CN113991715A - 非理想电网下中压直挂不对称混合储能系统控制方法 - Google Patents

Abstract

非理想电网下中压直挂不对称混合储能系统控制方法，属于电能储能变换技术领域，解决电网电压中处于谐波污染时引起的级联储能变流器并网电流谐波含量高的问题以及当级联多电平储能变流器电池链节在运行过程中出现故障的问题；本发明的方法通过建立不对称混合储能系统数学模型对储能系统稳定工作范围分析，设计出储能系统的分相控制策略，该控制策略既能快速有效的跟踪并网电流又能有效的抑制并网电流中的低次谐波，可以有效提高并网电流的电能质量。

Description

非理想电网下中压直挂不对称混合储能系统控制方法

技术领域

本发明属于电能储能变换技术领域，涉及一种非理想电网下中压直挂不对称混合储能系统控制方法。

背景技术

随着社会和经济的快速发展，人类对能源的消耗也在不断增长。石油、天然气等化石能源的大量使用不仅使得其储量日益减少，更给自然环境带来了不可逆转的危害，面对如今资源匮乏、环境污染的现状，寻找新的能够满足人类需求的清洁可持续的能源已成为社会发展的关键。太阳能、风能等可再生能源由于其清洁性、可再生性，受到了世界各国政府的广泛关注，并在许多国家得到了支持与推广。

可再生能源的分布式发电系统(Renewable Energy Based Distributed PowerGeneration System,RE-DPGS)的通常由发电设备、电力电子变换器、电网及相应的控制单元构成。其中电力电子变换器是RE-DPGS与电网之间能量变换的接口，负责对发电设备的电压电流进行变换、处理，在保证电能质量的基础上向电网输送能量，其性能将直接影响RE-DPGS的安全、稳定和高质量运行，其中级联H桥逆变器由于具有多电平的优势，使交流侧输出电压更接近正弦波，减小了滤波电感的体积，因此在储能并网逆变器中得到广泛应用并得到了国内外学者的广泛研究。

在分布式发电系统中，电力电子变换器的稳定运行不仅取决于其自身的性能，电网条件也将对电力电子变换器的运行情况产生影响。随着大量太阳能、风能发电系统接入电网、电气化铁路、变频调速装置以及各类电力电子负荷的不断增加，都会导致电网电压波形发生畸变，使电网含有丰富的低频谐波。另外，大功率单相负载的接入、负荷在三相系统中的不均衡分配以及单相负载用电的随机性等因素，也会造成电网三相电压不对称。以上非理想的电网条件将对电力电子变换装置的正常运行产生严重影响，主要包括：1)畸变电网中的谐波分量会对电力电子变换器的输出电流造成谐波污染，影响电能质量。2)不对称的电网电压会向变换器输出电流中引入负序分量，使电流产生畸变，严重时甚至会造成过电流，烧毁功率器件，并引起并网设备非正常脱离电网。3)电网电压中负序分量以及谐波分量会引起电力电子变换器输出功率的脉动。

现有技术中，公布日期为2021年3月26日、公布号为CN112564149A的中国发明专利申请《一种中压直挂式储能系统及其在线冗余控制方法》提出的中压直挂式储能系统转换效率高，能满足大规模储能技术的快速发展需求；同时通过中压直挂式储能在线冗余模块的投入与切除，能够提高直挂式储能系统的可靠性；但是该文献并未解决电网电压中处于谐波污染时引起的级联储能变流器并网电流谐波含量高的问题以及当级联多电平储能变流器电池链节在运行过程中出现故障的问题。

发明内容

本发明的目的在于如何设计一种非理想电网下中压直挂不对称混合储能系统控制方法，以解决电网电压中处于谐波污染时引起的级联储能变流器并网电流谐波含量高的问题以及当级联多电平储能变流器电池链节在运行过程中出现故障的问题。

本发明是通过以下技术方案解决上述技术问题的：

非理想电网下中压直挂不对称混合储能系统控制方法，包括以下步骤：

S1、建立不对称混合储能系统数学模型；

S2、根据电池链节输出电压矢量以及系统输出电流矢量，分析不对称混合储能系统的稳定工作范围；

S3、根据不对称混合储能系统的稳定工作范围设计分相控制方法，实现不对称情况下各相的功率分配；所述的分相控制方法包括：电池链节的开环电压控制和电容链节的分相电流控制，两类链节并网逆变器通过相位计算实现协同工作；所述的电容链节的分相电流控制采用BP神经网络进行控制器参数设计。

