CN113507105B - 基于mpc-pi的多电飞机混合动力***的能量管理方法 - Google Patents

基于mpc-pi的多电飞机混合动力***的能量管理方法 Download PDF

Info

Publication number
CN113507105B
CN113507105B CN202110664379.6A CN202110664379A CN113507105B CN 113507105 B CN113507105 B CN 113507105B CN 202110664379 A CN202110664379 A CN 202110664379A CN 113507105 B CN113507105 B CN 113507105B
Authority
CN
China
Prior art keywords
follows
mpc
direct current
current bus
fuel cell
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.)
Active
Application number
CN202110664379.6A
Other languages
English (en)
Other versions
CN113507105A (zh
Inventor
刘佩松
肖玲斐
陈勇兴
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202110664379.6A priority Critical patent/CN113507105B/zh
Publication of CN113507105A publication Critical patent/CN113507105A/zh
Application granted granted Critical
Publication of CN113507105B publication Critical patent/CN113507105B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J1/00—Circuit arrangements for dc mains or dc distribution networks
    • H02J1/10—Parallel operation of dc sources
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D27/00—Arrangement or mounting of power plants in aircraft; Aircraft characterised by the type or position of power plants
    • B64D27/02—Aircraft characterised by the type or position of power plants
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D27/00—Arrangement or mounting of power plants in aircraft; Aircraft characterised by the type or position of power plants
    • B64D27/02—Aircraft characterised by the type or position of power plants
    • B64D27/026—Aircraft characterised by the type or position of power plants comprising different types of power plants, e.g. combination of a piston engine and a gas-turbine
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • H02J1/00—Circuit arrangements for dc mains or dc distribution networks
    • H02J1/10—Parallel operation of dc sources
    • H02J1/106—Parallel operation of dc sources for load balancing, symmetrisation, or sharing
    • 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
    • H02J1/00—Circuit arrangements for dc mains or dc distribution networks
    • H02J1/10—Parallel operation of dc sources
    • H02J1/109—Scheduling or re-scheduling the operation of the DC sources in a particular order, e.g. connecting or disconnecting the sources in sequential, alternating or in subsets, to meet a given demand
    • 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
    • H02J1/00—Circuit arrangements for dc mains or dc distribution networks
    • H02J1/14—Balancing the load in a network
    • 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
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D2221/00—Electric power distribution systems onboard aircraft
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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]
    • 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
    • H02J2300/30—The power source being a fuel cell

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Fuel Cell (AREA)

Abstract

本发明公开了一种基于MPC‑PI控制算法的多电飞机混合动力***的能量管理方法，首先对直流母线、储能设备和燃料电池分别进行建模，接着将各个模型整理并转换成预测模型；然后加入反馈校正环节，完成MPC‑PI控制器设计，最后根据所设计的MPC‑PI控制器控制混合动力***中的变换器，实现保证直流母线稳定和节约混合动力***能量的目的；通过对该混合动力***施加随时间变化的负载，将所提的MPC‑PI策略与传统的PI方法对比，进一步证明了本发明的可行性和有效性，可以有效提高了混合动力***能量利用效率的同时保障了直流母线电压稳定性。

