CN105098807A - 储能***中多个混合储能装置间的互补优化控制方法 - Google Patents

Abstract

本发明实施例涉及一种储能***中多个混合储能装置间的互补优化控制方法,所述多个储能装置为不同类型的储能装置，所述互补优化控制方法包括：对所述多个储能装置建立动、稳态数学模型；基于所述数学模型建立容量优化目标函数，并对所述多个储能装置的荷电状态进行在线监测，得到***负荷缺电率；根据所述***负荷缺电率建立容量优化目标函数的优化约束条件，从而对各储能装置的容量进行优化配置；对所述储能***的负荷功率基于不同频率分量进行分离，将分离后的不同频率分量对应的负荷功率分别分配给多个储能装置承担，从而对储能装置的功率流进行优化配置。

Description

储能***中多个混合储能装置间的互补优化控制方法

技术领域

本发明涉及新能源发电储能技术领域，尤其涉及一种储能***中多个混合储能装置间的互补优化控制方法。

背景技术

在具有可再生能源的光伏发电***中添加储能装置，用来承担光伏电源波动造成的功率差额，将光伏发电单元与电网之间的功率进行解耦，从而稳定间歇式光伏电源的功率输出，降低对敏感负荷及电网的冲击。更为重要的是，在***离网运行模式时，能为***提供电压和频率支撑，改善***的稳定性。因此，储能装置的合理利用对光伏等可再生能源发电***的经济、安全、可靠运行至关重要。

能量型蓄电池凭借其技术成熟、价格低廉、构造成本低、免维护、能量密度大等优点，成为光伏发电***中最常用也是最重要的储能装置。但由于光伏电源受光照强度、温度等影响的随机性波动，使得***的瞬时功率不平衡，造成蓄电池的多次小循环充放电，明显恶化蓄电池的充放电工作环境，大大缩短蓄电池的使用寿命，同时由于蓄电池的过早老化报废，带来了严重的环境污染，加大了***的投资成本。

目前，光伏发电***中储能技术的研究主要集中于单一储能技术的研发和充放电控制策略等方面，而对于***中的混合储能技术研究相对较少，并且只处于实验室研究阶段，尤其是混合储能的理论建模、容量优化匹配及不同储能装置之间的互补优化控制策略等关键技术还有待于进一步的深入研究。

发明内容

本发明的目的是针对现有技术的缺陷，提供一种储能***中多个混合储能装置之间的互补优化控制方法，对于能量型蓄电池组和功率型超级电容器组构成的光伏***中的混合储能装置，建立各储能装置的数学模型，并在此基础上，通过采用禁忌搜索算法对两种储能装置的容量进行最优配置，以提高了***的经济性；通过改进型滑动平均滤波算法，将***中功率差额的高频、低频分量进行分解，分别由超级电容器组和能量型蓄电池组承担，以实现两种不同类型储能装置互补优化的协调控制。

为实现上述目的，本发明提供了一种储能***中多个混合储能装置之间的互补优化控制方法，包括：

对所述多个储能装置建立动、稳态数学模型；

基于所述数学模型建立容量优化目标函数，并对所述多个储能装置的荷电状态进行在线监测，得到***负荷缺电率；

根据所述***负荷缺电率建立容量优化目标函数的优化约束条件，从而对各储能装置的容量进行优化配置；

对所述储能***的负荷功率基于不同频率分量进行分离，将分离后的不同频率分量对应的负荷功率分别分配给多个储能装置承担，从而对储能装置的功率流进行优化配置。

优选的，所述多个储能装置为两个，分别为：能量型蓄电池组和功率型超级电容器组。

进一步优选的，所述能量型蓄电池组的数学模型包括：

用以表征电池剩余容量的单体能量型蓄电池的核电状态SOC：

其中，SOC₀为初始的SOC值；C_ba为单体能量型蓄电池的标称额定容量(Ah)；I为能量型蓄电池的充放电电流，在放电时为正值，在充电时为负值；t₀和t分别为起、止时间；E(SOC)为SOC对应的能量型蓄电池电动势；

