CN114884162A - 一种适用于分布式储能型mmc的电池荷电状态预测优化控制方法 - Google Patents
一种适用于分布式储能型mmc的电池荷电状态预测优化控制方法 Download PDFInfo
- Publication number
- CN114884162A CN114884162A CN202210486531.0A CN202210486531A CN114884162A CN 114884162 A CN114884162 A CN 114884162A CN 202210486531 A CN202210486531 A CN 202210486531A CN 114884162 A CN114884162 A CN 114884162A
- Authority
- CN
- China
- Prior art keywords
- battery
- state
- model
- converter
- energy storage
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005457 optimization Methods 0.000 title claims abstract description 22
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims abstract description 7
- 229910052744 lithium Inorganic materials 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 26
- 230000002457 bidirectional effect Effects 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 10
- 238000007599 discharging Methods 0.000 claims description 9
- 239000003990 capacitor Substances 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 4
- 230000002441 reversible effect Effects 0.000 claims description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 230000010287 polarization Effects 0.000 claims description 2
- 238000011217 control strategy Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000016507 interphase Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
- H02J7/0014—Circuits for equalisation of charge between batteries
- H02J7/0019—Circuits for equalisation of charge between batteries using switched or multiplexed charge circuits
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
- H02M3/00—Conversion of dc power input into dc power output
- H02M3/02—Conversion of dc power input into dc power output without intermediate conversion into ac
- H02M3/04—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters
- H02M3/10—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode
- H02M3/145—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal
- H02M3/155—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Y02E60/60—Arrangements for transfer of electric power between AC networks or generators via a high voltage DC link [HVCD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种适用于分布式储能型MMC的电池荷电状态预测优化控制方法,建立分布式储能型MMC模型、锂电池模型以及DC‑DC变换器模型;根据所建立的模型,依次进行电流内环控制和功率外环控制;电流内环控制是根据模型预测优化控制手段,得到IGBT开关管T4占空比信号,通过IGBT开关管T4占空比调制准确追踪动态电流参考值;功率外环控制是针对分布式储能型MMC相间、桥臂间和子模块间电池荷电状态差异,建立离散时域预测功率模型,通过负反馈控制生成动态电流参考值。上述方法简单有效,易于模块化设计,能够实现高电平大容量分布式储能型MMC电池荷电状态均衡,并提高系统能量利用率。
Description
技术领域
本发明涉及特高压柔性直流输电技术领域,尤其涉及一种适用于分布式储能型模块化多电平换流器(Multilevel Modular Converter-Distrusted Energy Storage,MMC-DES)的电池荷电状态预测优化控制方法。
背景技术
目前,在能源变革和新能源消纳中,分布式储能技术与特高压直流输电相结合的分布式储能型MMC因其高电平大功率、储能能力强和外送能力强等显著优势,正以功率价值、容量价值和能量价值发挥作用。然而,由于制造工艺、电池状态等众多因素导致电池容量和等效电阻在投运时刻略有不同。随着系统运行时间的推移,循环充放电次数的增多,各电池性能以不同的速率退化,电池荷电状态差异也随之增大,且单个电池的容量和输出功率是有限的,若电池荷电状态不加以均衡控制,将导致部分电池过度放电或深度充电而退出运行,降低电池组的能量利用率。
针对电池荷电状态(State of Charge,SOC)极度不均衡问题,现有技术中提出采用差分电流直流分量控制或注入零序电压的相间SOC均衡控制,注入桥臂电流基频电流分量的桥臂间SOC均衡控制以及SOC排序、叠加各个交流电压分量或直流电压分量的子模块间SOC均衡控制,触发级控制则采用载波移相调制。然而在高电压大功率的直流输电系统中,随着电平数的增多,系统控制愈加复杂、波形调制困难,传统载波移相控制不再适用于大功率高电平场景。
发明内容
本发明的目的是提供一种适用于分布式储能型MMC的电池荷电状态预测优化控制方法,该方法简单有效,易于模块化设计,能够实现高电平大容量分布式储能型MMC电池荷电状态均衡,并提高系统能量利用率,同时还可以提高系统响应速度和抑制电池电流纹波。
本发明的目的是通过以下技术方案实现的:
一种适用于分布式储能型MMC的电池荷电状态预测优化控制方法,所述方法包括:
步骤1、建立分布式储能型MMC模型、锂电池模型以及DC-DC变换器模型;
步骤2、根据步骤1所建立的模型,依次进行电流内环控制和功率外环控制;
步骤3、电流内环控制是根据模型预测优化控制手段,得到IGBT开关管控制信号占空比的变化量,通过IGBT开关管T4占空比调制准确追踪动态电流参考值,实现电池荷电状态均衡控制以及系统快速动态响应;
步骤4、功率外环控制是针对分布式储能型MMC相间、桥臂间和子模块间电池荷电状态差异,建立离散时域预测功率模型,通过负反馈控制生成动态电流参考值。
由上述本发明提供的技术方案可以看出,上述方法简单有效,易于模块化设计,能够实现高电平大容量分布式储能型MMC电池荷电状态均衡,并提高系统能量利用率,同时还可以提高系统响应速度和抑制电池电流纹波。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施例提供的适用于分布式储能型MMC的电池荷电状态预测优化控制方法流程示意图;
图2为本发明实施例所述高电平大容量分布式储能型MMC系统拓扑结构图;
图3为本发明实施例中分布式储能型MMC系统子模块拓扑图;
图4为本发明实施例中锂电池等效模型电路图;
图5为本发明实施例中分布式储能型MMC系统控制策略示意图;
图6为本发明实施例中分布式储能型MMC系统SOC均衡波形示意图;
图7为不同工况下的两种不同控制策略下的电池电流波形对比图。
具体实施方式
下面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,这并不构成对本发明的限制。基于本发明的实施例,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,都属于本发明的保护范围。
如图1所示为本发明实施例提供的适用于分布式储能型MMC的电池荷电状态预测优化控制方法流程示意图,所述方法包括:
步骤1、建立分布式储能型MMC模型、锂电池模型以及DC-DC变换器模型:
在该步骤中,如图2所示为本发明实施例所述高电平大容量分布式储能型MMC系统拓扑结构图,如图3所示为本发明实施例中分布式储能型MMC系统子模块拓扑图,所建立的分布式储能型MMC模型采用电池经非隔离型双向DC-DC变换器并联于半桥子模块电容两端的拓扑结构,进而分析分布式储能型MMC的不同运行模式和运行工况;
如图4所示为本发明实施例中锂电池等效模型电路图,所述锂电池模型采用Shepherd模型,将电池充放电过程简化成可逆过程并化分为指数状态、额定工作状态和深度放电状态,电池等效模型由非线性受控电压源和等效内阻Rb串联而成,其端口输出电压ub为:
ub=Eb-ibRb (1)
电池开路电压Eb受电池电流ib和剩余容量影响,其控制方程表示为:
电池常数电压E0受电池初始状态和极化电压K随电池工作状态的改变而变化,由下式计算得到:
E0=Ef+K+Rbib-A1 (3)
其中,Ef为电池全电压;En为电池额定电压,单位为V;Qm为电池容量;Qt为电池额定状态终止容量,单位为Ah;A1、B1为充放电指数状态下的电压幅值和时间常数。
如图3所示,电池经非隔离型Buck/Boost双向DC-DC变换器并联于半桥子模块电容两端,所述DC-DC变换器模型根据图3的拓扑结构,选取电池电流ib和电容电压uc为状态变量x=[ib uc]T,占空比为输入矩阵d2,电池电流ub和流入子模块电流io为输入矩阵z=[ub io]T构建DC-DC变换器平均状态空间模型,表示为:
其中,C为子模块电容;Lb为储能电感;d2为IGBT开关管T4控制信号的占空比;
进而采用雅克比矩阵线性化法,在双向DC-DC变换器的平衡工作点处,即X=[IbUc]T,D2=D2,Z=[Ub Io]T对构建的DC-DC变换器平均状态空间模型进行线性化处理,得到双向DC-DC变换器的状态空间方程,反映其在平衡工作点附近的电池电流和电容电压的动态特性,表示为:
式中:
其中,A为状态矩阵;B、E为输入矩阵;X、D2、Z为双向DC-DC变换器的平衡点处参数矩阵;
模型预测控制是利用系统模型当前k时刻状态预测k+1时刻控制量的在线时域优化控制方法,为得到DC-DC变换器的离散时域状态空间模型,采用前向欧拉法对式(6)进行离散化,得到DC-DC变换器的离散模型为:
其中,离散状态矩阵Ad=I+ATs;离散输入矩阵Bd=BTs;离散输入矩阵Ed=ETs;状态矩阵C=[10],I为2×2的单位矩阵;Ts为采样频率;x(k+1)为k+1时刻的状态向量;Y(k+1)为k+1时刻的输出向量;
为减小电池电流纹波以及提高系统控制精度和稳定性,将模型预测表示为以IGBT开关管控制信号占空比d2的变化量Δd2为控制变量的离散时域状态空间方程,表示为:
步骤2、根据步骤1所建立的模型,依次进行电流内环控制和功率外环控制;
步骤3、电流内环控制是根据模型预测优化控制手段,得到IGBT开关管控制信号占空比的变化量,通过IGBT开关管T4占空比调制准确追踪动态电流参考值,实现电池荷电状态均衡控制以及系统快速动态响应;
在该步骤中,具体是根据DC-DC变换器离散时域状态空间方程,构造以动态电流参考值与预测输出的差值为目标函数以及相应的约束条件,通过二次规划求解k时刻IGBT开关管T4占空比变化量,通过IGBT开关管T4占空比调制准确追踪动态电流参考值,实现电池SOC均衡提高电池系统能量利用率的同时提高系统响应速度以及抑制电池电流纹波,其中:
所构造的目标函数以及相应的约束条件为:
其中,Ibmax为电池输出最大功率对应电流;ibref为电池电流参考值;Q为误差加权系数,影响系统的响应速度;R为控制加权系数,影响电池电流纹波幅值变化,即可通过调节加权系数权衡系统动态响应速度与系统稳定性能;
将DC-DC变换器控制问题转化为二次规划问题进行求解,通过式(8)计算可得输出向量Y=ib(k+1),输出向量参考值Yref=ibref;
J=(Y-Yref)TQ(Y-Yref)+(Δd2)TR(Δd2) (10)
式(10)进一步简化得到二次规划标准型,如下式(11):
J=(Δd2)TH(Δd2)+2(Δd2)TG+P (11)
其中,Hessian矩阵H=(CBd)TQ(CBd)+R;Jacobi矩阵G=(CBd)TQ(CM-Yref);
P=(CM-Yref)TQ(CM-Yref);M=Ax(k)+Bdd2(k-1)+Edz(k)-AdX-BdD2-EdZ;
求解得到IGBT开关管T4控制信号占空比的变化量Δd2以及占空比d2,如下式(12),进而通过占空比调制准确追踪动态电流参考值
d2(k)=d2(k-1)+Δd2(k) (12)。
步骤4、功率外环控制是针对分布式储能型MMC相间、桥臂间和子模块间电池荷电状态差异,建立离散时域预测功率模型,通过负反馈控制生成动态电流参考值。
在该步骤中,针对分布式储能型MMC相间、桥臂间和子模块间电池荷电状态差异,应用梯形积分法离散不同时刻电池的荷电状态方程,建立相间、桥臂间和子模块间的离散时域预测功率模型,进而通过负反馈控制生成双向DC-DC变换器的动态电流参考值,其中:
由于制造工艺、循环充放电次数不同和老化程度不同等原因导致电池普遍存在不一致性,即使充放电电流大小相同,各电池SOC也会受到众多因素的影响导致差异增大。安时积分法是目前工程中估算SOC最广泛使用的方式,通过计算电池在充放电时间内累积或消耗的电量,进而估算电池可用电量的百分比。
首先定义j相k桥臂第i个子模块中的电池在tk时刻的荷电状态SOCjki为:
预测tk时刻,j相k桥臂各电池SOCjki均衡到相同,可得:
其中,SOCjki(t0)为t0时刻各电池荷电状态;Qr为电池剩余电量;ib,jki为电池充放电电流;Pb,jki为电池充放电功率,k1为电池的特性参数;
应用梯形积分法对式(14)进行离散化处理,可得到tk时刻子模块电池的功率预测值Pb,jki(tk),表示为:
在一个采样周期Δt中,电池系统输出总功率变化相对较小,可认为Pb(t+Δt)=Pb(t),因此t+Δt时刻j相电池的功率预测值Pb,j(t+Δt)以及j相k桥臂电池功率预测值Pb,jk(t+Δt)可改写为:
其中,Pb,jki(t+Δt)为电池功率预测值;Pb,jki(t)为电池输出功率测量值;Pb,jk(t)为桥臂电池输出总功率测量值;Pb,jk(t)桥臂电池输出总功率测量值;Δt为采样时间;SOCj(t)为各相2N个电池荷电状态测量值;SOCave,j(t)为各相电池荷电状态平均值;SOCave,jk(t)为桥臂电池荷电状态平均值;Pb,j(t)为各相相电池输出功率测量值,Pb(t)为电池系统输出总功率测量值,k3、k4分别为桥臂电池和相电池特性参数,由电池性能决定;
根据式(16)和式(17)可将式(15)等效为式(18),表示为:
由式(16)、式(17)和式(18)组成分布式储能型MMC电池SOC离散时域预测功率模型和非隔离型双向DC-DC变换器动态功率参考值,然后通过负反馈控制生成双向DC-DC变换器的动态电流参考值ib,jkiref,如图5所示为本发明实施例中分布式储能型MMC系统控制策略示意图,即:
其中,kp为比例调节系数;ki为积分调节系数。
综上所述,本发明实施例所述电池荷电状态预测优化控制方法是一种根据双向DC-DC变换器参数、当前时刻系统荷电状态、电压电流采样信息和动态电流参考值对下一时刻的电池电流进行有限时间预测,跟踪动态电流参考值,并对其进行采集、更新,利用实时信息对占空比信号进行修正、重新优化的控制策略。相对于比例积分控制,本申请控制策略参数容易调节且不存在跟踪积分误差等问题,能够提高系统动态响应速度以及稳定性能,将电池荷电状态均衡到趋于一致,同时能够抑制电池电流纹波。
在实际均衡过程中,MMC-DES系统运行工况会随着功率波动而发生改变,其电池充放电功率以及荷电状态也会随系统运行的改变而发生变化。举例来说,如图6所示为本发明实施例中分布式储能型MMC系统SOC均衡波形示意图,在2s时功率开始发生波动,在2s到7s时功率由16MW逐渐上升为17.6MW,在7s到17s功率由17.6MW下降至14.4MW,在17s到22s功率在14.4MW到16MW之间变化,22s后功率不在发生波动。在功率波动发生波动时,动态功率参考值跟随功率的变化做出相对应的调整,随着均衡的进行,相间、桥臂间以及子模块间电池SOC误差均值分别为0.0003%、0.13%、0.026%。由此可知,所提的预测功率模型在功率波动时实现电池SOC均衡上有着良好的性能。
在运行过程中,MMC-DES系统运行工况会随着功率波动、SOC均衡等众多因素而发生改变,其电池电流也会随系统工况变化而变化。如图7所示为不同工况下的两种不同控制策略下的电池电流波形对比图,两种不同控制策略下的电池电流波形对比图。图7(a)为电池电流特性随系统工况发生阶跃时,两种不同控制策略下的电池电流波形对比图。由图7(a)可以看出:电池电流在充、放电时发生阶跃变化,两种控制均能使电池电流达到期望值。电池在充电时,预测优化控制响应时间为2ms,而比例积分控制的调节时间约为81ms。电池在放电时,预测优化控制响应时间几乎为0,而比例积分控制的调节时间约为88ms。
图7(b)为电池启动过程的波形图,由图7(b)可以看出:0.16s时电池启动,控制电池电流为0A,预测优化控制超调量为7.182A,而比例积分控制超调量为22.55A。预测优化控制的调节时间为279.5ms,而比例积分控制的调节时间约为405.2ms。
对比分析图7(a)、(b),两种控制策略下的电池电流,本申请预测优化控制下的电池电流纹波明显小于现有技术比例积分控制下的电池电流纹波。
由此可得,本申请所提出的电池荷电状态预测优化控制方法不仅能够快速响应,同时也能抑制电池电流纹波,其控制效果优于传统比例积分控制策略。
值得注意的是,本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。本文背景技术部分公开的信息仅仅旨在加深对本发明的总体背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
Claims (4)
1.一种适用于分布式储能型MMC的电池荷电状态预测优化控制方法,其特征在于,所述方法包括:
步骤1、建立分布式储能型MMC模型、锂电池模型以及DC-DC变换器模型;
步骤2、根据步骤1所建立的模型,依次进行电流内环控制和功率外环控制;
步骤3、电流内环控制是根据模型预测优化控制手段,得到IGBT开关管控制信号占空比的变化量,通过IGBT开关管T4占空比调制准确追踪动态电流参考值,实现电池荷电状态均衡控制以及系统快速动态响应;
步骤4、功率外环控制是针对分布式储能型MMC相间、桥臂间和子模块间电池荷电状态差异,建立离散时域预测功率模型,通过负反馈控制生成动态电流参考值。