Description

基于MPC-PI的多电飞机混合动力***的能量管理方法
技术领域
本发明涉及混合动力预测技术领域，主要涉及基于MPC-PI的多电飞机混合动力***的能量管理方法。
背景技术
随着能源危机的加剧、民众对环保问题的逐渐关注及航空业对降低飞行成本的需求，电气化飞机应运而生。在21世纪初，如B787、F35、A380等多电飞机出现，将传统飞机以机械能、液压能、气压能等形式存在的二次能源逐步统一为电能。目前最先进的燃气涡轮发动机对燃料能量的利用率仅约40％。而对于电推进飞机，从电能到推进功率的转化率能够超过70％。在多电飞机中，电能成为飞机上惟一的二次能源，极大提高飞机的可靠性、可维护性以及地面支援能力。多电飞机中包括大量多种多样的用电设备，故多电飞机电气设备众多且功率更大，电气负载的变化将会对供电***带来影响，因此需要减小冲击、提高能量利用率、保证***稳定性。多电飞机电力***中典型负载由功率转换器控制，因此常表现为恒功率负载，使得***稳定性降低，保证***稳定性有重要的意义。
具有削峰填谷作用的储能技术是降低负载影响及提高能量利用率的一大研究方向，该方法通过储能***提供峰值功率需求，吸收多余功率。微电网或混合动力***中常用的动力来源是蓄电池、超级电容和燃料电池。大多数飞机将蓄电池作为应急电源，但其在主发电机失效时工作，而此时处于满电荷状态，无法对电网的稳定起作用。超级电容相对蓄电池具有功率密度大、循环寿命长的优点，能够与蓄电池形成良好的补充。燃料电池通过电化学反应把燃料的化学能转换成电能，不受卡诺循环效应的限制，因此效率高；同时具有比能高、清洁无污染的优点。燃料电池、蓄电池及超级电容各有优势与不足，在不同的方面可相互弥补。目前在航空和汽车方面对着眼于能量管理方法，对混合动力已有研究。
针对混合储能***的能量管理，常见方法有基于自适应能量管理策略的方法、基于智能算法的能量管理方法、基于庞特里亚金的最小原理的方法、基于模糊控制方法等。此外，为了对能量进行综合管理，还将燃料电池与储能设备构成混合动力***。此外，有采用基于改进的下垂控制的分散式能量控制方法等，并应用于多电飞机的案例。综上所述，在对混合动力***进行能量管理时，广泛研究应用了多种多样的能量管理方法，其中一大类别是基于模型的方法。在基于模型的能量管理方法中，模型预测控制方法受到了广泛关注。
模型预测控制问世于上世纪70年代，是基于模型的现代控制方法，其原理可归结为:模型预测、滚动优化、反馈校正。经过数十年的发展，模型预测控制发展出了适用于不同行业和对象的多种典型的方法，如广泛应用于流程工业的广义预测控制、用于电力电子方面的有限集预测控制等。预测控制的一大优势是能够处理带约束的问题，这是其在许多行业能得到广泛研究与应用的原因之一。当然预测控制也在航空领域有一定的研究与应用。如针对航空发动机的故障，有基于在每个采样时间调整预测模型的主动容错控制方法，如基于预测控制实现对多电飞机电力负荷瞬态的处理的方法。虽然预测控制在广泛领域得到了研究与应用，但其控制依赖于模型，在模型不准确时，控制效果可能不佳。而PI控制是一类无模型控制方法，简单而易于调试。PI主要在回路控制中得到应用，当控制由回路向***发展、向优化调节发展时，显得无能为力。
发明内容
发明目的：为了解决混合动力***传统能量管理方法存在的不能保证***稳定、调节效果差的问题，本发明提供了基于MPC-PI的多电飞机混合动力***的能量管理方法。
技术方案：为实现上述目的，本发明采用的技术方案为：
基于MPC-PI的多电飞机混合动力***的能量管理方法，所述多电飞机混合动力***包括同步发电机、变压整流器、负载、超级电容、蓄电池、燃料电池和对应的电力电子变换器；其中所述同步发电机通过变压整流器与直流母线连接；超级电容连接于直流母线两端；所述蓄电池和燃料电池分别通过DC/DC转换器连接于直流母线两端，所述负载通过DC/AC转换器连接于直流母线两端；
所述能量管理方法包括以下步骤：
步骤S1、分别对直流母线、储能设备和燃料电池进行建模；其中储能设备即为蓄电池和超级电容；具体建模步骤包括：
步骤S1.1、对直流母线建模如下：