本发明的方法提出了采用基于BP神经网络准比例积分谐振控制器的不对称混合储能系统的分相控制策略来对储能变流器的并网电流进行控制，通过建立不对称混合储能系统数学模型对储能系统稳定工作范围分析，设计出储能系统的分相控制策略，该控制策略既能快速有效的跟踪并网电流又能有效的抑制并网电流中的低次谐波，可以有效提高并网电流的电能质量。

作为本发明技术方案的进一步改进，步骤S1中所述的不对称混合储能系统数学模型为：

其中，

δ为

与

夹角，δ₁为

与

夹角，

为电网电压矢量，

为电池、电容链节的输出电压向量合成矢量，

为并网电流矢量，

与

分别为电池链节和电容链节的输出电压矢量，

为滤波电感电压矢量，V_r1与V_r2分别为电池链节和电容链节的输出电压矢量的幅值，V_s为电网电压幅值，

为电网电压相位，K和L分别为电池链节与电容链节调制比。

作为本发明技术方案的进一步改进，步骤S2中所述的电池链节输出电压矢量

的相位δ的范围为：

由此可得，电池链节输出电压矢量

的幅值V_r1以及电池链节调制比的范围为：

其中，

作为本发明技术方案的进一步改进，步骤S2中所述的系统输出电流矢量

的工作范围为：

其中，

当

时，此时系统输出电流矢量

的工作范围完全由电池链节和电网电压决定，容性模式与感性模式下工作范围相同，具体如下：

其中，

作为本发明技术方案的进一步改进，步骤S3中所述的相位计算的公式如下：

将采样所得电网电压v_s与电池链节开环指令v_r1代入，由正弦定理和余弦定理得到电容链节应输出电压的相位δ₁。此相位即为输出电流i_s相对于电容链节的有功分量i_{d_c}的相位，其滞后90°则为感性模式下相应的无功分量i_{q_c}的相位，超前90°则为容性模下i_{q_c}的相位。

作为本发明技术方案的进一步改进，步骤S3中所述的电池链节的开环电压控制的方法为：将电池链节被等效为电压源变换器负责输出全部的有功功率和部分无功功率，通过锁相环分别获取每相电网电压的相位，输入电池链节调制比和相对与电网的相位，得到电池链节的总输出电压调制波。

作为本发明技术方案的进一步改进，步骤S3中所述的电容链节的分相电流控制的方法包括：有功电流计算环节、无功电流计算环节和电网电压前馈环节；

所述的有功电流计算通过比例积分控制得到各相电容链节所需的有功电流参考幅值I*_{d_cm}；

所述的无功电流计算环节的无功电流参考幅值I*_{q_cm}直接通过系统期望的输出功率指令得到，具体如下：

所述的电网电压前馈环节用于计算得到电容链节总输出电压调制波v_r2。

作为本发明技术方案的进一步改进，步骤S3中所述的采用BP神经网络进行控制器参数设计包括两个部分：比例控制器与PR控制器+谐波控制器和神经网络参数调节器；神经网络输出层的各神经元的输出分别对应比例控制器与PR+HR控制器的4个参数K_p1，K_p2，K_r，K_r1；系统根据不对称混合级联储能变流器的实际输出电流、各相有功电流与无功电流参考值之和为输出电流参考值i_ref以及两者的误差和不对称混合级联储能变流器电容链节参考电压与实际采样电压作为BP神经网络的输入，然后BP神经网络通过正向传播和反向传播不断进行循环，调整各层神经元之间的权重系数ω_ij和ω_jl，从而实现对输出K_p1，K_p2，K_r，K_r1的在线调整，使得输出误差不断减小。

作为本发明技术方案的进一步改进，所述的输出误差定义为下式：

其中λ₁为并网电流调节能力权重系数，λ₂为电容链节电压调节能力权重系数，根据需要得到的不同控制效果来调节λ₁，λ₂的取值，如若需要得到较好的并网电流能力，则通过调大λ₁，调小λ₂来实现控制效果，通过调节权重系数来调节不同目标对应的调节能力权重，实现不同的控制效果，最后使得输出误差收敛为止。

