CN116191507A - 一种超级电容器双闭环模糊pi控制方法 - Google Patents

一种超级电容器双闭环模糊pi控制方法 Download PDF

Info

Publication number
CN116191507A
CN116191507A CN202211666369.7A CN202211666369A CN116191507A CN 116191507 A CN116191507 A CN 116191507A CN 202211666369 A CN202211666369 A CN 202211666369A CN 116191507 A CN116191507 A CN 116191507A
Authority
CN
China
Prior art keywords
fuzzy
energy storage
charge
soc
power
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
Application number
CN202211666369.7A
Other languages
English (en)
Inventor
褚晓红
汪洋
仇前生
陈彦斌
葛愿
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.)
Anhui Polytechnic University
Wuhu Power Supply Co of State Grid Anhui Electric Power Co Ltd
Original Assignee
Anhui Polytechnic University
Wuhu Power Supply Co of State Grid Anhui Electric Power Co Ltd
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 Anhui Polytechnic University, Wuhu Power Supply Co of State Grid Anhui Electric Power Co Ltd filed Critical Anhui Polytechnic University
Priority to CN202211666369.7A priority Critical patent/CN116191507A/zh
Publication of CN116191507A publication Critical patent/CN116191507A/zh
Pending legal-status Critical Current

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
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B11/00—Automatic controllers
    • G05B11/01—Automatic controllers electric
    • G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
    • G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及微网储能系统配置优化技术领域，尤其涉及一种超级电容器双闭环模糊PI控制方法，通过在双重低通滤波器前引入预测功率算法，提高混合储能系统瞬态响应性能，且针对超级电容提出一种基于北方苍鹰算法的模糊双闭环PI控制，该控制策略，利用改进后的北方苍鹰算法计算SOC目标函数，在目标函数的基础上，引入模糊算法，以提高超级电容储能的消纳能力，响应速度，延长蓄电池使用寿命，提高微电网系统的功能稳定性。