能量型蓄电池组的总能量Eban：E_ban＝nC_baU_ba/10³；

其中，C_ba为单体能量型蓄电池的标称额定容量(Ah)，U_ba为额定电压(V)，n为级联成能量型蓄电池组的单体能量型蓄电池个数；

能量型蓄电池组的最小剩余能量：E_bamin＝nC_baU_ba(1-DOD)/10³；

其中，DOD为最大放电深度；

能量型蓄电池组的额定输出功率：P_ban＝nC_baU_ba/10⁷；

其中，所述能量型蓄电池组以C10的时间率放电。

进一步优选的，所述功率型超级电容器组的数学模型包括：

超级电容器组的存储总能量E_uc：

其中，C_uc为单体超级电容器的标称电容值(F)，U_uc为额定电压(V)，m为级联成超级电容器组的单体超级电容器个数；

超级电容器组的最大输出功率：P_ucmax＝mU_ucmaxI_ucmax/10³；

其中，I_ucmax为单体超级电容器的最大充放电电流。

进一步优选的，所述数学模型还包括：

当储能装置处于充电状态时，存储的能量为：

E_ba(kt)＝E_ba[(k-1)t]+P_ba(kt)×t×η_bac，E_uc(kt)＝E_uc[(k-1)t]+P_uc(kt)×t×η_ucc；

当储能装置处于放电状态时，存储的能量为：

E_ba(kt)＝E_ba[(k-1)t]-P_ba(kt)×t/η_bad，E_uc(kt)＝E_uc[(k-1)t]-P_uc(kt)×t/η_ucd；

其中，E_ba(kt)、E_ba[(k-1)t]分别为能量型蓄电池组在kt、(k-1)t时刻储存的能量；E_uc(kt)、E_uc[(k-1)t]分别为超级电容器组在kt、(k-1)t时刻储存的能量；P_ba(kt)、P_uc(kt)分别为能量型蓄电池组和超级电容器组在kt时刻的充放电功率；η_bac、η_bad、η_ucc、η_ucd分别为能量型蓄电池组和超级电容器组的充放电效率。

优选的，所述***负荷缺电率具体为：

其中，LPSP为***负荷缺电率；LPS为***运行工作过程中的负荷缺电量；t为单位时间间隔；T为总的计算次数。

进一步优选的，所述容量优化目标函数为：C＝C_iv+C_om+C_dc；

其中，C为储能装置的总成本；C_iv为储能装置的购置成本；C_om为储能装置的运行维护成本；C_dc为储能装置的处置成本；

具体的，C_iv＝C_ivba+C_ivsc；

C_ivba、C_ivsc分别为能量型蓄电池组和超级电容器储能装置的购置成本；K_om(ba)、K_om(sc)分别为能量型蓄电池组和超级电容器储能装置的运行维护管理系数；P_ba(t)、P_sc(t)分别为能量型蓄电池组和超级电容器在t时段提供的功率；Δt_om为储能装置的运行时间。

进一步优选的，所述储能***为光伏发电混合储能***，所述对所述储能***的负荷功率基于不同频率分量进行分离，将分离后的不同频率分量对应的负荷功率分别分配给多个储能装置承担具体为：

分离所述储能***的***不平衡功率Δp的功率分量，将***不平衡功率Δp中的频繁波动的功率分量部分分配给所述超级电容器组，将所述***不平衡功率Δp中的基本功率配给所述能量型蓄电池组；

其中，Δp＝P_pvη_pv-(P_load+P_grid)；

Δp为能量型蓄电池组和超级电容器储能装置承担的***瞬时不平衡功率；P_pv为光伏电源输出的功率，P_load为负荷吸收的功率；P_grid为电网吸收或释放的功率；η_pv为光伏变换器的转换效率。

进一步优选的，所述能量型蓄电池组的功率参考值所述超级电容器组的功率参考值P_ref-SC＝ΔP-P_ref-ba；

其中，T为滑动窗口宽度、k_B为功率补偿系数、ΔT为滑动窗口宽度的增量、Δk_B为功率补偿系数的增量，Δk_B是能量型蓄电池荷电状态SOC_ba(t)的函数。

进一步优选的，所述对储能装置的功率流进行优化配置具体为：

根据超级电容器组的端电压对滑动窗口宽度和功率补偿系数的设置进行优化；

其中，当超级电容器组的端电压低于设定值u_SCL时，确定所述超级电容器组储能量偏低；此时，当能量型蓄电池储能量大于设定值而处于放电状态时，设置窗口宽度为T-ΔT，功率补偿系数为k_B+Δk_B，并随着放电深度的加深，增大Δk_B；当能量型蓄电池处于充电状态时，设置窗口宽度为T+ΔT，功率补偿系数为k_B-Δk_B，并随着充电深度的加深，减小Δk_B；