作为本发明技术方案的进一步改进，所述的BP神经网络的结构包括：输入层、隐含层、输出层，所述的隐含层的激活函数取正负对称的tanh函数，又由于输出层的参数K_p1，K_p2，K_r，K_r1的值为非负，所以输出层的激活函数取非负的Sigmoid函数，因此，可得隐含层与输出层的激活函数如下式：

由此可得BP神经网络在线调整控制器参数的步骤如下：

①结合BP神经网络的结构，初始化各层的权值系数，选取惯性系数α和学习速率η；

②计算得到参考电流i_kref、采样得到实际输出电流i_k、参考电容电压

实际电容电压n_k·v_cap；

③将得到的参考电流i_kref、实际输出电流i_k、参考电容电压

实际电容电压n_k·v_cap作为输入层输入到神经网络中；

④经过输入层、隐含层的计算输出控制器参数；

⑤通过反向传播进行权值学习，不断的调整权值系数，对控制器的参数进行整定；

⑥进入下一个采样周期，返回步骤②。

本发明的优点在于：

本发明的方法提出了采用基于BP神经网络准比例积分谐振控制器的不对称混合储能系统的分相控制策略来对储能变流器的并网电流进行控制，通过建立不对称混合储能系统数学模型对储能系统稳定工作范围分析，设计出储能系统的分相控制策略，该控制策略既能快速有效的跟踪并网电流又能有效的抑制并网电流中的低次谐波，可以有效提高并网电流的电能质量。

附图说明

图1为本发明实施例的不对称混合储能系统结构图；

图2为本发明实施例的不对称混合储能系统等效简化模型示意图；

图3为本发明实施例的单相系统电压矢量关系示意图；

图4为本发明实施例的系统稳定工作区域示意图；

图5为本发明实施例的v_r1矢量分析图；

图6为本发明实施例的i_s矢量分析图；

图7为本发明实施例的控制系统总体结构图；

图8为本发明实施例的开环电压控制框图；

图9为本发明实施例的分相电流控制框图；

图10为本发明实施例的基于BP神经网络控制器参数整定控制结构图；

图11为本发明实施例的BP神经网络结构图；

图12为传统PR控制器下分相控制仿真波形图；

图13为本发明实施例的基于BP神经网络的PR-HR控制器下分相控制仿真图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，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作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。

下面结合说明书附图以及具体的实施例对本发明的技术方案作进一步描述：

实施例一

非理想电网下中压直挂不对称混合储能系统控制方法，包括以下步骤：

1、建立不对称混合储能系统数学模型

如图1所示为不对称三相混合储能系统结构，串联在电网A相中的电池链节数量为m_A、串联在电网B相中的电池链节数量为m_B、串联在电网C相中的电池链节数量为m_C，串联在电网A相中的电容链节数量为n_A、串联在电网B相中的电容链节数量为n_B、串联在电网C相中的电容链节数量为n_C，v_s为电网电压，i_sA、i_sB、i_sC分别为A相、B相、C相的并网电流，L为滤波电感，v_bat和v_cap分别为电池链节和电容链节直流侧电压，其额定电压均相等，在BMS故障发生前，各相的电池链节数量相等，各相的电容链节数量相等，即m_A＝m_B＝m_C，n_A＝n_B＝n_C；所述的电池链节包括一个单相全桥逆变器、单相全桥逆变器的直流侧并联一个电容、单相全桥逆变器的交流侧接电网；所述的电池链节包括一个单相全桥逆变器、电池模块、切换开关、电容，电容并联单相全桥逆变器的直流侧，电池模块通过切换开关连接在单相全桥逆变器的直流侧，单相全桥逆变器的交流侧接电网；发生不对称BMS故障后，通过切换开关切除电池链节直流侧的电池模块，故障的电池链节被转换为电容链节，此时每相的电池链节与电容链节数量均不相同，但每项的并网逆变器总数相等，即：

