统、逆变器、外部输出端口。所述超级电容通过所述双向DC/DC变换器向所述逆变器输出;所述电池直接与所述逆变器输入连接;所述附件系统在瞬时需求功率高时对外输出功率;所述外部输出端口向外输出交流电。本发明采用基于最优设计控制的锂电池和超级电容复合储能系统,并通过多目标优化的方式实时获取最优的负荷策略,解决了储能系统为部分特殊负荷供电时瞬时功耗大、无法提供灵活的稳定供电的问题实现了储能系统的低损耗输出,提高了能源利用率,提升了储能设备的供电时间。
Description
技术领域
本发明涉及储能领域,尤其涉及一种基于最优设计控制的锂电池和超级电容复合储能系统。
背景技术
近年来储能技术不断发展,许多技术已在储能领域进行应用,但传统的采用蓄电池的储能方式依然是储能设备的主流。超级电容采用物理方式储能,充电和放电的速度很快,能够很好的应对高功率输出的负荷。传统的充放电方式下难以控制充放电过程中的问题,对于瞬时需求功率高、波动剧烈的应用对象来说,难以利用超级电容循环寿命高、功率密度大的优点。此外,对于储能系统而言,除了要满足直流母线上的输出的功率需求,还要在关键的功率高剧烈波动情况下对附件系统提供能量,所以因此需要在部分场合提供负载直流供电。
发明内容
为了解决上述现有技术的不足之处,本发明的目的在于提供一种基于最优设计控制的锂电池和超级电容复合储能系统,以解决对于瞬时需求功率高、波动剧烈的应用难以控制充放电过程中的问题。
为了实现上述目的,本发明提供了一种基于最优设计控制的锂电池和超级电容复合储能系统。它包括超级电容、双向DC/DC变换器、电池、附件系统、逆变器、外部输出端口。所述超级电容通过所述双向DC/DC变换器向所述逆变器输出;所述电池直接与所述逆变器输入连接;所述附件系统在瞬时需求功率高时对外输出功率;所述外部输出端口向外输出交流电。
优选地,所述超级电容和所述电池在直流母线上并联一个低压单向DC/DC变换器,为直流负载系统供电。
优选地,所述电池中的单体电池的剩余电量SOC,全程可以通过当前容量Qdq除以单体标称电容QB计算获得;所述超级电容的SOCcj与电压呈线性关系,超级电容的剩余电量按照电压比例计算。
优选地,所述双向DC/DC变换器功率损耗结构作为超级电容和直流母线的连接装置,所述双向DC/DC变换器调节输入、输出端的电压,所述双向DC/DC变换器控制超级电容功率的大小和方向。
优选地,所述电池与直流直接相连后所述直流母线上的能量经过DC/AC逆变器传递给交流负荷。
优选地,所述双向DC/DC变换器的控制包括为数据输入,系统模型,功率需求,能量管理以及复合储能模型,所述数据输入作为系统模型的输入,所述系统模型基于负荷和附件的模型分别得到各部分的负载需求,进而所述能量管理以及复合储能模型利用双向DC/DC变换器控制输出能量。
优选地,所述能量管理以及复合储能模型将负荷的复合储能系统参数优化和能量管理策略优化结合在一起建立为一个多目标优化框架。
优选地,所述电池的串联数从170到200;所述超级电容的串联数从11到15。
优选地,所述多目标优化框架中的消耗动态规划算法采用多级决策系统定义为多个单级的决策系统,由最后的系统状态逆向推导至最初状态获得最小的能量。
优选地,在所述双向DC/DC变换器中采用基于MSSR算法的多起点优化筛选,筛选设计区域划分为不同子空间,包含了当前样本中的多个较好解,并获得一个区域内的最优解。
同现有技术相比,本发明的有益效果体现在:
(1)本发明采用基于最优设计控制的锂电池和超级电容复合储能系统,解决了储能系统为部分特殊负荷供电时瞬时功耗大、无法提供灵活的稳定供电的问题。
(2)本发明通过多目标优化的方式实时获取最优的负荷策略,实现了储能系统的低损耗输出,提高了能源利用率,提升了储能设备的供电时间。
附图说明
图1为本专利提供的一种基于最优设计控制的锂电池和超级电容复合储能系统结构图;
图2为本专利提供的一种基于最优设计控制的锂电池和超级电容复合储能系统的所述双向DC/DC变换器功率损耗结构图;
图3为本发明提出的一种基于最优设计控制的锂电池和超级电容复合储能系统的所述双向DC/DC变换器的损耗关系图;
图4为本专利提供的一种由复合储能系统对外输出的工作方式;
图5为本发明提出的一种基于最优设计控制的锂电池和超级电容复合储能系统所述双向DC/DC变换器的最优设计控制器结构;
图6为本发明提供的一种基于负荷生产率的多目标优化流程图;
图7为本发明提供的一种所述动态规划算法的求解示意图;
图8本发明提供的一种基于MSSR算法的多起点优化筛选策略。
具体实施方式
为了能够进一步了解本发明的结构、特征及其他目的,现结合所附较佳实施例附以附图详细说明如下,本附图所说明的实施例仅用于说明本发明的技术方案,并非限定本发明。
参考图1,本专利提供了一种基于最优设计控制的锂电池和超级电容复合储能系统。它包括超级电容、双向DC/DC变换器、电池、附件系统、逆变器、外部输出端口。所述超级电容通过所述双向DC/DC变换器向所述逆变器输出;所述电池直接与所述逆变器输入连接;所述附件系统在瞬时需求功率高时对外输出功率;所述外部输出端口向外输出交流电。