当超级电容器端电压高于设定值u_SCH时，确定所述超级电容器储能量偏高；此时，当能量型蓄电池储能量大于设定值而处于放电状态时，设置窗口宽度为T+ΔT，功率补偿系数为k_B-Δk_B，并随着放电深度的加深，减小Δk_B；当能量型蓄电池处于充电状态时，设置窗口宽度为T-ΔT，功率补偿系数为k_B+Δk_B，并随着充电深度的加深，增大Δk_B。

本发明实施例提供的储能***中多个混合储能装置之间的互补优化控制方法，对于能量型蓄电池组和功率型超级电容器组构成的光伏***中的混合储能装置，建立各储能装置的数学模型，并在此基础上，通过采用禁忌搜索算法对两种储能装置的容量进行最优配置，以提高了***的经济性；通过改进型滑动平均滤波算法，将***中功率差额的高频、低频分量进行分解，分别由超级电容器组和能量型蓄电池组承担，以实现两种不同类型储能装置互补优化的协调控制。

应用该方法的储能***，具有成本低、动态响应速度快、***自适应能力强的特点，具有较高的经济效益和社会效益；通过将两种不同类型的储能装置有机结合起来构成混合储能装置，大大优化了蓄电池的工作环境，减小了蓄电池因多次小循环充放电寿命降低、以及由于蓄电池的过早老化报废，带来的严重环境污染，降低了***投资成本、增强了***的功率输出能力和经济性，并确保***在孤岛、并网模式下的稳定运行，及孤岛、并网之间的无缝动态切换，提高了***的稳定性和可靠性。在光伏发电、风力发电、新型混合电动汽车等领域具有很高的实际应用价值。

附图说明

图1为本发明实施例提供的一种具有混合储能装置的光伏***的结构示意图；

图2为本发明实施例提供的多个混合储能装置间的互补优化控制方法流程图。

具体实施方式

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

为了更好的理解本发明提供的多个混合储能装置间的互补优化控制方法，首先对其具有多个混合储能装置的储能***进行简要说明。

图1以光伏***为例，示出了本发明实施例提供的一种具有混合储能装置的光伏***的结构示意图。如图所示，该***由太阳能光伏阵列1、前级单向Boost升压DC/DC变换器2、能量型蓄电池组3、功率型超级电容器组4、双向DC/DC功率变换器5、双向DC/DC功率变换器6、后级DC/AC全桥变换器7、静态开关8、电网9和中心控制器10组成。

太阳能光伏阵列1与前级单向Boost升压DC/DC变换器2连接，实现最大功率跟踪和升压功能；能量型蓄电池组3和超级电容器组4分别通过双向DC/DC功率变换器5和双向DC/DC功率变换器6连接到直流母线11，实现能量的双向流动，它们与前级单向Boost升压DC/DC变换器5的输出端并联于直流母线11，直流母线11上可连接各种直流负载，或者通过后级DC/AC全桥变换器7连接各种交流负载，最后通过静态开关8实现光伏发电***的并网连接，中心控制器10通过控制总线采用控制算法连接于各种变换器。

在本例示出的光伏***中，能量型蓄电池组3和功率型超级电容器组4构成混合储能装置，能够承担由于光伏电源间歇性波动造成的***功率差额，提高***的电能质量和稳定性。

下面，以上述光伏***为例，说明本发明实施例提供的能量型蓄电池组和功率型超级电容器组之间的互补优化控制方法。

所述方法如图2所示，包括如下步骤：

步骤210，对所述多个储能装置建立动、稳态数学模型；

具体的，能量蓄电池储能装置的数学模型包括：

采用蓄电池的荷电状态(SOC)描述电池的剩余容量，其表达式为：

(式1)