Description

一种超级电容器双闭环模糊PI控制方法
技术领域
本发明涉及微网储能系统配置优化技术领域，尤其涉及一种超级电容器双闭环模糊PI控制方法。
背景技术
随着化石能源的日益枯竭，以风力和光伏为主的分布式能源(Distributedenergy resources，DER)发电方式成为研究热点之一，但发电单元受发电环境限制较多，输出功率随机性、波动性和间断性较大，导致分布式能源接入微电网时供能效率较低，降低了微电网系统的供能稳定性和电能质量。随着储能技术的不断发展，利用储能元件的功率吞吐作用，能够有效改善DER并网导致的功率波动问题，但采用传统单一的储能元件局限性较高，无法解决功率波动较大时对电网的冲击，尤其是超级电容器的瞬态响应效率较低，导致储能系统无法解决非线性稳定的问题。
发明内容
有鉴于此，本发明的目的在于提出一种超级电容器双闭环模糊PI控制方法，以解决储能系统非线性稳定的问题。
基于上述目的，本发明提供了一种超级电容器双闭环模糊PI控制方法，包括：
步骤一、初始化北方苍鹰算法的参数和种群；
步骤二、确定混合储能系统功率分配目标函数以及约束条件并进行计算，计算过程为在北方苍鹰算法求解目标函数的基础上，根据模糊算法优化PI控制，利用模糊规则，解决非线性问题，延长混合储能系统循环使用寿命，提高系统稳定性；
步骤三、采用北方苍鹰算法选择、攻击、追捕猎物，不断更新位置信息；
步骤四、判断是否达到迭代条件，若满足条件，则将目前的最优解信息保存，否则返回步骤三；
步骤五、判断是否满足终止条件，若满足则输出最优解，否则返回步骤三。
优选地，初始化北方苍鹰算法的参数和种群包括：
设置北方苍鹰种群规模为200，最大迭代次数N为400，并令迭代次数i＝0。
优选地，混合储能功率分配目标函数为
当分布式发电单元输出功率小于负载需求功率时，即当Pder(t)＜Pload(t)，
Figure SMS_1
当分布式发电单元输出功率大于负载需求功率时，即当Pder(t)＞Pload(t)，
Figure SMS_2
其中，F为目标函数；
Figure SMS_3
为蓄电池-超级电容器储能系统的最大储能容量；T为控制指令时间常数；
Figure SMS_4
为蓄电池-超级电容器储能系统的输出功率；
目标函数的约束条件包括能量守恒约束、SOC荷电状态约束、最大功率约束、功率波动约束和储能装置充放电次数约束。
优选地，目标函数的约束条件具体为：
能量守恒约束符合Pload＝PDER(t)+PHESS(t)，即发电单元的总输出功与混合储能系统输出功率应等于负载端所需功率；
SOC荷电状态约束符合
SOCBa-Min≤SOCBa(t)≤SOCBa-Max
SOCSc-Min≤SOCSc(t)≤SOCSc-Max
式中，SOCBa-Min为蓄电池最小荷电状态；SOCBa-Max为蓄电池最大荷电状态；SOCBa(t)为蓄电池t时刻荷电状态；SOCSc-Min为超级电容器最小荷电状态；SOCSc-Max为超级电容器最大荷电状态；SOCSc(t)为超级电容器t时刻荷电状态；
最大功率约束为
Figure SMS_5
式中：PHESS(t)为t时刻混合储能系统输出功率；PHESS,max-re为混合储能系统放电输出功率；PHESS,max-as为混合储能系统充电吸收功率；
功率波动约束为α≤αmax，其中α为实际功率波动；αmax为系统允许最大功率波动；
储能装置充放电次数约束为Nba≤N0，式中，Nba为蓄电池经过混合储能系统的控制策略后的充放电次数；N0为蓄电池标准的充放电次数。
优选地，计算混合储能系统功率分配目标函数的过程包括：
混合储能系统模糊设计；
模糊控制器将输入的误差变量e与误差变化率ec进行模糊调节后，输入到PI控制器中，成为PI控制器的参考值，PI控制器增量式为
Figure SMS_6
式中，Ki为实时积分系数；
Figure SMS_7
为(i-1)时刻的积分系数；ΔKi为修正积分系数；Kp为实时比例系数；
Figure SMS_8
为上一时刻比例系数；ΔKP为比例修正系数；
得到PI控制器的电压修正系数为
Δu(k)＝u(k)-u(k-1)＝Kp[e(k)-e(k-1)]+Kie(k)。
优选地，混合储能系统模糊设计包括：
输入量模糊化，混合储能系统将电压差值U和变化幅值E作为输入量，并进行模糊化，将电压差值U的范围[-48,48]转化为{NB,NM,NS,ZO,PS,PM,PB}的模糊集，变化幅值E的范围[-4.8,4.8]转化为{NB,NM,NS,ZO,PS,PM,PB}模糊集，模糊集分别代表[负大、负中、负小、零、正小、正中、正大]，电压差值与变化幅值的论域为[-6,6]；