故障后的三相配置不同，各相不同链节并网逆变器间的功率分配情况亦不相同。不对称级联多电平拓扑可以被视为三个独立的单相系统分别进行控制。此外，由于对混合式系统的分析主要针对不同类型储能链节并网逆变器间的功率分配，因此在分析中可以假设同一类型的变换器链节并网逆变器完全相同。因此，对于含有多个链节并网逆变器的混合式储能系统，每相均可等效为由一个电池链节与一个电容链节级联而成。对每一类等效链节并网逆变器的直流侧进行整合，将链节并网逆变器的总直流侧电压控制与相内同一类链节并网逆变器之间的充放电均衡控制进行分层，使混合式系统的分析得以化简。对于稳定工作区域的分析均在此等效简化模型上进行，如图2所示，其中，M_A表示故障后的A相中的电池链节的数量之和，N_A表示故障后的A相中的电容链节的数量之和。

等效简化模型将不对称三相多链节并网逆变器的系统等效为三个单相两链节并网逆变器的系统，三相电池链节和电容链节具有不同的直流侧电压。对其中一单相系统进行分析，各电压间的矢量关系如图3所示。不同于电池链节，电容链节需保证直流侧电压不变，实现实时的有功功率平衡。因此在忽略开关损耗的情况下，

与

应保持垂直，由以上分析得到等效简化模型的公式如下：

其中，

δ为

与

夹角，δ₁为

与

夹角，

为电网电压矢量，

为电池、电容链节的输出电压向量合成矢量，

为并网电流矢量，

与

分别为电池链节和电容链节的输出电压矢量，

为滤波电感电压矢量，V_r1与V_r2分别为电池链节和电容链节的输出电压幅值，V_s为电网电压幅值，

为电网电压相位，K和L分别为电池链节与电容链节调制比。

2、储能系统稳定工作范围分析

混合储能系统能够四象限运行，但其输出范围不同于拥有完整四象限运行能力电池储能系统。为避免选取不合适的电压、电流指令导致各链节并网逆变器过调制，需对系统各相的稳定工作区域进行分析。如图4所示，C₁为电池链节的有效输出范围，C₃为电容链节与电感电压共同的有效输出范围。图中

矢量的终点即为

矢量的起点，定义该点为系统的工作点。当系统工作在P₁，P₂和P₃时，

或

超出了链节并网逆变器的有效输出范围，此时链节并网逆变器出现过调制，输出电压谐波增加，电能质量随之下降。为避免过调制，系统应工作在C₁和C₃的重叠区域。

感性模式下的工作范围与容性模式下的范围有所不同，如图4(b)所示，C₂为电容链节的有效输出范围。感性模式下

与

同方向，C₂被包含于C₃范围内。由式(1.2)可知

与

的幅值成正比，因此当电流由i_s1变为i_s2时，C₃范围随之缩小，此时P₂不在稳定工作区域内。因此感性模式下系统推荐工作在C₁与C₂的重叠区域，如P₁所示，其工作范围的不受

的幅值影响。容性模式下

与

反方向，C₂包含C₃，该模式下系统工作范围较感性模式下更小，且不可避免地受

的幅值影响。得到系统的稳定工作区域后，还需对

和

的工作范围进行分析。

2.1、电池链节输出电压矢量分析

感性模式下电池链节输出电压

的工作范围如图5所示，在图5(a)中，系统在P₁和P₂点工作时处于稳定工作区域的边界，δ分别到达工作范围的极限，由余弦定理可得式(2.1)，其中

为

和

的合成矢量。容性模式下的分析与感性模式类似，但由前文分析可知

取值不同。

其中，

确定

输出相位δ的范围后，其调制比K范围如图5(b)所示。系统工作在Q₁时处于电容链节过调制边界，在Q₂时处于电池链节过调制边界，

分别到达调制比K的极限。由余弦定理可得式(2.2)。

其中，

2.2、系统输出电流矢量分析

并网设备一般为电流源变换器，因此需对参考值

的取值范围进行分析。感性模式下输出电流i_s的工作范围如图6所示，根据

三者的幅值关系分为两种情况。忽略电容链节开关损耗，

需与

保持垂直以维持电容链节直流侧电压。当

时，如图6(a)所示，系统在C₁和C₃的交点P₁和P₂点工作时处于稳定工作区域的边界，

分别到达工作范围α的极限，由余弦定理可得式(2.3)。容性模式下的分析与感性模式类似。

其中，

当

时，如图6(b)所示，过

矢量终点作C₁的切线，切点为T₁和T₂。系统在T₁和T₂点工作时处于稳定工作区域的边界，

分别到达工作范围的极限，由余弦定理可得式(2.4)。此时系统输出电流范围α完全由电池链节和电网电压决定，容性模式与感性模式下工作范围相同。

其中，

3、储能系统的分相控制策略

3.1、开环电压与分相电流控制

通过矢量分析得到三相系统的工作范围后，设计合适的控制方法实现不对称情况下各相的功率分配。控制系统总体结构如图7所示，分为电池链节的开环电压控制和电容链节的分相电流控制，两类链节并网逆变器通过相位计算实现协同工作。

