CN116914901A - 一种基于模型预测控制的混合储能协同控制方法及*** - Google Patents
一种基于模型预测控制的混合储能协同控制方法及*** Download PDFInfo
- Publication number
- CN116914901A CN116914901A CN202310850621.8A CN202310850621A CN116914901A CN 116914901 A CN116914901 A CN 116914901A CN 202310850621 A CN202310850621 A CN 202310850621A CN 116914901 A CN116914901 A CN 116914901A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- current
- power
- super capacitor
- hybrid energy
- 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 157
- 238000000034 method Methods 0.000 title claims abstract description 45
- 239000003990 capacitor Substances 0.000 claims abstract description 93
- 230000006870 function Effects 0.000 claims description 28
- 238000012546 transfer Methods 0.000 claims description 27
- 238000005070 sampling Methods 0.000 claims description 22
- 238000013459 approach Methods 0.000 claims description 13
- 238000011084 recovery Methods 0.000 claims description 10
- 238000011217 control strategy Methods 0.000 abstract description 7
- 238000004088 simulation Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 9
- 238000010248 power generation Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 6
- 238000013178 mathematical model Methods 0.000 description 4
- 230000002457 bidirectional effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 210000000352 storage cell Anatomy 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- H02J7/34—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
-
- 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
-
- 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
- H02J15/00—Systems for storing electric 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
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/007—Regulation of charging or discharging current or voltage
-
- 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
- H02J7/007—Regulation of charging or discharging current or voltage
- H02J7/00712—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种基于模型预测控制的混合储能协同控制方法,包括:确定混合储能***的直流微电网结构;应用外环模型控制器预测得到所述混合储能***下一时刻所需预测功率;将所述预测功率通过外环低通滤波器分频,得到电池和超级电容的功率需求;根据所述功率需求,计算得到电池和超级电容输出电流的参考值,并将所述电流参考值作为内环电流参考输入值;将所述内环电流参考输入值输入电池和超级电容的内环控制器,并根据所述内环控制器的输出确定满足外环功率需求和内环电流需求的一组开关模态。如此,本发明可以基于功率外环和电流内环的双闭环控制策略,避免了复杂的参数整定,对扰动具有更强的稳定性,缩短了调整时间。