确定模糊规则表；
模糊化推理，公式为
Figure SMS_9
Figure SMS_10
式中，R为模糊控制规则，
Figure SMS_11
为模糊推理中的合成算法，
Figure SMS_12
为系统输入矩阵，
Figure SMS_13
为总模糊关系；
去模糊化，运算规则为
Figure SMS_14
其中，ucen为面积中心横坐标；A(u)为模糊隶属函数。
本发明的有益效果：本发明在双重低通滤波器前引入预测功率算法，提高混合储能系统瞬态响应性能，且针对超级电容提出一种基于北方苍鹰算法的模糊双闭环PI控制，该控制策略，利用改进后的北方苍鹰算法计算SOC目标函数，在目标函数的基础上，引入模糊算法，以提高超级电容储能的消纳能力，响应速度，延长蓄电池使用寿命，提高微电网系统的功能稳定性。
附图说明
为了更清楚地说明本发明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，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，还可以根据这些附图获得其他的附图。
图1为本发明实施例的北方苍鹰算法求解目标函数流程图；
图2为本发明实施例的模糊PI控制原理图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本发明进一步详细说明。
需要说明的是，除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
如图1、图2所示，本说明书实施例提供一种超级电容器双闭环模糊PI控制方法，包括以下步骤：
步骤一、初始化北方苍鹰算法的参数和种群；
步骤二、确定混合储能系统功率分配目标函数以及约束条件并进行计算，计算过程为在北方苍鹰算法求解目标函数的基础上，根据模糊算法优化PI控制，利用模糊规则，解决非线性问题，延长混合储能系统循环使用寿命，提高系统稳定性；
步骤三、采用北方苍鹰算法选择、攻击、追捕猎物，不断更新位置信息；
步骤四、判断是否达到迭代条件，若满足条件，则将目前的最优解信息保存，否则返回步骤三；
步骤五、判断是否满足终止条件，若满足则输出最优解，否则返回步骤三。
通过在双重低通滤波器前引入预测功率算法，提高混合储能系统瞬态响应性能，且针对超级电容提出一种基于北方苍鹰算法的模糊双闭环PI控制，该控制策略，利用改进后的北方苍鹰算法计算SOC目标函数，在目标函数的基础上，引入模糊算法，以提高超级电容储能的消纳能力，响应速度，延长蓄电池使用寿命，提高微电网系统的功能稳定性。
作为一种实施方式，混合储能系统功率分配目标函数如下；
当Pder(t)＜Pload(t)——分布式发电单元输出功率小于负载需求功率时，
Figure SMS_15
当Pder(t)＞Pload(t)——分布式发电单元输出功率大于负载需求功率时；
Figure SMS_16
其中，F为目标函数；
Figure SMS_17
为蓄电池-超级电容器储能系统的最大储能容量；T为控制指令时间常数；
Figure SMS_18
为蓄电池-超级电容器储能系统的输出功率。
约束条件如下；
能量守恒约束：在微电网系统中，要遵守能量守恒定律，即，发电单元的总输出功与混合储能系统输出功率应等于负载端所需功率，数学表达式如下式：
Pload＝PDER(t)+PHESS(t)
SOC荷电状态约束：混合储能系统中为防止蓄电池与超级电容器出现SOC越界出现过充过放现象，SOC荷电状态应在规定范围内：
SOCBa-Min≤SOCBa(t)≤SOCBa-Max
SOCSc-Min≤SOCSc(t)≤SOCSc-Max
式中：SOCBa-Min为蓄电池最小荷电状态；SOCBa-Max为蓄电池最大荷电状态；SOCBa(t)为蓄电池t时刻荷电状态；SOCSc-Min为超级电容器最小荷电状态；SOCSc-Max为超级电容器最大荷电状态；SOCSc(t)为超级电容器t时刻荷电状态。
最大功率约束:在实际应用中，混合储能系统有输出功率的上限，负载需求功率大小不能超过混合储能系统输出功率与分布式发电端的输出功率之和，不能超出限制，如下式：
Figure SMS_19
式中：PHESS(t)为t时刻混合储能系统输出功率；PHESS,max-re为混合储能系统放电输出功率；PHESS,max-as为混合储能系统充电吸收功率。
功率波动约束:分布式电源并网产生的功率波动，经过混合储能系统的平抑，需要满足负载所能吸收的功率，要符合国家标准，不能超过电力系统所允许的最大功率波动。