2.根据权利要求1所述适用于分布式储能型MMC的电池荷电状态预测优化控制方法,其特征在于,在步骤1中,所建立的分布式储能型MMC模型采用电池经非隔离型双向DC-DC变换器并联于半桥子模块电容两端的拓扑结构,进而分析分布式储能型MMC的不同运行模式和运行工况;
所述锂电池模型采用Shepherd模型,将电池充放电过程简化成可逆过程并化分为指数状态、额定工作状态和深度放电状态,电池等效模型由非线性受控电压源和等效内阻Rb串联而成,其端口输出电压ub为:
ub=Eb-ibRb (1)
电池开路电压Eb受电池电流ib和剩余容量影响,其控制方程表示为:
电池常数电压E0受电池初始状态和极化电压K随电池工作状态的改变而变化,由下式计算得到:
E0=Ef+K+Rbib-A1 (3)
其中,Ef为电池全电压;En为电池额定电压,单位为V;Qm为电池容量;Qt为电池额定状态终止容量,单位为Ah;A1、B1为充放电指数状态下的电压幅值和时间常数;
所述DC-DC变换器模型根据非隔离型Buck/Boost双向DC-DC变换器的拓扑结构,选取电池电流ib和电容电压uc为状态变量x=[ib uc]T,占空比为输入矩阵d2,电池电流ub和流入子模块电流io为输入矩阵z=[ub io]T构建DC-DC变换器平均状态空间模型,表示为:
其中,C为子模块电容;Lb为储能电感;d2为IGBT开关管T4控制信号的占空比;
进而采用雅克比矩阵线性化法,在双向DC-DC变换器的平衡工作点处,即X=[IbUc]T,D2=D2,Z=[Ub Io]T对构建的DC-DC变换器平均状态空间模型进行线性化处理,得到双向DC-DC变换器的状态空间方程,反映其在平衡工作点附近的电池电流和电容电压的动态特性,表示为:
式中:
其中,A为状态矩阵;B、E为输入矩阵;X、D2、Z为双向DC-DC变换器的平衡点处参数矩阵;
模型预测控制是利用系统模型当前k时刻状态预测k+1时刻控制量的在线时域优化控制方法,为得到DC-DC变换器的离散时域状态空间模型,采用前向欧拉法对式(6)进行离散化,得到DC-DC变换器的离散模型为:
其中,离散状态矩阵Ad=I+ATs;离散输入矩阵Bd=BTs;离散输入矩阵Ed=ETs;状态矩阵C=[1 0],I为2×2的单位矩阵;Ts为采样频率;x(k+1)为k+1时刻的状态向量;Y(k+1)为k+1时刻的输出向量;
为减小电池电流纹波以及提高系统控制精度和稳定性,将模型预测表示为以IGBT开关管控制信号占空比d2的变化量Δd2为控制变量的离散时域状态空间方程,表示为:
3.根据权利要求2所述适用于分布式储能型MMC的电池荷电状态预测优化控制方法,其特征在于,所述步骤3的过程具体为:
根据DC-DC变换器离散时域状态空间方程,构造以动态电流参考值与预测输出的差值为目标函数以及相应的约束条件,通过二次规划求解k时刻IGBT开关管T4占空比变化量,通过IGBT开关管T4占空比调制准确追踪动态电流参考值,实现电池SOC均衡提高电池系统能量利用率的同时提高系统响应速度以及抑制电池电流纹波,其中:
所构造的目标函数以及相应的约束条件为:
其中,Ibmax为电池输出最大功率对应电流;ibref为电池电流参考值;Q为误差加权系数,影响系统的响应速度;R为控制加权系数,影响电池电流纹波幅值变化,即可通过调节加权系数权衡系统动态响应速度与系统稳定性能;
将DC-DC变换器控制问题转化为二次规划问题进行求解,通过式(8)计算可得输出向量Y=ib(k+1),输出向量参考值Yref=ibref;
J=(Y-Yref)TQ(Y-Yref)+(Δd2)TR(Δd2) (10)
式(10)进一步简化得到二次规划标准型,如下式(11):
J=(Δd2)TH(Δd2)+2(Δd2)TG+P (11)
其中,Hessian矩阵H=(CBd)TQ(CBd)+R;Jacobi矩阵G=(CBd)TQ(CM-Yref);
P=(CM-Yref)TQ(CM-Yref);M=Ax(k)+Bdd2(k-1)+Edz(k)-AdX-BdD2-EdZ;
求解得到IGBT开关管T4控制信号占空比的变化量Δd2以及占空比d2,如下式(12),进而通过占空比调制准确追踪动态电流参考值:
d2(k)=d2(k-1)+Δd2(k) (12)。
4.根据权利要求2所述适用于分布式储能型MMC的电池荷电状态预测优化控制方法,其特征在于,所述步骤4的过程具体为:
针对分布式储能型MMC相间、桥臂间和子模块间电池荷电状态差异,应用梯形积分法离散不同时刻电池的荷电状态方程,建立相间、桥臂间和子模块间的离散时域预测功率模型,进而通过负反馈控制生成双向DC-DC变换器的动态电流参考值,其中:
首先定义j相k桥臂第i个子模块中的电池在tk时刻的荷电状态SOCjki为:
预测tk时刻,j相k桥臂各电池SOCjki均衡到相同,可得:
其中,SOCjki(t0)为t0时刻各电池荷电状态;Qr为电池剩余电量;ib,jki为电池充放电电流;Pb,jki为电池充放电功率,k1为电池的特性参数;