其中，SOC₀为初始的SOC值；C_ba为单体能量型蓄电池的标称额定容量(Ah)；I为能量型蓄电池的充放电电流，在放电时为正值，在充电时为负值；t₀和t分别为起、止时间；E(SOC)为SOC对应的能量型蓄电池电动势；能量型蓄电池组的总能量Eban：E_ban＝nC_baU_ba/10³(式2)

其中，C_ba为单体能量型蓄电池的标称额定容量(Ah)，U_ba为额定电压(V)，n为级联成能量型蓄电池组的单体能量型蓄电池个数；

能量型蓄电池组的最小剩余能量：E_bamin＝nC_baU_ba(1-DOD)/10³(式3)

其中，DOD为最大放电深度；

为优化蓄电池的工作环境，一般蓄电池以C₁₀的时间率放电，则该蓄电池组的额定输出功率为：P_ban＝nC_baU_ba/10⁷(式4)

功率型超级电容器组的数学模型包括：

超级电容器组的存储总能量E_uc：(式5)

其中，C_uc为单体超级电容器的标称电容值(F)，U_uc为额定电压(V)，m为级联成超级电容器组的单体超级电容器个数；

实际应用中，为防止超级电容器组的过充过放电，其端电压的工作范围为：U_ucmin～U_ucmin，因此该超级电容器组存储的能量上下限分别为：

(式6)

(式7)

假设单体超级电容器最大充放电电流为I_ucmax，则由m个单体超级电容器级联的超级电容器组，最大输出功率为：

P_ucmax＝mU_ucmaxI_ucmax/10³(式8)

由于光伏电源输出功率和负荷功率均具有很强的随机性、波动性，因此储能装置的储能量也随时间不断地变化。

当储能装置处于充电状态时，存储的能量可表示为：

E_ba(kt)＝E_ba[(k-1)t]+P_ba(kt)×t×η_bac(式9)

E_uc(kt)＝E_uc[(k-1)t]+P_uc(kt)×t×η_ucc(式10)

当储能装置处于放电状态时，存储的能量为：

E_ba(kt)＝E_ba[(k-1)t]-P_ba(kt)×t/η_bad(式11)

E_uc(kt)＝E_uc[(k-1)t]-P_uc(kt)×t/η_ucd(式12)

其中，E_ba(kt)、E_ba[(k-1)t]分别为能量型蓄电池组在kt、(k-1)t时刻储存的能量；E_uc(kt)、E_uc[(k-1)t]分别为超级电容器组在kt、(k-1)t时刻储存的能量；P_ba(kt)、P_uc(kt)分别为能量型蓄电池组和超级电容器组在kt时刻的充放电功率；η_bac、η_bad、η_ucc、η_ucd分别为能量型蓄电池组和超级电容器组的充放电效率。

步骤220，基于所述数学模型建立容量优化目标函数，并对所述多个储能装置的荷电状态进行在线监测，得到***负荷缺电率；

具体的，根据国际电工委员会制定的全寿命周期成本计算标准(IEC60300-3-3)规定，设备的全寿命周期成本(LifeCycleCost，LCC)是指设备整个寿命周期内所消耗的总成本(LCC)，包括购置成本(AcquisitionCost)，拥有成本(OwnershipCost)和废弃成本(DisposalCost)。即：

LCC＝C_aq+C_ow+C_di(式13)

其中，LCC为设备的全寿命周期成本；C_aq为设备的购置成本；C_ow为设备的拥有成本(包括运行成本和维护成本)；C_di为设备的废弃成本(包括报废成本和残值)。

根据上述公式13可知，本实施例中的容量优化目标函数为：

C＝C_iv+C_om+C_dc(式14)

其中，C为储能装置的总成本；C_iv为储能装置的购置成本；C_om为储能装置的运行维护成本；C_dc为储能装置的处置成本；

具体的，C_iv＝C_ivba+C_ivsc(式15)

(式16)

C_ivba、C_ivsc分别为能量型蓄电池组和超级电容器储能装置的购置成本；K_om(ba)、K_om(sc)分别为能量型蓄电池组和超级电容器储能装置的运行维护管理系数；P_ba(t)、P_sc(t)分别为能量型蓄电池组和超级电容器在t时段提供的功率；Δt_om为储能装置的运行时间。