所述复合储能系统采用半主动式复合储能系统构型。对于瞬时需求功率高、波动剧烈的应用对象来说,在选择复合储能系统的构型时,应该首先考虑超级电容循环寿命高、功率密度大的优点,使得超级电容能够在构型中瞬间释放出较高的功率,并以此来降低电池组的输出电流。复合储能系统作为唯一的能量源,除了要满足直流母线上的输出的功率需求,还要在关键的功率高剧烈波动情况下对附件系统提供能量,所以虚线方框考虑了这种情况,在直流母线上并联一个低压、单向DC/DC变换器,为负载系统供电。
所述电池单体的电流可以通过如下公式计算:
其中,UK为开路电压;Pd为电池单体功率;RN为电池单体内阻;Ixdc为电池电流。
因此,单体电池的剩余电量SOC,全程State of Charge可以通过当前容量Qdq除以单体标称电容QB计算获得:
SOC=Qdq/QB*100% (2)
与所述电池不同,所述超级电容的SOCcj与电压呈线性关系,因此超级电容的剩余电量可以按如下方式计算:
SOCcj=VUC/VUC_max (3)
其中,VUC为当前电压值,VUC_max为充满电时的电压值。
参考图2,本专利提供了一种基于最优设计控制的锂电池和超级电容复合储能系统的所述DC/DC变换器功率损耗结构。所述DC/DC变换器功率损耗结构作为超级电容和直流母线的连接装置,DC/DC变换器不但能调节输入、输出端的电压,还能控制超级电容功率的大小和方向。为了提高仿真精度,不仅仅将DC/DC变换器的效率看作常数,采用MATLAB/Simulink中倍压升压变换器进行仿真,由其电路可得到DC/DC变换器的功率损耗模型。
参考图3,本发明提供了DC/DC变换器的损耗关系图,主要包括五部分,分别为开关打开损耗,开关闭合损耗,开关传导损耗,二极管传导损耗以及二极管恢复损耗。
总的开关损耗可由上升时间和下降时间来计算,并假设电压和电流满足线性关系。
Pswitch loss=Ptr+Ptf=(1/6*Vm*Im*(tr+tf)*f)*ns (4)
其中,tr为上升时间;tf为下降时间;ns为开关数量;Vm为通过开关的最大电压;Im为通过开关的最大电流;f为开关频率。
如图4所示,本专利提供了一种由复合储能系统对外输出的工作方式。具体的步骤如下:
S1:锂电池与超级电容共同想直流母线提供能量;
S2:直流母线通过DC/AC逆变器向外部输送交流电;
S3:对于高功率负荷,除去通过逆变器输出外,还通过附件输出电能。
所述双向DC/DC变换器置于超级电容组之后,增大了超级电容组的电压变化范围,充分发挥了超级电容的优势,能够在需要的时候输出或吸收大功率。电池组与母线直接相连,使母线电压保持稳定。母线上的能量经过DC/AC逆变器,分别传递给电机等交流负荷。此外,部分负荷能量需要从的附件系统获得直流负荷也可由锂电池和超级电容来提供能量,经过一个低压单向DC/DC变换器。
参考图5,本发明提供一种最优设计控制器结构,主要为根据现有的动力系统构型的MATLAB后向式仿真模型。该模型由五部分组成,分别为数据输入,系统模型,功率需求,能量管理策略以及复合储能系统模型。数据输入部分主要包括电机等负荷输入和直流附件输入,所有数据类别和名称在所述数据输入中列出。所示最优设计系统模型的作用不是为了反映各系统的动态特性,而是用来计算各部分的负载消耗,并结合起来得到负荷的功率需求。所述的数据输入作为系统模型的输入,然后基于负荷的系统模型和附件模型分别得到各部分的负载。
参考图6,本发明提供了一种基于负荷生产率的多目标优化流程图。生产率是衡量其综合能力的最重要的指标之一,它与日常运行的模式和环境有关。考虑到负荷的运行工况在本文的研究中是固定的,如果可以减少每个循环的能量消耗,那么负荷的工作时间就会延长,从而提高生产率,也就是说,能量消耗可以直接影响生产率,应该在复合储能系统的设计中重点考虑这一因素。而复合储能系统的参数优化和能量管理策略优化又是耦合在一起的,所以,本专利将负荷中的复合储能系统参数优化和能量管理策略优化结合在一起,建立了多目标优化框架,目标函数如下:
MinJ=[JE,JC] (5)
其中,多目标优化指标J;JC全生命周期成本,单位为¥/day;JE为能量消耗,单位为kJ。
为了将母线电压控制在DC/AC逆变器的工作电压范围(400-700V)之内,电池的串联数从170到200,对应着标称电压的范围在561-660V之间,电池并联数从6至8是为了满足交流负荷6小时的工作时间;超级电容的串联数从11到15,目的是保证超级电容组的输出功率能够满足严苛的工况需求,再从超级电容组的储能方面考虑,将其并联数设置为1。
具体的多目标优化流程如下:
K1:从优化空间中选择一组向量,作为优化变量;
K2:通过多目标优化方程上以i作为为能量管理策略和全生命周期成本的输入;
K3:使用动态规划算法求得最小的能量消耗JE;
K4:根据优化变量和电池损耗求出复合储能系统的全生命周期成本JC;