α≤αmax
式中：α为实际功率波动；αmax为系统允许最大功率波动。
储能装置充放电次数约束:在混合储能系统储能装置的实际应用中，由于超级电容器功率密度较大，可进行反复的充放电，因此主要针对蓄电池充放电次数进行约束，蓄电池频繁充放电，会降低蓄电池的循环使用寿命，但降低蓄电池的充放电次数，会增加超级电容器的使用次数，降低储能系统的经济性，合理设置蓄电池充放电，会增加混合储能系统的使用寿命。
Nba≤N0
式中：Nba为蓄电池经过混合储能系统的控制策略后的充放电次数；N0为蓄电池标准的充放电次数。
作为一种实施方式，初始化北方苍鹰算法的参数和种群包括：
设置北方苍鹰种群规模为200，最大迭代次数N为400，并令迭代次数i＝0。
作为一种实施方式，本方法在北方苍鹰算法求解目标函数的基础上，根据模糊算法优化PI控制，利用模糊规则，解决非线性问题，延长混合储能系统循环使用寿命，提高系统稳定性。
混合储能系统模糊设计步骤：
输入量模糊化。混合储能系统将电压差值U与变化幅值E作为输入量，并进行模糊化，将电压差值U的范围[-48,48]转化为{NB,NM,NS,ZO,PS,PM,PB}的模糊集，变化幅值E的范围[-4.8,4.8]转化为{NB,NM,NS,ZO,PS,PM,PB}模糊集，模糊集分别代表[负大、负中、负小、零、正小、正中、正大]，电压差值与变化幅值的论域为[-6,6]。
模糊规则表的确定。模糊规则库是模糊PI控制的核心，模糊推理都需要依靠模糊规则库找到相应的模糊规则，进而将模糊量进一步优化得到优化后的模糊量，如表1为比例修正系数ΔKp模糊控制规则表，表2为修正计分系数模糊规则控制表。
表1
Figure SMS_20
表2
Figure SMS_21
Figure SMS_22
模糊化推理：超级电容器的模糊控制规则有25条，超级电容器的模糊推理公式，如下式：
Figure SMS_23
Figure SMS_24
式中，R为模糊控制规则，
Figure SMS_25
为模糊推理中的合成算法，
Figure SMS_26
为系统输入矩阵，
Figure SMS_27
为总模糊关系；
去模糊化，去模糊化是清晰化过程，是将优化后的模糊变量，经过去模糊运算规则，得到系统能够识别控制的参数，目前较为常用的方法为面积中心法，其运算规则为：
Figure SMS_28
式中：ucen为面积中心横坐标；A(u)为模糊隶属函数。
混合储能系统模糊自适应PI控制原理如图2所示；
模糊控制器将输入的误差变量e与误差变化率ec进行模糊调节后，输入到PI控制器中，成为PI控制器的参考值，根据图2可列出PI控制器增量式如下：
Figure SMS_29
式中：Ki为实时积分系数；
Figure SMS_30
为(i-1)时刻的积分系数；ΔKi为修正积分系数；Kp为实时比例系数；KP0为上一时刻比例系数；ΔKP为比例修正系数。
同理，可得PI控制器的电压修正系数如下：
Δu(k)＝u(k)-u(k-1)＝Kp[e(k)-e(k-1)]+Kie(k)
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。
本发明旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种超级电容器双闭环模糊PI控制方法，其特征在于，包括：
步骤一、初始化北方苍鹰算法的参数和种群；
步骤二、确定混合储能系统功率分配目标函数以及约束条件并进行计算，计算过程为在北方苍鹰算法求解目标函数的基础上，根据模糊算法优化PI控制，利用模糊规则，解决非线性问题，延长混合储能系统循环使用寿命，提高系统稳定性；
步骤三、采用北方苍鹰算法选择、攻击、追捕猎物，不断更新位置信息；
步骤四、判断是否达到迭代条件，若满足条件，则将目前的最优解信息保存，否则返回步骤三；
步骤五、判断是否满足终止条件，若满足则输出最优解，否则返回步骤三。
2.根据权利要求1所述的超级电容器双闭环模糊PI控制方法，其特征在于，所述初始化北方苍鹰算法的参数和种群包括：
设置北方苍鹰种群规模为200，最大迭代次数N为400，并令迭代次数i＝0。
3.根据权利要求1所述的超级电容器双闭环模糊PI控制方法，其特征在于，混合储能功率分配目标函数为
当分布式发电单元输出功率小于负载需求功率时，即当Pder(t)＜Pload(t)，
Figure FDA0004014822430000011
当分布式发电单元输出功率大于负载需求功率时，即当Pder(t)＞Pload(t)，