***负荷缺电率具体为：(式17)

其中，LPSP为***负荷缺电率，是指在***运行过程中，LPS与负荷总需求量之比；LPS为***运行工作过程中的负荷缺电量；t为单位时间间隔；T为总的计算次数。

假设***运行时不计网损以及电力电子变换器的功率损耗，则从功率流角度出发，***的功率平衡可表示为：

Δp＝P_pvη_pv-(P_load+P_grid)(式18)

其中，Δp为能量型蓄电池组和超级电容器储能装置承担的***瞬时不平衡功率；P_pv、P_load分别为光伏电源输出的功率和负荷吸收的功率；P_grid为电网吸收或释放的功率，在离网时为零，并网吸收功率时为正值，释放功率时为负值。η_pv为光伏变换器的转换效率。

离网模式下，***功率平衡关系式可表示为：ΔP＝P_pvη_pv-P_load。

当光伏电源功率足以满足负载要求时，ΔP＞0，负荷缺电率LPS＝0，储能装置充电。当光伏电源功率不足以满足负载要求时，ΔP＜0，储能装置放电弥补电源功率缺额。

并网模式下，***功率平衡关系式可表示为：ΔP＝P_pvη_pv-P_load-P_grid。

当光伏电源功率足以满足负载要求时，光伏电源除给负载供电外，优先考虑给储能装置充电，然后将剩余能量送回电网，此时ΔP＞0，负荷缺电率LPS＝0，储能装置充电。当光伏电源功率不足以满足负载要求时，由于***并接于电网，为使***控制方便，容易实现，减小储能装置的放电次数，要求由电网来弥补***中负荷以及储能装置充电所需的功率差额，ΔP＞0。

步骤230，根据所述***负荷缺电率建立容量优化目标函数的优化约束条件，从而对各储能装置的容量进行优化配置；

具体的基于上述所述，建立***优化约束条件：

假设超级电容器和蓄电池组的个数分别为m和n；***不平衡功率Δp中基本分量的比例为α；额定负荷中重要负荷的比例系数为β。基于以上分析，可以得到***的优化约束条件。

随后，基于优化约束条件，对储能装置的容量进行优化配置。

对于优化配置可以采用禁忌搜索算法。

禁忌搜索算法是解决组合优化问题的一种优化方法，其核心思想是标记对应已搜索的局部最优解的一些对象，并在进一步的迭代搜索中尽量避开这些对象，从而保证对不同的有效搜索途径的探索。

通过禁忌搜索算法首先给定蓄电池组、超级电容器组的初始容量值，该值在可行解集合中任意选择，把初始值代入程序，进行分析计算。确定初始值后，定义储能装置容量可行解的邻域移动集合，然后从邻域移动集合中选择一个能够改进当前解的移动值，确定新的储能装置容量值，把它代入程序进行计算，并与上次结果比较，保留期望的结果，在邻域移动集合中选取多个数据进行比较后，从可行解中重新选择数据，重复以上迭代计算过程，直到满足设定的搜索次数，最后退出循环程序，得到较理想的最终结果。

步骤240，对所述储能***的负荷功率基于不同频率分量进行分离，将分离后的不同频率分量对应的负荷功率分别分配给多个储能装置承担，从而对储能装置的功率流进行优化配置。

具体的，对功率流的优化配置可以通过改进型滑动平均滤波算法来实现。

对功率流进行优化配置的总体控制原则为：以平抑***功率差额波动、稳定***运行为目标，从优化蓄电池工作环境、延长使用寿命、提高***的经济性角度出发，采用改进型滑动平均滤波法实现混合储能装置的功率优化匹配。

其基本控制策略为：将***中功率差额的高频、低频分量进行分解，超级电容器组主要承担***不平衡功率Δp中的频繁波动即高频功率分量；蓄电池组只承担不平衡功率Δp中的基本功率即低频功率分量，因此可以避免蓄电池频繁充放电造成的多次小循环充放电现象，并且通过控制指令使蓄电池以额定功率充放电，使蓄电池处于优化的工作状态，从而提高了储能***的功率输出能力和经济性。