开环电压控制如图8所示，电池链节被等效为电压源变换器(Voltage SourceConverter，VSC)，负责输出全部的有功功率和部分无功功率。通过锁相环分别获取每相电网电压的相位，输入电池链节调制比和相对与电网的相位，得到电池链节的总输出电压调制波。

相位计算如式(3.1)所示，将采样所得电网电压v_s与电池链节开环指令v_r1代入，由正弦定理和余弦定理得到电容链节应输出电压的相位δ₁。此相位即为输出电流i_s相对于电容链节的有功分量i_{d_c}的相位，其滞后90°则为感性模式下相应的无功分量i_{q_c}的相位，超前90°则为容性模下i_{q_c}的相位。

分相电流控制如图9所示，分为有功电流计算，无功电流计算和电网电压前馈。将电池链节等效为电压源，则电容链节在三相链节并网逆变器对称状态下与级联多电平STATCOM具有相同的工作原理和控制方式。不对称故障发生后，由于三相电容链节总直流侧电压与开关损耗不同，用于补偿开关损耗的有功电流i_{d_c}也不同，因此需要用分相控制取代传统的dq解耦控制。有功电流通过比例积分(PI)控制得到各相电容链节所需的有功电流参考幅值I*_{d_cm}。由于设备的开关损耗相对于系统整体的功率输出可以忽略不计，i_{d_c}远远小于i_{q_c}，因此无功电流参考幅值I*_{q_cm}直接通过系统期望的输出功率指令得到，如式(3.2)所示。结合相位计算得到的有功和无功分量的相位，将直流参考值转换为交流参考值。各相有功电流与无功电流参考值之和为输出电流参考值i*_s，由于当电网处于谐波污染情况下时，传统的比例积分(PI)控制器与比例谐振控制器无法有效的抑制入网电流的低次谐波含量，因此本发明提出通过准比例谐振(PR)控制与谐波控制器相结合的方式不仅使系统输出电流能够有效的跟踪正弦参考信号，还能有效的抑制入网电流中的低次谐波含量，进一步的经过电网电压前馈环节得到电容链节总输出电压调制波v_r2。

3.2、基于BP神经网络的控制器参数设计

在分相电流控制中，其中有功电流控制环节中采用比例控制器来调节电容链节所需要的有功功率，各相有功电流与无功电流参考值之和得到输出电流参考值i*s与实际的采样电流比较经过PR-HR控制器使系统输出电流能够有效的跟踪正弦参考信号。尽管基于比例控制器的有功电流控制环节以及基于PR控制器与谐波控制器相结合的输出电流控制方式在一定程度上加快了系统的响应速度，抑制了电流的低次谐波含量，但大多数的控制器参数通常是根据经验给出的，即参数是固定的，但当电网参数波动时，固定的参数往往不能很好的满足系统的性能要求，因此本发明提出了基于BP神经网络自适应的控制器参数整定方法，本发明的方法将电容链结的有功电流控制环节的比例控制器参数与输出电流环节中的PR-HR控制器参数联合整定，通过在输出误差函数中引入权值系数来调节两部分的权重。

如图10所示，BP神经网络下控制器参数设计包括两个部分：比例控制器与PR控制器+谐波控制器和神经网络参数调节器。神经网络输出层的各神经元的输出分别对应比例控制器与PR+HR控制器的4个参数K_p1，K_p2，K_r，K_r1。系统根据不对称混合级联储能变流器的实际输出电流、各相有功电流与无功电流参考值之和为输出电流参考值i_ref以及两者的误差和不对称混合级联储能变流器电容链节参考电压与实际采样电压作为BP神经网络的输入，然后BP神经网络通过正向传播和反向传播不断进行循环，调整各层神经元之间的权重系数ω_ij和ω_jl，从而实现对输出K_p1，K_p2，K_r，K_r1的在线调整，使得输出误差不断减小，输出误差定义为下式：