应用梯形积分法对式(14)进行离散化处理,可得到tk时刻子模块电池的功率预测值Pb,jki(tk),表示为:
在一个采样周期Δt中,电池系统输出总功率变化相对较小,可认为Pb(t+Δt)=Pb(t),因此t+Δt时刻j相电池的功率预测值Pb,j(t+Δt)以及j相k桥臂电池功率预测值Pb,jk(t+Δt)可改写为:
其中,Pb,jki(t+Δt)为电池功率预测值;Pb,jki(t)为电池输出功率测量值;Pb,jk(t)为桥臂电池输出总功率测量值;Pb,jk(t)桥臂电池输出总功率测量值;Δt为采样时间;SOCj(t)为各相2N个电池荷电状态测量值;SOCave,j(t)为各相电池荷电状态平均值;SOCave,jk(t)为桥臂电池荷电状态平均值;Pb,j(t)为各相相电池输出功率测量值,Pb(t)为电池系统输出总功率测量值,k3、k4分别为桥臂电池和相电池特性参数,由电池性能决定;
根据式(16)和式(17)可将式(15)等效为式(18),表示为:
由式(16)、式(17)和式(18)组成分布式储能型MMC电池SOC离散时域预测功率模型和非隔离型双向DC-DC变换器动态功率参考值,然后通过负反馈控制生成双向DC-DC变换器的动态电流参考值ib,jkiref,即:
其中,kp为比例调节系数;ki为积分调节系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210486531.0A CN114884162A (zh) | 2022-05-06 | 2022-05-06 | 一种适用于分布式储能型mmc的电池荷电状态预测优化控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210486531.0A CN114884162A (zh) | 2022-05-06 | 2022-05-06 | 一种适用于分布式储能型mmc的电池荷电状态预测优化控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114884162A true CN114884162A (zh) | 2022-08-09 |
Family
ID=82674357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210486531.0A Pending CN114884162A (zh) | 2022-05-06 | 2022-05-06 | 一种适用于分布式储能型mmc的电池荷电状态预测优化控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114884162A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115663974A (zh) * | 2022-11-21 | 2023-01-31 | 宁波芯合为一电子科技有限公司 | 一种移动储能式脉冲焊接电源的控制方法及装置 |
CN117639009A (zh) * | 2023-11-07 | 2024-03-01 | 华南理工大学 | 基于电容电压修正的储能型mmc荷电状态均衡方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103647310A (zh) * | 2013-11-20 | 2014-03-19 | 上海交通大学 | 增减模块实现mmc电池储能系统相内soc均衡的方法 |
CN110674611A (zh) * | 2019-09-20 | 2020-01-10 | 全球能源互联网集团有限公司 | 一种锂电池储能型mmc的等效仿真方法 |
CN112994432A (zh) * | 2021-03-05 | 2021-06-18 | 南京师范大学 | 一种用于mmdct的模型预测控制方法 |
CN113673099A (zh) * | 2021-08-16 | 2021-11-19 | 华北电力大学 | 一种基于模态划分的有源型mmc时域解析建模方法 |
CN114362226A (zh) * | 2022-01-06 | 2022-04-15 | 华北电力大学 | 一种复杂工况下分布式储能型mmc电池荷电状态三级均衡控制策略 |
-
2022
- 2022-05-06 CN CN202210486531.0A patent/CN114884162A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103647310A (zh) * | 2013-11-20 | 2014-03-19 | 上海交通大学 | 增减模块实现mmc电池储能系统相内soc均衡的方法 |
CN110674611A (zh) * | 2019-09-20 | 2020-01-10 | 全球能源互联网集团有限公司 | 一种锂电池储能型mmc的等效仿真方法 |