将同步发电机与变压整流器视作一个直流电源，VSC为超级电容电压，产生的电流通过电感LMG与电阻RMG后与直流母线相连，此时输出电压为VMG、电流为IMG；
步骤S1.2、对包括蓄电池和超级电容在内的储能设备进行建模，具体如下：
步骤S1.2.1、所述蓄电池采用锂电池，并建立放电模型如下：
其中，Vbat为蓄电池输出电压，E0为额定电压；K为极化电阻，Q为最大电池电容，it为已提取的电容，i*为低频电流动态，Ab为指数电压，Bb为指数电容；
步骤S1.2.2、对所述超级电容建模如下：
其中，CSC为超级电容的电容，VSC为超级电容与直流母线的共同的电压，ISC为通过的电流；
步骤S1.3、对燃料电池工作情况建模如下：
其中，Vfc为燃料电池输出电压，Vfc0为初始电压，Ifc为燃料电池电流，Rfc为等效电阻；
步骤S2、将步骤S1中的各个模型整理转换成预测模型；
步骤S3、加入反馈校正环节，完成MPC-PI控制器设计，并根据所述MPC-PI控制器控制混合动力***中的变换器，实现保证直流母线稳定和节约混合动力***能量的目的。
进一步地，所述步骤S2中获取预测模型具体步骤如下：
步骤S2.1、根据步骤S1中的各个模型，选择状态量、输出量及控制量并进行线性化处理；具体地，
选择控制量如下：
u＝[Ibat,Ifc]T (5)
其中，Ibat为蓄电池电流。
选择状态量如下：
x＝[IMG,VSC,Vbat,Vfc]T (6)
选择输出量如下：
y＝[VSC,Vbat,Vfc]T (7)
选择操作点如下：
上述公式下标中r代表参考值；
利用Jacobian线性化方法，在操作点处对模型进行线性化处理如下：
上述公式下标中c,t表示该***此刻为连续***；
步骤S2.2、对所述状态量进行增广处理如下：
则式9转化为：
其中，Cc,z＝[Cc,t 0]；
按采样时间T离散处理如下：
上述公式下标中k,z表示***此刻表示为离散***；
步骤S2.3、通过递推获取预测方程；
将式(12)记为：
预测未来时刻的输出及控制量增量如下：
其中p表示预测时域长度，Nc表示控制时域长度；
将式(13)改写如下：
其中，进一步地，所述步骤S3中MPC-PI控制器设计包括以下步骤：
步骤S3.1、引入反馈校正环节，k时刻预测跟踪误差为：
e(k)＝y(k)-yp0(k) (16)
修正后k时刻的预测输出为：
yp1(k)＝yp0(k)+Ke(k) (17)
其中K为修正系数，取值范围为0～1；
修正后的预测输出矩阵为
Yp1＝Yp0+Ke (18)
步骤S3.2、选择确定优化函数；
设置目标输出信号如下：
Rk＝[VSC(k) Vbat(k) Vfc(k) …… VSC(k+p) Vbat(k+p) Vfc(k+p)] (19)
选择优化目标函数如下：
J＝(Rk-Y)TQ(Rk-Y)+ΔUTWΔU (20)
其中，Q为输出误差、W为控制量增量权重矩阵；
步骤S3.3、选择与处理约束；
考虑输出约束如下：
ymin≤y≤ymax (21)
将约束求解问题表示为下式：
M3ΔU≤N3 (22)
其中
进一步将预测控制求解的描述转换为二次规划问题的描述如下：
将预测控制的优化问题转变成QP问题，求解最优控制序列，使下式表示的目标函数最小：
本发明针对混合动力***能量管理问题，提出了基于MPC-PI的多电飞机混合动力***的能量管理方法。相对于现有技术，本发明优势在于：
(1)、针对传统蓄电池不能对电网起稳定作用的情况，通过引入超级电容、蓄电池构成混合动力***，提供了稳定电网的能力，并起到优势互补的作用；
(2)、针对传统飞机所用蓄电池功率不足、循环寿命短的问题，引入超级电容和燃料电池提高了峰值功率，并通过将循环寿命长的超级电容与直流母线直接相连的模式，降低蓄电池使用频率；
(3)、根据直流母线、蓄电池、超级电容及燃料电池的工作特性，建立了混合动力***的微分方程模型，设计了基于MPC-PI的混合动力***能量管理方法。
(4)、在预测控制器设计中，以保证直流母线电压稳定及降低燃料电池消耗为目标同时最终证明可以达到该目标，并从实际情况出发，考虑了对约束的处理。