Description
技术领域
本发明涉及但不限于混合储能***控制技术领域,尤其涉及一种基于模型预测控制的混合储能协同控制方法及***。
背景技术
近年来,随着新能源发电在电力***中的广泛应用,混合储能***高效协同控制需求愈发强烈。典型的由高能量密度储能电池和超级电容器组成的混合储能***,在新能源出力波动下,难以同时满足混合***的平稳性和快速性。因此,有效的协同控制方法对于新能源间歇性功率平抑以及负荷需求变化至关重要的。
传统IP控制,是基于低通滤波器功率进行分频的双闭环控制,该方法控制结构复杂,抗干扰性减弱,且参数调整过程较长,在***工作点发生变化后难以保持良好的控制特性。为了克服传统PI控制缺陷,可以采用滑模控制(SMC)或者分散控制。滑模控制具有可变结构,对特定扰动和参数整定不敏感,但存在通信延迟、迟滞、动态响应慢等缺陷,会引入高频抖振,限制了***频率的提高。而分散控制是通过混合储能之间动态功率共享的控制策略,在发电和负载变化期间,将虚拟电阻和电容下垂系数充当储能电池的低通滤波器和超级电容器的高通滤波器,但在负载频繁切换时,基于下垂控制的直流微电网电压会出现剧烈波动,线路阻抗产生的电压降,进一步影响直流母线电压的质量。
发明内容
为了解决上述问题,本发明提供了一种基于模型预测控制的混合储能协同控制方法、装置、终端及存储介质。
本发明的技术方案是这样实现的:
一种基于模型预测控制的混合储能协同控制方法,所述方法包括:
S1:确定混合储能***的直流微电网结构,所述混合储能***包括并联的储能电池和超级电容;
S2:应用外环模型控制器预测得到所述混合储能***下一时刻所需平抑的预测功率;
S3:将所述预测功率通过外环低通滤波器分频,得到电池和超级电容的功率需求;
S4:根据所述储能电池和超级电容的功率需求,计算得到电池和超级电容输出电流的参考值iLlref和iL2ref,并将所述电流参考值iLlref和iL2ref作为电池和超级电容的内环电流参考输入值;
S5:将所述内环电流参考输入值输入电池和超级电容的内环控制器,并根据所述内环控制器的输出确定满足外环功率需求和内环电流需求的一组开关模态,从而对混合储能***进行控制。
进一步地,所述方法还包括:
S21:根据***超级电容的母线电压恢复等速趋近方式,计算混合***K+1时刻的输出电流,表述为:
其中,k为采样时刻,iC(k+1)为k+1时刻直流母线电容电流,iload(k)为k时刻的负载电流,iPV(k)为k时刻电源输出电流,C为直流母线电容,Ts为所述预测控制器的采样周期时间,N为母线电压趋近步数,Vdcref为直流母线目标电压,Vdc(k)为k时刻的直流母线电压,iref(k+1)为k+1时刻混合储能***输出电流;
S22:根据所述混合储能***输出电流iref(k+1),得到混合储能***k+1时刻的预测功率,表述为:
pref(k+1)=Vdcref·iref(k+1)
所述预测功率即为所述混合储能***所需平抑的功率。
进一步地,所述方法还包括:
将所述预测功率pref(k+1)作为外环功率低通滤波器输入,外环功率低通滤波器输出pbat(k+1)为储能电池的功率需求;pref(k+1)减去低通滤波器输出得到psc(k+1)为超级电容的功率需求。
进一步地,所述方法还包括:
计算得到储能电池和超级电容输出电流的参考值iLlref和iL2ref为:
其中,Vbat为储能电池端电压,Vsc为超级电容端电压。
进一步地,所述方法还包括:
S51:确定混合存储***的在小信号模型下电流对占空比的传递函数Gid_bat,表述为:
其中,Dbat为占空比,ibat为电池实际输出电流,C为超级电容大小,R为负载大小,L1为电池第一电感大小,Vdc为直流母线电压,s和d均为给定值;
S52:对内环电流跟踪的PI控制器传递函数的参数进行整定,所述PI控制器传递函数Gpi,表述为:
其中,KP是比例系数,Ki是积分系数,KP和Ki均为待整定参数;
S53:将所述内环电流参考输入值作为传递函数Gid_bat和PI控制器的传递函数Gpi构成的所述内环控制器,得到实际输出电流ibat;
S54:根据所述内环控制器的输出,确定满足外环功率需求和内环电流需求的一组开关模态。
进一步地,所述方法还包括:
首先计算下一采样周期所有开关模式下的输出功率,然后根据得到的输出功率计算下一次采样周期储能电池和超级电容的输出电流,最后选择最接近功率需求和电流需求的一组开关模式输出到储能电池主电路或超级电容主电路的开关管,以实现对每组混合储能***进行MPC-PI控制。
本发明实施例还提供了一种基于模型预测控制的混合储能协同控制***,包括:
初始确定模块,用于确定混合储能***的直流微电网结构,所述混合储能***包括并联的储能电池和超级电容;
功率预测模块,用于应用外环模型控制器预测得到所述混合储能***下一时刻所需平抑的预测功率;