Figure FDA0004014822430000012
其中，F为目标函数；Chessimax为蓄电池-超级电容器储能系统的最大储能容量；T为控制指令时间常数；
Figure FDA0004014822430000013
为蓄电池-超级电容器储能系统的输出功率；
目标函数的约束条件包括能量守恒约束、SOC荷电状态约束、最大功率约束、功率波动约束和储能装置充放电次数约束。
4.根据权利要求3所述的超级电容器双闭环模糊PI控制方法，其特征在于，目标函数的约束条件具体为：
能量守恒约束符合Pload＝PDER(t)+PHESS(t)，即发电单元的总输出功与混合储能系统输出功率应等于负载端所需功率；
SOC荷电状态约束符合
SOCBa-Min≤SOCBa(t)≤SOCBa-Max
SOCSc-Min≤SOCSc(t)≤SOCSc-Max
式中，SOCBa-Min为蓄电池最小荷电状态；SOCBa-Max为蓄电池最大荷电状态；SOCBa(t)为蓄电池t时刻荷电状态；SOCSc-Min为超级电容器最小荷电状态；SOCSc-Max为超级电容器最大荷电状态；SOCSc(t)为超级电容器t时刻荷电状态；
最大功率约束为
Figure FDA0004014822430000021
式中：PHESS(t)为t时刻混合储能系统输出功率；PHESS,max-re为混合储能系统放电输出功率；PHESS,max-as为混合储能系统充电吸收功率；
功率波动约束为α≤αmax，其中α为实际功率波动；αmax为系统允许最大功率波动；
储能装置充放电次数约束为Nba≤N0，式中，Nba为蓄电池经过混合储能系统的控制策略后的充放电次数；N0为蓄电池标准的充放电次数。
5.根据权利要求1所述的超级电容器双闭环模糊PI控制方法，其特征在于，计算混合储能系统功率分配目标函数的过程包括：
混合储能系统模糊设计；
模糊控制器将输入的误差变量e与误差变化率ec进行模糊调节后，输入到PI控制器中，成为PI控制器的参考值，PI控制器增量式为
Figure FDA0004014822430000031
式中，Ki为实时积分系数；
Figure FDA0004014822430000036
为(i-1)时刻的积分系数；ΔKi为修正积分系数；Kp为实时比例系数；
Figure FDA0004014822430000037
为上一时刻比例系数；ΔKP为比例修正系数；
得到PI控制器的电压修正系数为
Δu(k)＝u(k)-u(k-1)＝Kp[e(k)-e(k-1)]+Kie(k)。
6.根据权利要求5所述的超级电容器双闭环模糊PI控制方法，其特征在于，所述混合储能系统模糊设计包括：
输入量模糊化，混合储能系统将电压差值U和变化幅值E作为输入量，并进行模糊化，将电压差值U的范围[-48,48]转化为{NB,NM,NS,ZO,PS,PM,PB}的模糊集，变化幅值E的范围[-4.8,4.8]转化为{NB,NM,NS,ZO,PS,PM,PB}模糊集，模糊集分别代表[负大、负中、负小、零、正小、正中、正大]，电压差值与变化幅值的论域为[-6,6]；
确定模糊规则表；
模糊化推理，公式为
Figure FDA0004014822430000032
Figure FDA0004014822430000033
式中，R为模糊控制规则，
Figure FDA0004014822430000039
为模糊推理中的合成算法，
Figure FDA0004014822430000038
为系统输入矩阵，
Figure FDA0004014822430000034
为总模糊关系；
去模糊化，运算规则为
Figure FDA0004014822430000035
其中，ucen为面积中心横坐标；A(u)为模糊隶属函数。
CN202211666369.7A 2022-12-23 2022-12-23 一种超级电容器双闭环模糊pi控制方法 Pending CN116191507A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211666369.7A CN116191507A (zh) 2022-12-23 2022-12-23 一种超级电容器双闭环模糊pi控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211666369.7A CN116191507A (zh) 2022-12-23 2022-12-23 一种超级电容器双闭环模糊pi控制方法