其中λ₁为并网电流调节能力权重系数，λ₂为电容链节电压调节能力权重系数，可根据需要得到的不同控制效果来调节λ₁，λ₂的取值，如若需要得到较好的并网电流能力，则可通过适当调大λ₁，适当调小λ₂来实现控制效果。进一步的通过调节权重系数来调节不同目标对应的调节能力权重，实现不同的控制效果，最后使得输出误差收敛为止。

经过神经网络整定的控制器参数可以使系统运行在较为稳定的状态，进而可以提高电流的动态响应并在一定程度上降低并网电流的THD。

BP神经网络的具体结构如图11所示，i为输入层，j为隐含层，l为输出层。

本发明隐含层的激活函数取正负对称的tanh函数，又由于输出层的参数K_p1，K_p2，K_r，K_r1的值为非负，所以输出层的激活函数取非负的Sigmoid函数，因此，可得隐含层与输出层的激活函数如下式：

通过以上的叙述，BP神经网络在线调整控制器参数的步骤可以总结如下：

①结合BP神经网络的结构，初始化各层的权值系数，选取惯性系数α和学习速率η；

②计算得到参考电流i_kref、采样得到实际输出电流i_k、参考电容电压

实际电容电压n_k·v_cap；

③将得到的参考电流i_kref、实际输出电流i_k、参考电容电压

实际电容电压n_k·v_cap作为输入层输入到神经网络中；

④经过输入层、隐含层的计算输出控制器参数；

⑤通过反向传播进行权值学习，不断的调整权值系数，对控制器的参数进行整定；

⑥进入下一个采样周期，返回步骤②。

仿真分析

为了验证所提控制方法的有效性，搭建了基于MATLAB/SIMULINK的仿真模型，仿真模型采用三相两链节并网逆变器电路，仿真系统参数如表1所示。A相由20个电池链节和25个电容链节组成，B相由16个电池链节和29个电容链节组成,C相由12个电池链节和33个电容链节组成。

表1不对称级联多电平混合储能系统电路结构参数

仿真在感性模式下进行，并选用传统的PR控制器来与本发明提出的控制方法作为对照，仿真结果如图所示。

图12为传统PR控制器下分相控制仿真波形图，图13为采用本发明提出的控制方法的仿真波形图，由图12与图13的仿真波形图对比可以看出，采用本发明所提出的控制方法以及通过使用本发明提出的基于BP神经网络整定得到的控制器参数，不仅可以有效的抑制由电网电压引起的网侧电流中含有的5次与7次谐波分量，使网侧电流的THD降低到2.10％，还能使网侧电流的波形更接近于正弦化，进一步的改善了并网电流质量，由此可以看出本发明所提出的控制方法的有效性。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.非理想电网下中压直挂不对称混合储能系统控制方法，其特征在于，包括以下步骤：

S1、建立不对称混合储能系统数学模型；

S2、根据电池链节输出电压矢量以及系统输出电流矢量，分析不对称混合储能系统的稳定工作范围；

S3、根据不对称混合储能系统的稳定工作范围设计分相控制方法，实现不对称情况下各相的功率分配；所述的分相控制方法包括：电池链节的开环电压控制和电容链节的分相电流控制，两类链节并网逆变器通过相位计算实现协同工作；所述的电容链节的分相电流控制采用BP神经网络进行控制器参数设计。