所述功率预测模块,也用于将所述预测功率通过外环低通滤波器分频,得到储能电池和超级电容的功率需求;
电流预测模块,用于根据所述储能电池和超级电容的功率需求,计算得到电池和超级电容输出电流的参考值iL1ref和iL2ref,并将所述电流参考值iL1ref和iL2ref作为电池和超级电容的内环电流参考输入值;
控制模块,用于将所述内环电流参考输入值输入电池和超级电容的内环控制器,并根据所述内环控制器的输出确定满足外环功率需求和内环电流需求的一组开关模态,从而对混合储能***进行控制。
本发明实施例提供一种基于模型预测控制的混合储能协同控制方法,确定混合储能***的直流微电网结构,所述混合储能***包括并联的储能电池和超级电容;应用外环模型控制器预测得到所述混合储能***下一时刻所需平抑的预测功率;将所述预测功率通过外环低通滤波器分频,得到电池和超级电容的功率需求;根据所述储能电池和超级电容的功率需求,计算得到电池和超级电容输出电流的参考值,并将所述电流参考值作为***储能电池和超级电容的内环电流参考输入值;将所述内环电流参考输入值作输入所述内环控制器;根据内环控制器的输出确定满足外环功率需求和内环电流需求的一组开关模态,从而对混合储能***进行控制。如此,本发明可以基于功率外环和电流内环的双闭环控制策,避免复杂的参数整定,对扰动具有更强的稳定性,缩短了调整时间。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例中一种基于模型预测控制的混合储能协同控制方法的流程示意图;
图2是本发明实施例中一种混合储能***的直流微电网拓扑结构图;
图3是本发明实施例中一种母线电压恢复步骤示意图;
图4是本发明实施例中一种外环低通滤波器控制示意图;
图5是本发明实施例中一种储能电池电流内环控制框图;
图6是本发明实施例中一种基于模型预测控制的混合储能协同控制***结构示意图;
图7是本发明实施例中一种基于模型预测控制的混合储能协同控制方法的新能源光伏发电输出功率的仿真结果示意图;
图8是本发明实施例中一种基于模型预测控制的混合储能协同控制方法的负载功率波动的仿真结果示意图;
图9是本发明实施例中一种基于模型预测控制的混合储能协同控制方法混合储能功率输出预测的仿真结果示意图;
图10是本发明实施例中一种基于模型预测控制的混合储能协同控制方法混合储能高低频功率分配的仿真结果示意图;
图11是本发明实施例中作为对比实验增加的传统PI双环控制效果示意图;
图12是本发明实施例中作为对比实验增加的本发明的MPC-PI控制效果示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
请参考图1,本发明实施例提供了一种基于模型预测控制的混合储能协同控制方法,具体包括如下步骤:
S1:确定混合储能***的直流微电网结构,所述混合储能***包括并联的储能电池和超级电容;
S2:应用外环模型控制器预测得到所述混合储能***下一时刻所需平抑的预测功率;
S3:将所述预测功率通过外环低通滤波器分频,得到储能电池和超级电容的功率需求;
S4:根据所述储能电池和超级电容的功率需求,计算得到电池和超级电容输出电流的参考值iL1ref和iL2ref,并将所述电流参考值iL1ref和iL2ref作为电池和超级电容的内环电流参考输入值;
S5:将所述内环电流参考输入值输入电池和超级电容的内环控制器,并根据所述内环控制器的输出确定满足外环功率需求和内环电流需求的一组开关模态,从而对混合储能***进行控制。
本发明实施例所述方法由终端执行。所述终端可以是各类型的终端;例如,所述终端可以是但不限于是以下至少之一:服务器、计算机、平板电脑或者其他电子设备。
进一步的,所述步骤S1包括:
S11:确定直流微电网结构,包括储能电池和超级电容并联的混合储能***,所述储能电池包括第一电感和第二电感;
S12:根据所述直流微电网结构中开关对应的电路模态,建立所述混合储能***数学模型,如下:
其中,L1为第一电感大小,L2为第二电感大小,iL1为流过第一电感电流,iL2为流过第二电感电流,VBAT为储能电池电压,VsC为超级电容器电压,Vdc为***输出电压,SW1和SW3均为开关模态。
示例性的,如图2所示的混合储能***的直流微电网拓扑结构图,包括储能电池和超级电容并联的混合储能***。L1为第一电感大小,L2为第二电感大小,iL1为流过第一电感电流,iL2为流过第二电感电流,VBAT为储能电池电压,VSC为超级电容器电压,Vdc为***输出电压,SW1为第一开关模态,SW2为第二开关模态,SW3为第三开关模态,SW4为第四开关模态,且开关模取值0或1,SW1、SW2取值相反,SW3、SW4取值相反。
进一步的,所述步骤S2包括:
S21:根据***超级电容的母线电压恢复等速趋近方式,计算混合***K+1时刻的输出电流,表述为:
其中,k为采样时刻,iC(k+1)为k+1时刻直流母线电容电流,iload(k)为k时刻的负载电流,iPV(k)为k时刻电源输出电流,C为直流母线电容,Ts为所述预测控制器的采样周期时间,N为母线电压趋近步数,Vdcref为直流母线目标电压,Vdc(k)为k时刻的直流母线电压,iref(k+1)为k+1时刻混合储能***输出电流;