K5:将设计空间中的每组变量计算完成后,比较所有的(JE,JC),并从帕累托解集中选出最优方案。
参考图7,本发明提供一种所述动态规划算法的求解示意图。所述动态规划算法将多级决策系统定义为多个单级的决策系统,然后由最后的系统状态逆向推导至最初状态,以此来解决多级决策问题。多级决策问题就是将所给的问题按时间或空间特征分解成若干互相联系的阶段,然后对阶段中的状态进行描述,确定状态变量,再根据当前各段的状态做出不同的决策,从而确定下一个阶段的状态。在求解问题的过程中,需要预先确定几个内容,即问题划分的阶段,状态变量,决策变量,状态转移方程以及指标函数。因此,所述动态规划算法的求解基本流程如下:
N1:将多阶段决策过程划分成r个阶段,然后根据实际问题确定状态变量、决策变量、状态转移方程及指标函数,从而把整个问题化成多个同类型的子问题,进行逐个求解;
N2:求解时从终止点开始,按照示意图中标出的逆序求解方向,逐段递推求解,每个子问题的求解,都要使用它前面己求出的子问题的最优结果,最后一个子问题的最优解就代表着整个问题的最优解;
N3:动态规划算法是既把当前阶段与未来阶段分开,又把当前指标和未来指标结合起来考虑的一种最优化方法,因此每个阶段的最优决策都是从全局考虑的。
参考图8,本发明提供了一种基于MSSR算法的多起点优化筛选策略。所述MSSR算法一方面保证多起点优化算法能够获得多个不重复的局部最优解;另一方面,为了加快搜索全局最优解的速度,整个设计区域划分为几个不同的子空间,其中中等范围空间包含了当前样本集中的多个较好解,局部空间是当前最好样本的一个邻域。这两个空间会随着当前样本集的更新而不断移动位置以及变换大小,直到找到全局最优解为止。当算法无法找到更好解时,会最大化模型估计的均方差,跳出局部最优区域,对未知区域进行探索。MSSR算法的主要设计流程如下:
M1:实验设计,产生初始的样本点;
M2:计算样本点的贵重函数值,并将结果储存在样本集中,对于非线性约束问题,贵重函数既包括目标也包括约束;
M3:根据函数值的大小对样本点进行排序,若样本点不满足约束条件,则对函数值增加一个惩罚因子106;
M4:构建代理模型,对于非线性约束问题,需要分别建立目标函数和约束函数的代理模型;
M5:根据迭代次数判断需要搜索的空间;
M6:根据已知样本集来定义全局空间,中等范围空间以及局部空间的大小);
M7:使用多起点序列二次规划算法来优化代理模型的最优解;
M8:将获得的局部最优解保存到“预测最优样本”中,并根据取值筛选出较好解,如果没有较好解可选,则从未知区域选择两个新的样本;
M9:计算被选样本点的贵重函数值,并按步骤M3那样进行排序;
M10:如果当前最优解满足停止标准,终止循环,否则更新代理模型并重复步骤M4到M9,直到满足停止条件。
需要声明的是,上述发明内容及具体实施方式意在证明本发明所提供技术方案的实际应用,不应解释为对本发明保护范围的限定。本领域技术人员在本发明的精神和原理内,当可作各种修改、等同替换或改进。本发明的保护范围以所附权利要求书为准。
Claims (10)
1.一种基于最优设计控制的锂电池和超级电容复合储能系统,其特征在于,所述复合储能系统包括超级电容、双向DC/DC变换器、电池、附件系统、逆变器、外部输出端口;其中,所述超级电容通过所述双向DC/DC变换器向所述逆变器输出;所述电池直接与所述逆变器输入连接;所述附件系统在瞬时需求功率高时对外输出功率;所述外部输出端口向外输出交流电。
2.根据权利要求1所述的复合储能系统,其特征在于,所述超级电容和所述电池在直流母线上并联一个低压单向DC/DC变换器,用于直流负载系统供电。
3.根据权利要求1所述的复合储能系统,其特征在于,所述电池中的单体电池的剩余电量SOC,全程可以通过当前容量Qdq除以单体标称电容QB计算获得;所述超级电容的SOCcj与电压呈线性关系,超级电容的剩余电量按照电压比例计算。
4.根据权利要求1所述的复合储能系统,其特征在于,所述双向DC/DC变换器功率损耗结构作为超级电容和直流母线的连接装置,所述双向DC/DC变换器调节输入、输出端的电压,所述双向DC/DC变换器控制超级电容功率的大小和方向。
5.根据权利要求1所述的复合储能系统,其特征在于,所述电池与直流直接相连,所述直流母线上的能量经过DC/AC逆变器传递给交流负荷。
6.根据权利要求1所述的复合储能系统,其特征在于,所述双向DC/DC变换器的控制包括为数据输入、系统模型、功率需求、能量管理以及复合储能模型,所述数据输入作为系统模型的输入,所述系统模型基于负荷和附件的模型分别得到各部分的负载需求,进而所述能量管理以及复合储能模型利用双向DC/DC变换器控制输出能量。
7.根据权利要求1所述的复合储能系统,其特征在于,所述能量管理以及复合储能模型将负荷的复合储能系统参数优化和能量管理策略优化结合在一起,建立为一个多目标优化框架。
8.根据权利要求1所述的复合储能系统,其特征在于,所述电池的串联数从170到200;所述超级电容的串联数从11到15。