2.根据权利要求1所述的非理想电网下中压直挂不对称混合储能系统控制方法，其特征在于，步骤S1中所述的不对称混合储能系统数学模型为：

其中，

δ为

与

夹角，δ₁为

与

夹角，

为电网电压矢量，

为电池、电容链节的输出电压向量合成矢量，

为并网电流矢量，

与

分别为电池链节和电容链节的输出电压矢量，

为滤波电感电压矢量，V_r1与V_r2分别为电池链节和电容链节的输出电压矢量的幅值，V_s为电网电压幅值，

为电网电压相位，K和L分别为电池链节与电容链节调制比。

3.根据权利要求2所述的非理想电网下中压直挂不对称混合储能系统控制方法，其特征在于，步骤S2中所述的电池链节输出电压矢量

的相位δ的范围为：

由此可得，电池链节输出电压矢量

的幅值V_r1以及电池链节调制比的范围为：

其中，

4.根据权利要求2所述的非理想电网下中压直挂不对称混合储能系统控制方法，其特征在于，步骤S2中所述的系统输出电流矢量

的工作范围为：

其中，

当

时，此时系统输出电流矢量

的工作范围完全由电池链节和电网电压决定，容性模式与感性模式下工作范围相同，具体如下：

其中，

5.根据权利要求2所述的非理想电网下中压直挂不对称混合储能系统控制方法，其特征在于，步骤S3中所述的相位计算的公式如下：

将采样所得电网电压v_s与电池链节开环指令v_r1代入，由正弦定理和余弦定理得到电容链节应输出电压的相位δ₁。此相位即为输出电流i_s相对于电容链节的有功分量i_{d_c}的相位，其滞后90°则为感性模式下相应的无功分量i_{q_c}的相位，超前90°则为容性模下i_{q_c}的相位。

6.根据权利要求5所述的非理想电网下中压直挂不对称混合储能系统控制方法，其特征在于，步骤S3中所述的电池链节的开环电压控制的方法为：将电池链节被等效为电压源变换器负责输出全部的有功功率和部分无功功率，通过锁相环分别获取每相电网电压的相位，输入电池链节调制比和相对与电网的相位，得到电池链节的总输出电压调制波。

7.根据权利要求6所述的非理想电网下中压直挂不对称混合储能系统控制方法，其特征在于，步骤S3中所述的电容链节的分相电流控制的方法包括：有功电流计算环节、无功电流计算环节和电网电压前馈环节；

所述的有功电流计算通过比例积分控制得到各相电容链节所需的有功电流参考幅值I*_{d_cm}；

所述的无功电流计算环节的无功电流参考幅值I*_{q_cm}直接通过系统期望的输出功率指令得到，具体如下：

所述的电网电压前馈环节用于计算得到电容链节总输出电压调制波v_r2。

8.根据权利要求7所述的非理想电网下中压直挂不对称混合储能系统控制方法，其特征在于，步骤S3中所述的采用BP神经网络进行控制器参数设计包括两个部分：比例控制器与PR控制器+谐波控制器和神经网络参数调节器；神经网络输出层的各神经元的输出分别对应比例控制器与PR+HR控制器的4个参数K_p1，K_p2，K_r，K_r1；系统根据不对称混合级联储能变流器的实际输出电流、各相有功电流与无功电流参考值之和为输出电流参考值i_ref以及两者的误差和不对称混合级联储能变流器电容链节参考电压与实际采样电压作为BP神经网络的输入，然后BP神经网络通过正向传播和反向传播不断进行循环，调整各层神经元之间的权重系数ω_ij和ω_jl，从而实现对输出K_p1，K_p2，K_r，K_r1的在线调整，使得输出误差不断减小。

9.根据权利要求8所述的非理想电网下中压直挂不对称混合储能系统控制方法，其特征在于，所述的输出误差定义为下式：

其中λ₁为并网电流调节能力权重系数，λ₂为电容链节电压调节能力权重系数，根据需要得到的不同控制效果来调节λ₁，λ₂的取值，如若需要得到较好的并网电流能力，则通过调大λ₁，调小λ₂来实现控制效果，通过调节权重系数来调节不同目标对应的调节能力权重，实现不同的控制效果，最后使得输出误差收敛为止。

10.根据权利要求9所述的非理想电网下中压直挂不对称混合储能系统控制方法，其特征在于，所述的BP神经网络的结构包括：输入层、隐含层、输出层，所述的隐含层的激活函数取正负对称的tanh函数，又由于输出层的参数K_p1，K_p2，K_r，K_r1的值为非负，所以输出层的激活函数取非负的Sigmoid函数，因此，可得隐含层与输出层的激活函数如下式：

由此可得BP神经网络在线调整控制器参数的步骤如下：

①结合BP神经网络的结构，初始化各层的权值系数，选取惯性系数α和学习速率η；

②计算得到参考电流i_kref、采样得到实际输出电流i_k、参考电容电压

实际电容电压n_k·v_cap；

③将得到的参考电流i_kref、实际输出电流i_k、参考电容电压

实际电容电压n_k·v_cap作为输入层输入到神经网络中；

④经过输入层、隐含层的计算输出控制器参数；

⑤通过反向传播进行权值学习，不断的调整权值系数，对控制器的参数进行整定；

⑥进入下一个采样周期，返回步骤②。

Images