S22:根据所述混合储能***输出电流iref(k+1),得到混合储能***k+1时刻的预测功率,表述为:
pref(k+1)=Vdcref·iref(k+1) (1.13)
其中,pref(k+1)为***k+1时刻的预测功率,Vdcref为直流母线目标电压,iref(k+1)为***K+1时刻的输出电流;所述预测功率即为所述混合储能***所需平抑的功率。
进一步的,所述步骤S21还包括:
S21a:根据***超级电容的母线电压恢复等速趋近方式,得到混合储能***K+1时刻超级电容的电压预测值,表述为:
其中,N为趋近步数。
具体的,所述趋近步数N的取值可由设置最大稳态跟踪误差确定:
示例性的,如图3所示的母线电压恢复步骤示意图,Vdc(k)为采样时刻k的超级电容端的电压值,Vdc(k+1)为k+1时刻的超级电容端恢复到的电压值,Vdc(k+2)为k+2时刻的超级电容端恢复到的电压值,Vdcref为最后时刻的超级电容端恢复到的直流母线目标电压值,按照图3所示的母线电压恢复步骤设计电压恢复等速趋近方式。
S21b:流过母线电容的电流iC可表示为:
其中,C为超级电容的大小,u为超级电容的端电压。
S21c:根据母线电压变化可以推导出电容电流变化,将式(0.4)离散化可得:
其中,iC(k+1)为***k+1时刻流过超级电容的电流,Ts为所述预测控制器的采样周期时间,Vdc(k+1)为***k+1时刻超级电容的端电压,Vdc(k)为***k时刻超级电容的端电压。
S21d:根据式(0.6)和(0.7),计算混合***K+1时刻的直流母线电容电流,表述为:
其中,k为采样时刻,iC(k+1)为k+1时刻直流母线电容电流,iload(k)为k时刻的负载电流,iPV(k)为k时刻电源输出电流,C为直流母线电容,Ts为所述预测控制器的采样周期时间,N为母线电压趋近步数,Vdcref为直流母线目标电压,Vdc(k)为k时刻的直流母线电压;
S21e:新能源光伏发电采用最大功率点跟踪功率,采样时刻k电池输出电流:
其中VPV_MPPT为光伏发电最大功率点对应电压,PPV(k)为电池最大功率点跟踪功率;
S21f:根据基尔霍夫电流定律可以推导出混合储能***的输出电流:
iref=ic+iload-iPV (0.9)
其中,iref为混合储能***输出电流,iload为采样时刻的负载电流,iPV采样时刻的电池输出电流;
需要说明的是,所述基尔霍夫电流定律为,电路中流入任意节点的电流之和等于流出节点的电流之和。
S21g:结合式(0.10)、(0.11)和(1.11)可得混合储能***下一时刻的输出电流iref(k+1),表述为:
其中,iref(k+1)为k+1时刻混合储能***输出电流,iload(k)为采样时刻k的负载电流,iPV(k)采样时刻k的电池输出电流;
S21i:根据所述混合储能***输出电流iref(k+1),得到混合储能***k+1时刻的预测功率pref(k+1)。
如此,本发明实施例可以基于母线电压动态恢复能力,设计基于混合储能***拓扑结构的预测模型,对所述混合储能***功率输出进行预测控制,在新能源出力波动以及负载波动时,保证母线电压稳定,从而提高整个***运行的平稳性。且,在母线电压参考量的限定下对所述混合储能***功率输出进行预测控制,可以保证母线尽量减少超调量,合理利用光伏新能源,节约资源。
进一步的,所述步骤S3包括:
S31:将所述预测功率pref(k+1)作为外环功率低通滤波器输入,外环功率低通滤波器输出pbat(k+1)为储能电池的功率需求;
这里,所述外环功率低通滤波器传递函数可表示为:
其中,ωc为截止频率;所述预测功率分配到高频部分和低频部分,可表述为:
其中,Pref为混合储能参考功率、Pbat和Psc分别、储能电池输出功率、超级电容器输出功率。
S32:pref(k+1)减去低通滤波器输出得到psc(k+1)为超级电容的功率需求。
示例性的,如图4所示的外环低通滤波器控制示意图,通过所述外环低通滤波器,将功率pref分频解耦,得到高频功率Psc和低频功率Pbat。
进一步的,所述步骤S3还包括:根据式(1.3)和(1.13),得到下一时刻得到储能电池和超级电容的功率需求,表述为:
Psc(k+1)=pref(k+1)-Pbat(k+1) (0.16)
其中,pbat(k+1)为***下一时刻储能电池的功率需求,psc(k+1)为***下一时刻超级电容的功率需求。
可以理解的是,滤波器具有设计简单响应速度快的特点,为了保证储能电池能够承受当量低通滤波后的电量,截止频率ωc的选取应该大于或等于储能电池的响应时间,同时需要尽可能保证高频功率波动能够有效分离。如此,本发明实施例可以通过低通滤波器对高低频功率解耦,高频功率波动由超级电容吸收或提供,低频功率波动由储能电池吸收或提供,实现混合储能动态功率共享。
进一步的,所述步骤S4中,计算得到储能电池和超级电容输出电流的参考值iLlref和iL2ref为:
其中,Vbat为储能电池端电压,Vsc为超级电容端电压。