(5)、为了验证技术方案的有效性，在Matlab/Simulink中进行了仿真验证，为相关理论在混合动力***能量管理方面的应用提供了有力依据。
附图说明
图1为本发明提供的基于MPC-PI的多电飞机混合动力***的能量管理方法控制框图；
图2为本发明提供的多电飞机混合动力***结构图；
图3为本发明实施例中使用的负载功率随时间变化的情况；
图4为本发明为在MPC-PI及PI两种控制方法下，随着不确定负载变化，直流母线电压随时间变化的规律图；
图5为本发明为在MPC-PI及PI两种控制方法下，随着不确定负载变化，蓄电池电压随时间变化的规律图；
图6为本发明为在MPC-PI及PI两种控制方法下，随着不确定负载变化，燃料电池电压随时间变化的规律图；
图7为本发明为在MPC-PI及PI两种控制方法下，随着不确定负载变化，燃料电池消耗燃料量随时间变化的规律图；
图8为本发明为在MPC-PI控制下，随着不确定负载变化，燃料电池、蓄电池及超级电容功率分配随时间变化的规律图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
本发明提供的基于MPC-PI的多电飞机混合动力***的能量管理方法，是建立在基于如图2所示的多电飞机混合动力***结构上进行的，其控制结构与方式如图1所示。该***包括同步发电机、变压整流器、负载、超级电容、蓄电池、燃料电池和对应的电力电子变换器；其中所述同步发电机通过变压整流器与直流母线连接；超级电容连接于直流母线两端；所述蓄电池和燃料电池分别通过DC/DC转换器连接于直流母线两端，所述负载通过DC/AC转换器连接于直流母线两端。
当负载突增时，超级电容、蓄电池及燃料电池一起提供峰值功率，降低负载突增对直流母线电压的影响。当负载突降时，超级电容及蓄电池吸收多余功率，降低对母线电压的影响，并且提高能量利用效率。
本发明提供的能量管理方法包括以下步骤：
步骤S1、分别对直流母线、储能设备和燃料电池进行建模，其中储能设备即为蓄电池和超级电容。具体地：
步骤S1.1、对直流母线建模如下：
将同步发电机与变压整流器视作一个直流电源，VSC为超级电容电压，产生的电流通过电感LMG与电阻RMG后与直流母线相连，此时输出电压为VMG、电流为IMG。
步骤S1.2、对包括蓄电池和超级电容在内的储能设备进行建模，具体如下：
步骤S1.2.1、蓄电池能量密度高，但体积功率密度相对较低，且其频率较低；而超级电容有高功率密度及较高频率，因此采用二者联合的方式进行储能。超级电容与直流母线直接相连，蓄电池通过双向DC/DC变换器与直流母线连接，因此蓄电池输出输入功率可控。本实施例中蓄电池采用锂电池，并采用Matlab的电池模块。建立放电模型如下：
其中，Vbat为蓄电池输出电压，E0为额定电压；K为极化电阻，Q为最大电池电容，it为已提取的电容，i*为低频电流动态，Ab为指数电压，Bb为指数电容；
步骤S1.2.2、对所述超级电容建模如下：
其中，CSC为超级电容的电容，VSC为超级电容与直流母线的共同的电压，ISC为通过的电流；
步骤S1.3、对燃料电池工作情况建模。燃料电池相较于蓄电池和超级电容具有清洁和能量密度高的优点，可优势互补。本文所采用的燃料电池以氢气为燃料。将燃料电池动态变化表示为：
其中，Vfc为燃料电池输出电压，Vfc0为初始电压，Ifc为燃料电池电流，Rfc为等效电阻。
步骤S2、将步骤S1中的各个模型整理转换成预测模型。
步骤S2.1、根据步骤S1中的各个模型，选择状态量、输出量及控制量并进行线性化处理；具体地，
选择控制量如下：
u＝[Ibat,Ifc]T (5)
其中，Ibat为蓄电池电流。
选择状态量如下：
x＝[IMG,VSC,Vbat,Vfc]T (6)
选择输出量如下：
y＝[VSC,Vbat,Vfc]T (7)
选择操作点如下：
该处公式下标中r意为参考值。
利用Jacobian线性化方法，在操作点处对模型进行线性化处理如下：
该处公式下标中c,t表示所述***此刻表示为连续***，与后文k,z表示的离散***区分。
步骤S2.2、对所述状态量进行增广处理如下：
则式9转化为：
其中，Cc,z＝[Cc,t 0]；
按采样时间T离散处理如下：