由滑动平均滤波算法原理可知，滑动窗口宽度T与滤波器的通带有关，即T的大小影响滤波的效果。本项目在传统的滑动平均滤波基础上，以超级电容器的储能量为输入量，(端电压u_SC与储能量E_SC成正比)，根据蓄电池组的实时荷电状态SOC_ba(t)，对滑动窗口宽度T和补偿系数k_B进行调整。***不平衡功率Δp经过滑动平均滤波后，得到蓄电池的功率参考值P_ref-ba。

具体的，能量型蓄电池组的功率参考值为：

(式26)

超级电容器组的功率参考值P_ref-SC为***不平衡功率Δp减去蓄电池功率参考值P_ref-ba：

P_ref-SC＝ΔP-P_ref-ba(式27)

其中，T为滑动窗口宽度、k_B为功率补偿系数、ΔT为滑动窗口宽度的增量、Δk_B为功率补偿系数的增量，Δk_B是能量型蓄电池荷电状态SOC_ba(t)的函数。

因此可以根据超级电容器组的端电压对滑动窗口宽度和功率补偿系数的设置进行优化，以实现对储能装置的功率流进行优化配置。

当超级电容器组的端电压低于设定值u_SCL时，确定所述超级电容器组储能量偏低；此时，当能量型蓄电池储能量大于设定值而处于放电状态时，设置窗口宽度为T-ΔT，功率补偿系数为k_B+Δk_B，并随着放电深度的加深，增大Δk_B；当能量型蓄电池处于充电状态时，设置窗口宽度为T+ΔT，功率补偿系数为k_B-Δk_B，并随着充电深度的加深，减小Δk_B；

当超级电容器端电压高于设定值u_SCH时，确定所述超级电容器储能量偏高；此时，当能量型蓄电池储能量大于设定值而处于放电状态时，设置窗口宽度为T+ΔT，功率补偿系数为k_B-Δk_B，并随着放电深度的加深，减小Δk_B；当能量型蓄电池处于充电状态时，设置窗口宽度为T-ΔT，功率补偿系数为k_B+Δk_B，并随着充电深度的加深，增大Δk_B。

在***硬件实现上，可以通过双向DC/DC功率变换器来实现。结合图1所示，在具体的例子中，能量型蓄电池组与双向DC/DC功率变换器1低压侧连接，高压侧并联于直流母线侧。当检测到蓄电池容量不足时，双向DC/DC功率变换器5处于Buck充电模式，由太阳能光伏阵列1通过前级单向Boost升压DC/DC变换器2或者电网通过后级DC/AC全桥变换器7给能量型蓄电池组3；当检测到能量型蓄电池组3容量正常时，双向DC/DC功率变换器5处于Boost放电模式，承担***功率差额中的低频功率分量，维持***的稳定性。

功率型超级电容器组4与双向DC/DC功率变换器6低压侧连接，高压侧并联于直流母线侧。当检测到超级电容器组4容量不足时，双向DC/DC功率变换器6处于Buck充电模式，由太阳能光伏阵列1通过前级单向Boost升压DC/DC变换器2或者电网通过后级DC/AC全桥变换器7给能量型蓄电池组3充电；当检测到功率型超级电容器组4正常时，双向DC/DC功率变换器6处于Boost放电模式，承担***功率差额中的高频功率分量，维持***的稳定性。

本发明实施例中的储能装置是采用能量型蓄电池组和功率型超级电容器组相结合构成混合储能装置，超级电容器组作为蓄电池组的有利补充，减少了蓄电池的多次小循环充放电，明显改善蓄电池的充放电工作环境，大大延长了蓄电池的使用寿命，减小了***投资成本。

建立了以全生命周期费用理论为基础的储能装置年均费用为目标函数，以***负荷缺电率(LPSP)可靠性指标为约束条件，采用禁忌搜索算法对各储能装置的容量配置进行了优化，提高了储能装置的经济性。

以平抑***功率差额波动、稳定***运行为目标，从优化蓄电池工作环境、延长使用寿命、提高***的经济性角度出发，采用改进型滑动平均滤波法实现混合储能装置的功率优化匹配。具体通过由超级电容器组承担***不平衡功率Δp中的频繁波动即高频功率分量；蓄电池组只承担不平衡功率Δp中的基本功率即低频功率分量，以此避免蓄电池频繁充放电造成的多次小循环充放电现象，并且通过控制指令使蓄电池以额定功率充放电，使蓄电池处于优化的工作状态，从而提高储能***的功率输出能力和经济性。