CN112994432A (zh) * | 2021-03-05 | 2021-06-18 | 南京师范大学 | 一种用于mmdct的模型预测控制方法 |
CN113673099A (zh) * | 2021-08-16 | 2021-11-19 | 华北电力大学 | 一种基于模态划分的有源型mmc时域解析建模方法 |
CN114362226A (zh) * | 2022-01-06 | 2022-04-15 | 华北电力大学 | 一种复杂工况下分布式储能型mmc电池荷电状态三级均衡控制策略 |
Non-Patent Citations (1)
Title |
---|
王祯等: "基于连续控制集模型预测控制的MMC桥臂电流控制策略", 《电力系统自动化》, 31 December 2020 (2020-12-31), pages 85 - 91 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115663974A (zh) * | 2022-11-21 | 2023-01-31 | 宁波芯合为一电子科技有限公司 | 一种移动储能式脉冲焊接电源的控制方法及装置 |
CN117639009A (zh) * | 2023-11-07 | 2024-03-01 | 华南理工大学 | 基于电容电压修正的储能型mmc荷电状态均衡方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Turksoy et al. | A comprehensive overview of the dc-dc converter-based battery charge balancing methods in electric vehicles | |
CN114884162A (zh) | 一种适用于分布式储能型mmc的电池荷电状态预测优化控制方法 | |
CN107576918B (zh) | 锂电池的剩余电量的估算方法及系统 | |
CN102565716B (zh) | 用于计算二次电池的残余容量的设备 | |
CN105048484B (zh) | 模块化多电平电池储能系统的电池健康状态优化控制方法 | |
CN109921504B (zh) | 车载混合储能系统及其非线性鲁棒自适应功率控制方法 | |
CN110061531B (zh) | 储能电池的均衡方法 | |
CN109378875B (zh) | 退役动力电池模块间的soc均衡系统及其控制方法 | |
CN105226744A (zh) | 一种基于soc的动力电池组均衡充放电控制方法及系统 | |
CN110303945B (zh) | 一种蓄电池组电量自适应优化平衡控制方法 | |
CN113659558A (zh) | 一种基于多步模型预测的直流微电网混合储能系统控制方法 | |
CN114696412B (zh) | 电池储能系统soc均衡控制系统、方法、装置及存储介质 | |
CN112152280A (zh) | 一种动力电池多变量均衡控制方法 | |
Wang et al. | Adaptive charging strategy with temperature rise mitigation and cycle life extension for Li-ion batteries | |
JP7440105B2 (ja) | 動的に調整されたバッテリー電圧しきい値を用いて充電モードを切り換えるバッテリー充電システム及び方法 | |
Li et al. | Increasing energy utilization of battery energy storage via active multivariable fusion-driven balancing | |
CN114362529A (zh) | 用于直流微电网储能双向dc/dc变换器的控制方法 | |
CN111762059B (zh) | 一种考虑电池充放电工况的多变量融合电池组的均衡方法 | |
CN117895611A (zh) | 基于模糊预测控制算法的电池均衡控制方法及系统 | |
CN116368707A (zh) | 智能电池管理系统和方法 | |
JP7000033B2 (ja) | 複合蓄電システム | |
CN116718920B (zh) | 基于rnn优化扩展卡尔曼滤波的锂电池soc估算方法 | |
Li et al. | A novel state of charge estimation for energy storage systems based on the joint NARX network and filter algorithm | |
CN115912323A (zh) | 面向直流微电网暂态性能提升的混合储能控制方法和装置 | |
CN115208026A (zh) | 一种电池组间源荷分离的主动能量均衡方法 |
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 |