该处公式下标中k,z表示所述***此刻表示为离散***，与前文c,t表示的连续***区分。
步骤S2.3、通过递推获取预测方程；
将式(12)记为：
预测未来时刻的输出及控制量增量如下：
其中p表示预测时域长度，Nc表示控制时域长度；
将式(13)改写如下：
其中，
步骤S3、加入反馈校正环节，完成MPC-PI控制器设计，并根据所述MPC-PI控制器控制混合动力***中的变换器，实现保证直流母线稳定和节约混合动力***能量的目的。具体地，MPC-PI控制器设计包括以下步骤：
步骤S3.1、为了消除或降低稳态误差及可能存在的模型不匹配问题，引入反馈校正环节。k时刻预测跟踪误差为：
e(k)＝y(k)-yp0(k) (16)
修正后k时刻的预测输出为：
yp1(k)＝yp0(k)+Ke(k) (17)
其中K为修正系数，取值范围为0～1；
修正后的预测输出矩阵为
Yp1＝Yp0+Ke (18)
步骤S3.2、选择确定优化函数；
设置目标输出信号如下：
Rk＝[VSC(k) Vbat(k) Vfc(k) …… VSC(k+p) Vbat(k+p) Vfc(k+p)] (19)
选择优化目标函数如下：
J＝(Rk-Y)TQ(Rk-Y)+ΔUTWΔU (20)
其中，Q为输出误差、W为控制量增量权重矩阵。
因直流母线电压稳定对该混合动力***意义重大，在优化时给与直流母线电压最大的权重系数。此外，飞行途中，燃料电池中燃料不能补充，因此需要降低燃料电池中消耗的氢气量，给与燃料电池较大的权重系数。
步骤S3.3、选择与处理约束；
考虑输出约束如下：
ymin≤y≤ymax (21)
将约束求解问题表示为下式：
M3ΔU≤N3 (22)
其中
为利用二次规划(Quadratic programming，QP)求解器进行求解,需要将一般的预测控制求解的描述，转变成一般的QP问题的描述：
将预测控制的优化问题转变成QP问题，求解最优控制序列，使下式表示的目标函数最小：
根据上述设计的MPC-PI控制器，通过控制混合动力***中与蓄电池、燃料电池连接的电力电子变换器，间接控制燃料电池和蓄电池对整个***而言的输入输出功率(燃料电池仅放电，蓄电池可充放电)，从而达到保证直流母线稳定和节约混合动力***能量的目的。
为了充分验证本发明所提控制方法的有效性，下面在Matlab/Simulink平台进行仿真实验。具体包括以下四个部分：
一、考虑随时间变化的负载对混合动力***的影响。其中，第2-12秒为时变负载，第12秒突然卸去所有负载。该混合动力***负载变化见图3。
二、选择确定混合动力***参数，具体见下表1。
表1混合动力***参数
三、选择确定MPC-PI各控制参数，具体见下表2。
表2 MPC-PI参数
四、在Matlab/Simulink平台进行仿真实验。所搭模型仿真运行采样时间为0.1ms，为降低计算量，提高所提策略实时性，预测控制器的采样时间为10ms。
将提出的MPC-PI能量管理策略与传统的PI控制方法进行对比，结果见图4-8。如图4所示，两种控制方法下，随着不确定负载变化，直流母线电压随时间变化的规律，总体而言，MPC-PI控制下直流母线电压更稳定，基本保持在265～275V，直流电压波动更小。
由图5及6可以看出，MPC-PI控制时蓄电池及燃料电池电压更加接近参考电压信号，较PI控制时更加稳定。由图7可知，以MPC-PI为能量管理策略较以PI为管理策略，消耗燃料电池中氢气的量更少。观察可知，经过15秒仿真，MPC-PI控制下燃料电池所消耗氢气量仅为PI控制下的28.2％，证明所提MPC-PI策略较传统PI方法更加节约燃料电池中燃料，更节能高效。
MPC-PI控制下功率分配情况见图8。在0-10秒，MPC-PI控制下，燃料电池输出功率较PI少很多，此阶段负载功率主要由蓄电池超级电容等提供。随着10-12秒负载变为8kVA，MPC-PI控制下燃料电池开始大量提供功率。与图7对比知，此时氢气消耗也随之上升。此外，由图4-7可知，所提MPC-PI策略满足表2中相关约束。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (3)