进一步的,所述步骤S5包括:
S51:确定混合存储***的在小信号模型下电流对占空比的传递函数Gid_bat,表述为:
其中,Dbat为占空比,ibat为电池实际输出电流,C为超级电容大小,R为负载大小,L1为电池第一电感大小,Vdc为直流母线电压,s和d均为给定值;
S52:对内环电流跟踪的PI控制器传递函数的参数进行整定,所述PI控制器传递函数Gpi,表述为:
示例性的,如图5所示的储能电池电流内环控制框图,内环电流跟踪采用比例积分控制,所述内环电流低通滤波器的传递函数包括电流对占空比的传递函数Gid_bat和PI控制器Gpi,所述PI控制器Gpi可表示为:
其中,KP是比例系数,Ki是积分系数,KP和Ki均为待整定参数;
S53:将所述内环电流参考输入值作为传递函数Gid_bat和PI控制器的传递函数Gpi构成的所述内环控制器,得到实际输出电流ibat;
S54:根据所述内环控制器的输出,所述混合储能***数学模型,确定满足外环功率需求和内环电流需求的一组开关模态。
进一步的,所述步骤S51还包括:
S51a:确定储能电池双向DC-DC电路模型的***状态方程,表述为:
其中iO为DC-DC实际输出电流,Dbat为占空比;
S51b:根据所述***状态方程,建立储能电池双向DC-DC电路模型的小信号模型,得到***在小信号模型下电流对占空比的传递函数Gid_bat。
进一步的,所述步骤S52还包括:通过所述储能电池双向DC-DC电路模型的小信号模型对内环电流跟踪的PI控制器传递函数的参数进行整定。
可以理解的是,类似地可以得到超级电容的电流内环控制框图以及传递函数。
进一步的,所述步骤S53还包括:将所述内环电流参考输入值与实际输出电流的偏差作为传递函数Gid_ba1和PI控制器的传递函数Gpi构成的所述内环控制器,得到实际输出电流ibat。
进一步的,所述步骤S54还包括:
S54a:基于所述混合储能***数学模型,即式(0.21),得到混合储能***内环电流输出模型,表述为:
S54b:将内环预测电流iLlref(k+1)和iL2ref(k+1)代入所述混合储能***内环电流输出模型,确定满足外环功率需求和内环电流需求的一组开关模态。
可以理解的是,本发明提供的模型预测控制方法具体为,首先计算下一采样周期所有开关模式下的输出功率,然后根据得到的输出功率计算下一次采样周期储能电池和超级电容的输出电流,最后选择最接近功率需求和电流需求的一组开关模式输出到储能电池主电路或超级电容主电路的开关管,以实现对每组混合储能***进行MPC-PI控制。
需要说明的是,本发明实施例考虑了在整个控制过程中新能源出力以及负荷变化时对直流母线电压变化的影响,设计了功率外环,电流内环的双闭环控制策略。如此,本发明实施例可以基于功率外环和电流内环的双闭环控制策,提高控制的快速性,与传统PI双闭环相比,避免了复杂的参数整定,对扰动具有更强的稳定性,并缩短了调整时间。
请参考图6,本发明实施例还提供了一种基于模型预测控制的混合储能协同控制***,所述***包括:初始确定模块201,功率预测模块202,电流预测模块203,控制模块204;其中,
所述初始确定模块201,用于确定混合储能***的直流微电网结构,所述混合储能***包括并联的储能电池和超级电容;
所述功率预测模块202,用于应用外环模型控制器预测得到所述混合储能***下一时刻所需平抑的预测功率;
所述功率预测模块202,也用于将所述预测功率通过外环低通滤波器分频,得到储能电池和超级电容的功率需求;
所述电流预测模块203,用于根据所述储能电池和超级电容的功率需求,计算得到电池和超级电容输出电流的参考值iLlref和iL2ref,并将所述电流参考值iL1ref和iL2ref作为电池和超级电容的内环电流参考输入值;
所述控制模块204,用于将所述内环电流参考输入值输入电池和超级电容的内环控制器,并根据所述内环控制器的输出确定满足外环功率需求和内环电流需求的一组开关模态,从而对混合储能***进行控制。
在一些实施例中,所述方法还包括:
所述功率预测模块,用于根据***超级电容的母线电压恢复等速趋近方式,计算混合***K+1时刻的输出电流,表述为:
其中,k为采样时刻,iC(k+1)为k+1时刻直流母线电容电流,iload(k)为k时刻的负载电流,ipV(k)为k时刻电源输出电流,C为直流母线电容,Ts为所述预测控制器的采样周期时间,N为母线电压趋近步数,Vdcref为直流母线目标电压,Vdc(k)为k时刻的直流母线电压,iref(k+1)为k+1时刻混合储能***输出电流;
所述功率预测模块,用于根据所述混合储能***输出电流iref(k+1),得到混合储能***k+1时刻的预测功率,表述为:
pref(k+1)=Vdcref·ihess(k+1)
所述预测功率即为所述混合储能***所需平抑的功率。
在一些实施例中,所述方法还包括:
所述功率预测模块,用于将所述预测功率pref(k+1)作为外环功率低通滤波器输入,外环功率低通滤波器输出pbat(k+1)为储能电池的功率需求;pref(k+1)减去低通滤波器输出得到psc(k+1)为超级电容的功率需求。