9.根据权利要求1所述的复合储能系统,其特征在于,所述多目标优化框架中的消耗动态规划算法采用多级决策系统定义为多个单级的决策系统,由最后的系统状态逆向推导至最初状态获得最小的能量。
10.根据权利要求1所述的复合储能系统,其特征在于,在所述双向DC/DC变换器中采用基于MSSR算法的多起点优化筛选,筛选设计区域划分为不同子空间,包含当前样本中的多个较好解,并获得一个区域内的最优解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010179921.4A CN113394864A (zh) | 2020-03-13 | 2020-03-13 | 一种基于最优设计控制的锂电池和超级电容复合储能系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010179921.4A CN113394864A (zh) | 2020-03-13 | 2020-03-13 | 一种基于最优设计控制的锂电池和超级电容复合储能系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113394864A true CN113394864A (zh) | 2021-09-14 |
Family
ID=77616278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010179921.4A Pending CN113394864A (zh) | 2020-03-13 | 2020-03-13 | 一种基于最优设计控制的锂电池和超级电容复合储能系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113394864A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203761117U (zh) * | 2014-02-18 | 2014-08-06 | 西安理工大学 | 一种带软开关的多端口非隔离双向直流变换拓扑电路 |
CN103997062A (zh) * | 2014-05-28 | 2014-08-20 | 天津大学 | 一种微网能量管理控制方法 |
CN106451509A (zh) * | 2016-10-20 | 2017-02-22 | 山西大学 | 基于复合储能的能量管控优化方法 |
CN107276064A (zh) * | 2017-07-17 | 2017-10-20 | 天津理工大学 | 一种基于adrc控制的锂电池与超级电容混合储能系统的工作方法 |
CN107947147A (zh) * | 2017-12-05 | 2018-04-20 | 上海电机学院 | 一种燃料电池联合供电系统及能量管理方法 |
-
2020
- 2020-03-13 CN CN202010179921.4A patent/CN113394864A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203761117U (zh) * | 2014-02-18 | 2014-08-06 | 西安理工大学 | 一种带软开关的多端口非隔离双向直流变换拓扑电路 |
CN103997062A (zh) * | 2014-05-28 | 2014-08-20 | 天津大学 | 一种微网能量管理控制方法 |
CN106451509A (zh) * | 2016-10-20 | 2017-02-22 | 山西大学 | 基于复合储能的能量管控优化方法 |
CN107276064A (zh) * | 2017-07-17 | 2017-10-20 | 天津理工大学 | 一种基于adrc控制的锂电池与超级电容混合储能系统的工作方法 |
CN107947147A (zh) * | 2017-12-05 | 2018-04-20 | 上海电机学院 | 一种燃料电池联合供电系统及能量管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ahmad Hamidi et al. | Modeling and management of batteries and ultracapacitors for renewable energy support in electric power systems–an overview | |
Qi et al. | Comprehensive optimized hybrid energy storage system for long-life solar-powered wireless sensor network nodes | |