Publications (1)

Publication Number Publication Date
CN116191507A true CN116191507A (zh) 2023-05-30

Family

ID=86443340

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211666369.7A Pending CN116191507A (zh) 2022-12-23 2022-12-23 一种超级电容器双闭环模糊pi控制方法

Country Status (1)

Country Link
CN (1) CN116191507A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150148973A1 (en) * 2013-11-26 2015-05-28 Nec Laboratories America, Inc. Fuzzy logic based integrated power coordination system for hybrid energy storage system
CN108767872A (zh) * 2018-05-18 2018-11-06 江苏大学 一种应用于风光混合储能微网系统的模糊控制方法
CN112202167A (zh) * 2020-09-28 2021-01-08 国网江苏省电力有限公司经济技术研究院 一种基于模糊逻辑的线间潮流控制器多目标协调控制方法
CN113809733A (zh) * 2021-09-15 2021-12-17 南京工程学院 光储系统直流母线电压与超级电容荷电管理控制方法
CN114995492A (zh) * 2022-05-27 2022-09-02 哈尔滨工程大学 一种多无人机抢灾救援规划方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150148973A1 (en) * 2013-11-26 2015-05-28 Nec Laboratories America, Inc. Fuzzy logic based integrated power coordination system for hybrid energy storage system
CN108767872A (zh) * 2018-05-18 2018-11-06 江苏大学 一种应用于风光混合储能微网系统的模糊控制方法
CN112202167A (zh) * 2020-09-28 2021-01-08 国网江苏省电力有限公司经济技术研究院 一种基于模糊逻辑的线间潮流控制器多目标协调控制方法
CN113809733A (zh) * 2021-09-15 2021-12-17 南京工程学院 光储系统直流母线电压与超级电容荷电管理控制方法
CN114995492A (zh) * 2022-05-27 2022-09-02 哈尔滨工程大学 一种多无人机抢灾救援规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MOHAMMAD DEHGHANI 等: "Northern Goshawk Optimization: A New Swarm-Based Algorithm for Solving Optimization Problems", 《IEEE ACCESS》, pages 162059 - 162079 *
曹冰玉: "基于直流微网的混合储能系统控制策略研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, pages 29 - 48 *

Similar Documents

Publication Publication Date Title
CN105846461B (zh) 一种大规模储能电站自适应动态规划的控制方法和系统
CN107994595B (zh) 一种削峰填谷控制方法和系统以及应用该控制方法的系统
CN109242271B (zh) 分布式光伏接入配电网电能质量治理的节点灵敏度分析法
CN111697597B (zh) 一种基于粒子群算法的火储联合agc调频控制方法
CN107274085B (zh) 一种双电型船舶的储能设备的优化管理方法
CN109214095A (zh) 电动汽车充放电多目标优化调度方法
CN107124002A (zh) 基于双模糊控制的独立微网能量优化控制方法
CN110956324B (zh) 基于改进的moea/d的主动配电网日前高维目标优化调度方法
CN113794199B (zh) 一种考虑电力市场波动的风电储能系统最大收益优化方法
CN110676861A (zh) 一种配电网复合储能装置的容量优化配置方法
CN111740433A (zh) 基于动态下垂系数与soc恢复基点的储能一次调频控制方法
CN118336885B (zh) 基于超容储能的混合动力电能供给方法及系统
CN115566741A (zh) 基于lstm预测校正的储能多时间尺度优化控制方法
CN114498690B (zh) 支持大规模可再生能源消纳的多元复合储能优化配置方法
CN113011104B (zh) 一种面向电网调频控制的集群电动汽车充电负荷聚合建模方法
CN111146785A (zh) 面向多源优化调度计算的基于改进有效集快速求解方法
CN112519596B (zh) 基于规则的混合储能系统负载自适应实时能量管理系统
CN118117568A (zh) 一种适用于离网风光氢储耦合系统的复合能量管理策略
CN117375048A (zh) 一种多目标优化储能系统功率分配方法
CN105119285A (zh) 基于动态赋权的风储协调多目标优化控制方法
CN116191507A (zh) 一种超级电容器双闭环模糊pi控制方法
CN115940284A (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
Sun et al. Adaptive Energy Management Strategy of Fuel Cell Electric Vehicle
CN113013909A (zh) 一种基于平抑牵引的储能容量改进方法
CN117638944B (zh) 基于源荷储互动的电网容量裕度动态配置方法及系统

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