在一些实施例中,所述方法还包括:
所述功率预测模块,用于计算得到储能电池和超级电容输出电流的参考值iL1ref和iL2ref为:
其中,Vbat为储能电池端电压,Vsc为超级电容端电压。
在一些实施例中,所述方法还包括:
所述电流预测模块,用于确定混合存储***的在小信号模型下电流对占空比的传递函数Gid_bat,表述为:
其中,Dbat为占空比,ibat为电池实际输出电流,C为超级电容大小,R为负载大小,L1为电池第一电感大小,Vdc为直流母线电压,s和d均为给定值;
所述电流预测模块,用于对内环电流跟踪的PI控制器传递函数的参数进行整定,所述PI控制器传递函数Gpi,表述为。
其中,KP是比例系数,Ki是积分系数,KP和Ki均为待整定参数;
所述电流预测模块,用于将所述内环电流参考输入值作为传递函数Gid_bat和PI控制器的传递函数Gpi构成的所述内环控制器,得到实际输出电流ibat;
所述电流预测模块,用于根据所述内环控制器的输出,确定满足外环功率需求和内环电流需求的一组开关模态。
作为一种实施例,本发明将所提出的方法与其它方法进行比较。具体的:
以光伏作为新能源功率输入,采用恒功率负载,验证本发明提供的基于模型预测控制的混合储能***控制方法(MPC-PI控制方法)的控制策略有效性。实验结果如图6、图7、图8所示,验证了所述MPC-PI控制方法的可靠性。
具体为,光伏控制方式采用最大功率点跟踪,光照强度将模拟实际进行改变,负载功率由初始50W在0.5s时切换为250W。电路拓扑参数设置为:Vbat=24(V),额定容量50(Ah),响应时间0.2s,VSc=15(V),电感L1,L2均为0.2mH,母线电容为3mF。考虑储能电池的响应速度以及本身容量低通滤波器截止频率ωc=2(Hz)。通过整定控制器参数最终确定储能电池电流内环PI控制器参数为Kp=15,Ki=50,超级电容器电流内环PI控制器参数为Kp=19.25,Ki=100。
新能源光伏发电输出功率的仿真结果如图7所示,图中由上到下分别为光伏输出功率、输入光照强度、输出电压、输出电流。从图中可以看出在仿真中加入了光照变化以模拟由于天气等原因造成光伏功率输出波动。同时,负载功率波动的仿真结果如图8所示,模拟为负载功率变化的不确定性,通过模型预测控制得到的混合储能功率输出预测的仿真结果如图9所示。
储能电池与超级电容器参考功率由滤波器解耦得出,如图10所示的混合储能高低频功率分配的仿真结果,从图中可以看出,***启动时储能由于自身特性原因响应速度较慢,功率输出变化较为缓慢。而超级电容迅速做出响应,在每一次功率波动时能及时吸收或支撑瞬态功率,平滑储能电池功率需求,进一步地减少母线电压波动。
基于PI双环控制以及基于传统PI-PI控制下母线电压稳定性的仿真结果如图11所示,图中,带圆圈实线代表PI-PI控制***的跟踪信号,不带圆圈实线代表PI-PI控制***的参考信号。基于MPC-PI控制下直流母线电压稳定性的仿真结果如图12所示,图中,带圆圈实线代表MPC-PI控制***的跟踪信号,不带圆圈实线代表MPC-PI控制***的参考信号。对比图11和图12可以看出,基于模型预测控制,即MPC-PI控制下的***上升时间短,超调量小,在光伏发电、负载波动的情况下母线电压依然能够稳定在参考电压下。仿真实例验证了混合储能***再MPC-PI控制策略下保证动态功率共享的同时,快速对负荷变化等情况做出响应,并且母线电压波动非常小,***的平稳性提升明显。
需要说明的是:本发明实施例所记载的技术方案之间,在不冲突的情况下,可以任意组合。
以上所述,仅为本发明的具体实施方式,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揭露的技术范围内,可轻易想到变化或替换,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以所述权利要求的保护范围为准。
Claims (7)
1.一种基于模型预测控制的混合储能协同控制方法,其特征在于,所述方法包括以下步骤:
S1:确定混合储能***的直流微电网结构,所述混合储能***包括并联的储能电池和超级电容;
S2:应用外环模型控制器预测得到所述混合储能***下一时刻所需平抑的预测功率;
S3:将所述预测功率通过外环低通滤波器分频,得到电池和超级电容的功率需求;
S4:根据所述储能电池和超级电容的功率需求,计算得到电池和超级电容输出电流的参考值iL1ref和iL2ref,并将所述电流参考值iL1ref和iL2ref作为电池和超级电容的内环电流参考输入值;
S5:将所述内环电流参考输入值输入电池和超级电容的内环控制器,并根据所述内环控制器的输出确定满足外环功率需求和内环电流需求的一组开关模态,从而对混合储能***进行控制。
2.利要求1所述的一种基于模型预测控制的混合储能协同控制方法,其特征在于,步骤S2包括:
S21:根据***超级电容的母线电压恢复等速趋近方式,计算混合***K+1时刻的输出电流,表述为:
其中,k为采样时刻,iC(k+1)为k+1时刻直流母线电容电流,iload(k)为k时刻的负载电流,iPV(k)为k时刻电源输出电流,C为直流母线电容,Ts为所述预测控制器的采样周期时间,N为母线电压趋近步数,Vdcref为直流母线目标电压,Vdc(k)为k时刻的直流母线电压,iref(k+1)为k+1时刻混合储能***输出电流;
S22:根据所述混合储能***输出电流iref(k+1),得到混合储能***k+1时刻的预测功率,表述为:
pref(k+1)=Vdcref·iref(k+1)
所述预测功率即为所述混合储能***所需平抑的功率。
3.根据权利要求2所述的一种基于模型预测控制的混合储能协同控制方法,其特征在于,步骤S3中,将所述预测功率pref(k+1)作为外环功率低通滤波器输入,外环功率低通滤波器输出pbat(k+1)为储能电池的功率需求;pref(k+1)减去低通滤波器输出得到psc(k+1)为超级电容的功率需求。
4.根据权利要求3所述的一种基于模型预测控制的混合储能协同控制方法,其特征在于,步骤S4中,计算得到储能电池和超级电容输出电流的参考值iL1ref和iL2ref为:
其中,Vbat为储能电池端电压,Vsc为超级电容端电压。
5.根据权利要求1所述的一种基于模型预测控制的混合储能协同控制方法,其特征在于,步骤S5包括:
S51:确定混合存储***的在小信号模型下电流对占空比的传递函数Gid_bat,表述为:
其中,Dbat为占空比,ibat为电池实际输出电流,C为超级电容大小,R为负载大小,L1为电池第一电感大小,Vdc为直流母线电压,s和d均为给定值;
S52:对内环电流跟踪的PI控制器传递函数的参数进行整定,所述PI控制器传递函数Gpi,表述为:
其中,KP是比例系数,Ki是积分系数,KP和Ki均为待整定参数;
S53:将所述内环电流参考输入值作为传递函数Gid_bat和PI控制器的传递函数Gpi构成的所述内环控制器,得到实际输出电流ibat;
S54:根据所述内环控制器的输出,确定满足外环功率需求和内环电流需求的一组开关模态。
6.根据权利要求1所述的一种基于模型预测控制的混合储能协同控制方法,其特征在于,首先计算下一采样周期所有开关模式下的输出功率,然后根据得到的输出功率计算下一次采样周期储能电池和超级电容的输出电流,最后选择最接近功率需求和电流需求的一组开关模式输出到储能电池主电路或超级电容主电路的开关管,以实现对每组混合储能***进行MPC-PI控制。
7.一种基于模型预测控制的混合储能协同控制***,其特征在于,所述***包括:初始确定模块,用于确定混合储能***的直流微电网结构,所述混合储能***包括并联的储能电池和超级电容;
功率预测模块,用于应用外环模型控制器预测得到所述混合储能***下一时刻所需平抑的预测功率;
所述功率预测模块,也用于将所述预测功率通过外环低通滤波器分频,得到储能电池和超级电容的功率需求;
电流预测模块,用于根据所述储能电池和超级电容的功率需求,计算得到电池和超级电容输出电流的参考值iL1ref和iL2ref,并将所述电流参考值iL1ref和iL2ref作为电池和超级电容的内环电流参考输入值;
控制模块,用于将所述内环电流参考输入值输入电池和超级电容的内环控制器,并根据所述内环控制器的输出确定满足外环功率需求和内环电流需求的一组开关模态,从而对混合储能***进行控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310850621.8A CN116914901A (zh) | 2023-07-11 | 2023-07-11 | 一种基于模型预测控制的混合储能协同控制方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310850621.8A CN116914901A (zh) | 2023-07-11 | 2023-07-11 | 一种基于模型预测控制的混合储能协同控制方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116914901A true CN116914901A (zh) | 2023-10-20 |
Family
ID=88355736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310850621.8A Pending CN116914901A (zh) | 2023-07-11 | 2023-07-11 | 一种基于模型预测控制的混合储能协同控制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116914901A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117239711A (zh) * | 2023-11-13 | 2023-12-15 | 四川大学 | 改善抽油机井群供电质量的储能控制方法和装置 |
-
2023