Chaoui et al. | Deep reinforcement learning energy management system for multiple battery based electric vehicles | |
CN105391271A (zh) | 应用于电力电子系统的低频快速有限集模型预测控制方法 | |
CN105356561A (zh) | 双电池充放电系统及方法 | |
Sun et al. | A new design of fuzzy logic control for SMES and battery hybrid storage system | |
Liao et al. | Research on two-stage equalization strategy based on fuzzy logic control for lithium-ion battery packs | |
CN112687969A (zh) | 基于储能系统的同期退役协同控制方法、系统及介质 | |
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 | |
CN113206508A (zh) | 基于预测的微电网储能电池主动均衡方法 | |
CN103997241A (zh) | 一种基于h桥模块的多电平变换器电容电压均压方法 | |
CN113394864A (zh) | 一种基于最优设计控制的锂电池和超级电容复合储能系统 | |
Sanseverino et al. | Energy efficient operation in smart grids: Optimal management of shiftable loads and storage systems | |
Wieckowski et al. | Development of a hybrid energy storage system for a mobile robot | |
Tian et al. | An H 2-consumption-minimization-based energy management strategy of hybrid fuel cell/battery power system for UAVs | |
Hange et al. | Novel real-time energy management in hybrid electric vehicle | |
Wang et al. | Optimized energy storage system design for a fuel cell vehicle using a novel phase shift and duty cycle control | |
Li et al. | Design and implementation of a hybrid energy supply system for railway vehicles | |
Khalid et al. | SoC-based decentralized power management in multi BESS-PV for EVs charging applications | |
Hamidi et al. | Batteries and ultracapacitors for electric power systems with renewable energy sources | |
Hossain et al. | Real-time distributed coordination of power electronic converters for optimization of DC shipboard distribution systems | |
Spyker | Predicting capacitor run time for a battery/capacitor hybrid source | |
CN112242709A (zh) | 一种具有微电网系统负荷可靠供电的混合储能容量确定方法 | |
Zhang et al. | Research on energy efficiency optimization strategy of electric propulsion ships with energy storage devices | |
NGUYEN et al. | Power control method using Kalman filter prediction for stable operation of PV/FC/LiB hybrid power system based on experimental dynamic characteristics |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210914 |