在此基础上，采用改进型滑动平均滤波算法进行混合储能装置之间的功率流互补控制以及***处于并网、孤岛等不同模式下储能装置平抑光伏电源功率波动的协调控制，从而实现了混合储能装置有效充放电控制和光伏微网***合理有效的能量管理，优化了蓄电池的工作环境并延长了其使用寿命，确保***在孤岛、并网模式下的稳定运行及孤岛、并网之间的无缝动态切换，提高了***的稳定性和经济性。该研究成果在光伏发电、风力发电、新型混合电动汽车等领域具有很高的实际应用价值。

专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种储能***中多个储能装置间的互补优化控制方法，其特征在于，所述多个储能装置为不同类型的储能装置，所述互补优化控制方法包括：

对所述多个储能装置建立动、稳态数学模型；

基于所述数学模型建立容量优化目标函数，并对所述多个储能装置的荷电状态进行在线监测，得到***负荷缺电率；

根据所述***负荷缺电率建立容量优化目标函数的优化约束条件，从而对各储能装置的容量进行优化配置；

对所述储能***的负荷功率基于不同频率分量进行分离，将分离后的不同频率分量对应的负荷功率分别分配给多个储能装置承担，从而对储能装置的功率流进行优化配置。

2.根据权利要求1所述的互补优化控制方法，其特征在于，所述多个储能装置为两个，分别为：能量型蓄电池组和功率型超级电容器组。

3.根据权利要求2所述的互补优化控制方法，其特征在于，所述能量型蓄电池组的数学模型包括：

用以表征电池剩余容量的单体能量型蓄电池的核电状态SOC： $SOC={\mathrm{SOC}}_0-\frac{1}{C_{ba}}{\∫}_{t_0}^{t}E\left(SOC\right)Idt;$

其中，SOC₀为初始的SOC值；C_ba为单体能量型蓄电池的标称额定容量(Ah)；I为能量型蓄电池的充放电电流，在放电时为正值，在充电时为负值；t₀和t分别为起、止时间；E(SOC)为SOC对应的能量型蓄电池电动势；

能量型蓄电池组的总能量Eban：E_ban＝nC_baU_ba/10³；

其中，C_ba为单体能量型蓄电池的标称额定容量(Ah)，U_ba为额定电压(V)，n为级联成能量型蓄电池组的单体能量型蓄电池个数；

能量型蓄电池组的最小剩余能量：E_bamin＝nC_baU_ba(1-DOD)/10³；

其中，DOD为最大放电深度；

能量型蓄电池组的额定输出功率：P_ban＝nC_baU_ba/10⁷；

其中，所述能量型蓄电池组以C10的时间率放电。

4.根据权利要求2所述的互补优化控制方法，其特征在于，所述功率型超级电容器组的数学模型包括：

超级电容器组的存储总能量E_uc：

其中，C_uc为单体超级电容器的标称电容值(F)，U_uc为额定电压(V)，m为级联成超级电容器组的单体超级电容器个数；

超级电容器组的最大输出功率：P_ucmax＝mU_ucmaxI_ucmax/10³；

其中，I_ucmax为单体超级电容器的最大充放电电流。

5.根据权利要求3或4所述的互补优化控制方法，其特征在于，所述数学模型还包括：

当储能装置处于充电状态时，存储的能量为：

E_ba(kt)＝E_ba[(k-1)t]+P_ba(kt)×t×η_bac，E_uc(kt)＝E_uc[(k-1)t]+P_uc(kt)×t×η_ucc；

当储能装置处于放电状态时，存储的能量为：

E_ba(kt)＝E_ba[(k-1)t]-P_ba(kt)×t/η_bad，E_uc(kt)＝E_uc[(k-1)t]-P_uc(kt)×t/η_ucd；

其中，E_ba(kt)、E_ba[(k-1)t]分别为能量型蓄电池组在kt、(k-1)t时刻储存的能量；E_uc(kt)、E_uc[(k-1)t]分别为超级电容器组在kt、(k-1)t时刻储存的能量；P_ba(kt)、P_uc(kt)分别为能量型蓄电池组和超级电容器组在kt时刻的充放电功率；η_bac、η_bad、η_ucc、η_ucd分别为能量型蓄电池组和超级电容器组的充放电效率。