- 2023-07-11 CN CN202310850621.8A patent/CN116914901A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117239711A (zh) * | 2023-11-13 | 2023-12-15 | 四川大学 | 改善抽油机井群供电质量的储能控制方法和装置 |
CN117239711B (zh) * | 2023-11-13 | 2024-02-02 | 四川大学 | 改善抽油机井群供电质量的储能控制方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102185533B (zh) | 储能型准-z源光伏发电控制***和控制方法 | |
Jami et al. | Control of a super-capacitor energy storage system to mimic inertia and transient response improvement of a direct current micro-grid | |
CN109617105B (zh) | 一种基于下垂控制的分布式复合储能协同控制方法 | |
CN112086997B (zh) | 一种基于变功率跟踪和超级电容储能的光伏协调调频控制方法 | |
CN116914901A (zh) | 一种基于模型预测控制的混合储能协同控制方法及*** | |
CN108777493B (zh) | 一种基于灵敏度矩阵的低压微网二次电压控制方法 | |
CN110912115B (zh) | 用于混合储能电路平抑功率波动的预测控制方法及*** | |
Chen et al. | A model predictive control method for hybrid energy storage systems | |
CN108321842A (zh) | L型并网逆变器并网电流控制的有源阻尼优化方法 | |
Arunkumar et al. | Supercapacitor voltage based power sharing and energy management strategy for hybrid energy storage system | |
CN112670975B (zh) | 基于泰勒展开的直流配用电***状态反馈控制方法 | |
CN105656022A (zh) | 一种分布式光储直流供电***非线性微分平滑控制方法 | |
CN114709807A (zh) | 一种基于储能变换器的直流微网灵活虚拟惯性控制方法 | |
Punna et al. | Optimum design and analysis of a dynamic energy management scheme for HESS in renewable power generation applications | |
CN110350538B (zh) | 一种基于主动需求侧响应的微电网协调控制方法 | |
CN112436502A (zh) | 一种基于暂态电量的直流电网电压稳定控制方法 | |
CN110212541B (zh) | 一种基于预测模型的直流电力弹簧控制方法 | |
CN115425636A (zh) | 含飞轮储能的直流微电网虚拟惯量自适应控制方法 | |
CN113394766B (zh) | 基于负荷累积电量的直流电网电压暂态控制***及方法 | |
Arunkumar et al. | A hybrid controller assisted voltage regulation and power splitting strategy for battery/supercapacitor system in isolated DC microgrid | |
Tian et al. | Two-stage PV grid-connected control strategy based on adaptive virtual inertia and damping control for DC-link capacitor dynamics self-synchronization | |
Li et al. | An improved distributed secondary control to attain concomitant accurate current sharing and voltage restoration in DC microgrids | |
CN117394407A (zh) | 应用于光伏混合储能***的自抗扰控制方法 | |
Wu et al. | A PCH strong tracking control strategy for power coordinated allocation of Li-SC HESS | |
CN111355229B (zh) | 一种直流微电网中超级电容降容的控制***及方法 |
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 |