1.基于MPC-PI控制算法的多电飞机混合动力***的能量管理方法，其特征在于，所述多电飞机混合动力***包括同步发电机、变压整流器、负载、超级电容、蓄电池、燃料电池和对应的电力电子变换器；其中所述同步发电机通过变压整流器与直流母线连接；超级电容连接于直流母线两端；所述蓄电池和燃料电池分别通过DC/DC转换器连接于直流母线两端，所述负载通过DC/AC转换器连接于直流母线两端；
所述能量管理方法包括以下步骤：
步骤S1、分别对直流母线、储能设备和燃料电池进行建模；其中储能设备即为蓄电池和超级电容；具体建模步骤包括：
步骤S1.1、对直流母线建模如下：
将同步发电机与变压整流器视作一个直流电源，VSC为超级电容电压，产生的电流通过电感LMG与电阻RMG后与直流母线相连，此时输出电压为VMG、电流为IMG；
步骤S1.2、对包括蓄电池和超级电容在内的储能设备进行建模，具体如下：
步骤S1.2.1、所述蓄电池采用锂电池，并建立放电模型如下：
其中，Vbat为蓄电池输出电压，E0为额定电压；K为极化电阻，Q为最大电池电容，it为已提取的电容，i*为低频电流动态，Ab为指数电压，Bb为指数电容；
步骤S1.2.2、对所述超级电容建模如下：
其中，CSC为超级电容的电容，VSC为超级电容与直流母线的共同的电压，ISC为通过的电流；
步骤S1.3、对燃料电池工作情况建模如下：
其中，Vfc为燃料电池输出电压，Vfc0为初始电压，Ifc为燃料电池电流，Rfc为等效电阻；
步骤S2、将步骤S1中的各个模型整理转换成预测模型；
步骤S3、加入反馈校正环节，完成MPC-PI控制器设计，并根据所述MPC-PI控制器控制混合动力***中的变换器，实现保证直流母线稳定和节约混合动力***能量的目的。
2.根据权利要求1所述的基于MPC-PI控制算法的多电飞机混合动力***的能量管理方法，其特征在于，所述步骤S2中获取预测模型具体步骤如下：
步骤S2.1、根据步骤S1中的各个模型，选择控制算法中状态量、输出量及控制量并进行线性化处理；具体地，
选择控制量如下：
u＝[Ibat,Ifc]T (5)
其中，Ibat为蓄电池电流；
选择状态量如下：
x＝[IMG,VSC,Vbat,Vfc]T (6)
选择输出量如下：
y＝[VSC,Vbat,Vfc]T (7)
选择操作点如下：
上述公式下标中r代表参考值；
利用Jacobian线性化方法，在操作点处对模型进行线性化处理如下：
该处公式下标中c,t表示所述***此刻为连续***；
步骤S2.2、对所述状态量进行增广处理如下：
则式9转化为：
其中，Cc,z＝[Cc,t 0]；
按采样时间T离散处理如下：
上述公式下标中k,z表示所述***此刻为离散***；
步骤S2.3、通过递推获取预测方程；
将式(12)记为：
预测未来时刻的输出Yp0及控制量增量ΔU如下：
其中p表示预测时域长度，Nc表示控制时域长度；
将式(13)改写如下：
其中，
3.根据权利要求2所述的基于MPC-PI控制算法的多电飞机混合动力***的能量管理方法，其特征在于，所述步骤S3中MPC-PI控制器设计包括以下步骤：
步骤S3.1、引入反馈校正环节，k时刻预测跟踪误差为：
e(k)＝y(k)-yp0(k) (16)
修正后k时刻的预测输出为：
yp1(k)＝yp0(k)+Ke(k) (17)
其中K为修正系数，取值范围为0～1；
修正后的预测输出矩阵为
Yp1＝Yp0+Ke (18)
步骤S3.2、选择确定优化函数；
设置目标输出信号如下：
Rk＝[VSC(k) Vbat(k) Vfc(k) …… VSC(k+p) Vbat(k+p) Vfc(k+p)] (19)
选择优化目标函数如下：
J＝(Rk-Y)TQ(Rk-Y)+ΔUTWΔU (20)
其中，Q为输出误差、W为控制量增量权重矩阵；
步骤S3.3、选择与处理约束；
考虑输出约束如下：
ymin≤y≤ymax (21)
将约束求解问题表示为下式：
M3ΔU≤N3 (22)
其中
进一步将预测控制求解的描述转换为二次规划问题的描述如下：
将预测控制的优化问题转变成QP问题，求解最优控制序列，使下式表示的目标函数最小：
CN202110664379.6A 2021-06-16 2021-06-16 基于mpc-pi的多电飞机混合动力***的能量管理方法 Active CN113507105B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110664379.6A CN113507105B (zh) 2021-06-16 2021-06-16 基于mpc-pi的多电飞机混合动力***的能量管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110664379.6A CN113507105B (zh) 2021-06-16 2021-06-16 基于mpc-pi的多电飞机混合动力***的能量管理方法