6.根据权利要求1所述的互补优化控制方法，其特征在于，所述***负荷缺电率具体为： $LPSP=\underset{t=1}{\overset{T}{\Σ}}LPS\left(t\right)/\underset{t=1}{\overset{T}{\Σ}}{E}_1\left(t\right);$

其中，LPSP为***负荷缺电率；LPS为***运行工作过程中的负荷缺电量；t为单位时间间隔；T为总的计算次数。

7.根据权利要求2所述的互补优化控制方法，其特征在于，所述容量优化目标函数为：C＝C_iv+C_om+C_dc；

其中，C为储能装置的总成本；C_iv为储能装置的购置成本；C_om为储能装置的运行维护成本；C_dc为储能装置的处置成本；

具体的，C_iv＝C_ivba+C_ivsc； $C_{om}=\underset{t=1}{\overset{T}{\Σ}}\[K_{om\left(ba\right)}{P}_{ba}\left(t\right)+K_{om\left(sc\right)}{P}_{sc}\left(t\right)\]{\mathrm{\Δt}}_{om};$

C_ivba、C_ivsc分别为能量型蓄电池组和超级电容器储能装置的购置成本；K_om(ba)、K_om(sc)分别为能量型蓄电池组和超级电容器储能装置的运行维护管理系数；P_ba(t)、P_sc(t)分别为能量型蓄电池组和超级电容器在t时段提供的功率；Δt_om为储能装置的运行时间。

8.根据权利要求2所述的互补优化控制方法，其特征在于，所述储能***为光伏发电混合储能***，所述对所述储能***的负荷功率基于不同频率分量进行分离，将分离后的不同频率分量对应的负荷功率分别分配给多个储能装置承担具体为：

分离所述储能***的***不平衡功率Δp的功率分量，将***不平衡功率Δp中的频繁波动的功率分量部分分配给所述超级电容器组，将所述***不平衡功率Δp中的基本功率配给所述能量型蓄电池组；

其中，Δp＝P_pvη_pv-(P_load+P_grid)；

Δp为能量型蓄电池组和超级电容器储能装置承担的***瞬时不平衡功率；P_pv为光伏电源输出的功率，P_load为负荷吸收的功率；P_grid为电网吸收或释放的功率；η_pv为光伏变换器的转换效率。

9.根据权利要求8所述的互补优化控制方法，其特征在于，所述能量型蓄电池组的功率参考值所述超级电容器组的功率参考值P_ref-SC＝ΔP-P_ref-ba；

其中，T为滑动窗口宽度、k_B为功率补偿系数、ΔT为滑动窗口宽度的增量、Δk_B为功率补偿系数的增量，Δk_B是能量型蓄电池荷电状态SOC_ba(t)的函数。

10.根据权利要求9所述的互补优化控制方法，其特征在于，所述对储能装置的功率流进行优化配置具体为：

根据超级电容器组的端电压对滑动窗口宽度和功率补偿系数的设置进行优化；

其中，当超级电容器组的端电压低于设定值u_SCL时，确定所述超级电容器组储能量偏低；此时，当能量型蓄电池储能量大于设定值而处于放电状态时，设置窗口宽度为T-ΔT，功率补偿系数为k_B+Δk_B，并随着放电深度的加深，增大Δk_B；当能量型蓄电池处于充电状态时，设置窗口宽度为T+ΔT，功率补偿系数为k_B-Δk_B，并随着充电深度的加深，减小Δk_B；

当超级电容器端电压高于设定值u_SCH时，确定所述超级电容器储能量偏高；此时，当能量型蓄电池储能量大于设定值而处于放电状态时，设置窗口宽度为T+ΔT，功率补偿系数为k_B-Δk_B，并随着放电深度的加深，减小Δk_B；当能量型蓄电池处于充电状态时，设置窗口宽度为T-ΔT，功率补偿系数为k_B+Δk_B，并随着充电深度的加深，增大Δk_B。