Publications (2)

Publication Number Publication Date
CN113507105A CN113507105A (zh) 2021-10-15
CN113507105B true CN113507105B (zh) 2023-09-26

Family

ID=78010179

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110664379.6A Active CN113507105B (zh) 2021-06-16 2021-06-16 基于mpc-pi的多电飞机混合动力***的能量管理方法

Country Status (1)

Country Link
CN (1) CN113507105B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114560091B (zh) * 2022-03-07 2024-02-06 西北工业大学 一种基于模型预测的多电飞机混合能源管理***及方法
CN114802717B (zh) * 2022-05-09 2023-03-24 北京航空航天大学 基于飞控信息的飞机电作动器能量管理***及控制方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112564252A (zh) * 2020-11-30 2021-03-26 郑州轻工业大学 半主动式混合储能***及其模型预测能量控制方法
CN112751376A (zh) * 2019-10-31 2021-05-04 中国科学院沈阳自动化研究所 一种混合电源***的能量管理方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112751376A (zh) * 2019-10-31 2021-05-04 中国科学院沈阳自动化研究所 一种混合电源***的能量管理方法
CN112564252A (zh) * 2020-11-30 2021-03-26 郑州轻工业大学 半主动式混合储能***及其模型预测能量控制方法

Also Published As

Publication number Publication date
CN113507105A (zh) 2021-10-15

Similar Documents

Publication Publication Date Title
Rezk et al. Comparison among various energy management strategies for reducing hydrogen consumption in a hybrid fuel cell/supercapacitor/battery system
Chen et al. Optimization of sizing and frequency control in battery/supercapacitor hybrid energy storage system for fuel cell ship
Fathy et al. Robust hydrogen-consumption-minimization strategy based salp swarm algorithm for energy management of fuel cell/supercapacitor/batteries in highly fluctuated load condition
Reddy et al. An intelligent power and energy management system for fuel cell/battery hybrid electric vehicle using reinforcement learning
Bizon Effective mitigation of the load pulses by controlling the battery/SMES hybrid energy storage system
Hu et al. Optimization of battery energy storage system with super-capacitor for renewable energy applications
CN102684222B (zh) 一种基于储能技术的风力发电功率平滑控制方法
CN113507105B (zh) 基于mpc-pi的多电飞机混合动力***的能量管理方法
Kraa et al. Energy management of fuel cell/supercapacitor hybrid source based on linear and sliding mode control
CN112952862B (zh) 平抑风电功率波动的混合储能分频协调控制器及实现方法
e Huma et al. Robust integral backstepping controller for energy management in plugin hybrid electric vehicles
Rezk et al. Energy management control strategy for renewable energy system based on spotted hyena optimizer
CN113809733A (zh) 光储***直流母线电压与超级电容荷电管理控制方法
CN114928110A (zh) 基于n-k故障的规划调度协同优化的三层鲁棒优化方法
CN104659798A (zh) 基于模糊神经网络的风电混合储能***及其优化方法
Masood et al. Robust adaptive nonlinear control of plugin hybrid electric vehicles for vehicle to grid and grid to vehicle power flow with hybrid energy storage system
CN114204562B (zh) 一种考虑电动汽车与光伏的混合储能优化方法及***
CN111463837A (zh) 一种用于多源混合动力***的分散式功率分配法
Raza et al. Robust nonlinear control of regenerative fuel cell, supercapacitor, battery and wind based direct current microgrid
CN103078351B (zh) 微电网分频能量管理方法
CN114560091A (zh) 一种基于模型预测的多电飞机混合能源能量管理***及方法
Hamid et al. Robust control system for DFIG-based WECS and energy storage in reel wind conditions
Khairalla et al. Enhanced control strategy and energy management for a photovoltaic system with hybrid energy storage based on self-adaptive bonobo optimization
Hegazy et al. Design optimization and optimal power control of fuel cell hybrid electric vehicles based on swarm intelligence
CN117039830A (zh) 减少燃料电池混合能源***氢气消耗的能量管理方法

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
GR01 Patent grant
GR01 Patent grant