一种基于模型预测控制的混合储能分层控制方法及系统

技术领域

本发明属于电气工程领域，更具体地，涉及一种基于模型预测控制的混合储能分层控制方法及系统。

背景技术

当前，随着新能源的快速发展和电力系统规模的不断扩大，电网的稳定性和可靠性面临着越来越大的挑战。传统的电力系统主要依赖于发电机组来维持电网的频率稳定，然而，传统机组的调节速度有限，且燃料成本较高，对电力系统的经济性和环境影响也存在一定的局限性。此外，由于电力系统中不断增加的新能源并网，如风电和光伏发电，其波动性和间歇性给电网的频率稳定性带来了新的挑战。

为了解决上述问题，近年来储能技术被广泛研究和应用于电力系统中，以提供灵活的能量调节和频率稳定支持。其中，氢储能和电化学储能作为储能技术的重要分支，具有能量密度高、快速响应、可持续性等优势，被认为是潜力巨大的解决方案。

然而，目前的氢-电混合储能系统在实际应用中面临一些挑战。传统的控制策略往往无法充分利用储能系统的优势，导致电网频率调节不够精确，传统机组调节频率较高，从而降低了系统的效率和可靠性。因此，需要一种基于模型预测控制的分层协调控制方法，以提高氢-电混合储能系统的性能和效益。

发明内容

针对现有技术的缺陷和改进需求，本发明提供了一种基于模型预测控制的混合储能分层控制方法及系统，其目的在于充分利用电储能响应速度快，氢储能容量大的优势，实现了氢-电混合储能电站对新能源发电功率波动的补偿，维持了电网的频率稳定，同时对各机组发电成本进行优化，同时减少了机组的调节频率，提高了机组的使用寿命，并对电化学储能的SOC(State of Charge，电池荷电状态)进行了管理，有利于减少电化学储能的配置容量及功率。

为实现上述目的，按照本发明的第一方面，提供了一种基于模型预测控制的混合储能分层控制方法，该方法包括以下步骤：

建立带有传统机组、电化学与氢储能的混合储能系统的区域电网频率响应模型，氢储能中的燃料电池与电解槽根据其响应时间分别用惯性环节表示；

对于该模型，使用分层控制的思路：上层控制在慢时间尺度进行，为功率优化控制，下层控制在快时间尺度进行，使用模型预测控制(model predictive control，MPC)；

对于上层功率优化控制，使用yalmip求解器优化计算出传统机组和氢储能的目标功率值，将该值传递给下层模型预测控制；

对于下层模型预测控制，负责控制机组按目标功率值出力，同时利用电化学储能的快速响应特性平抑电网频率波动。

进一步地，所述的分层协调控制方法，控制的对象为含有氢-电混合储能的区域电网频率响应模型，其中包含传统机组、电化学储能、氢燃料电池、电解槽、风电场及本地负载，且采用分层控制方法。根据电化学储能与氢储能之间的特性差异(响应时间、控制灵活性等)，令电化学储能在下层响应快速功率波动，氢储能则在慢时间尺度上进行补充。

进一步地，所述的分层协调控制方法，上层进行功率优化控制，在慢时间尺度进行控制，控制时间周期为T

进一步地，所述的分层协调控制方法，下层使用模型预测控制，在短时间尺度进行控制，控制时间周期为T

本发明另一方面提供了一种基于模型预测控制的混合储能分层控制系统，包括：

上层功率优化控制器，用于优化计算出传统机组和氢储能的目标功率值，将该值传递给下层模型预测控制器；

下层模型预测控制器，用于负责控制机组按目标功率值出力，同时利用电化学储能的快速响应特性平抑电网频率波动。

其中，上层功率优化控制器使用yalmip求解器。

本发明的有益效果如下：

氢-电混合储能电站的加入可以综合电储能功率大与氢储能容量大的优点；下层使用模型预测控制对电网频率进行控制，其效果优于传统的PI控制以及惯量阻尼控制，并且该控制可以控制各机组精确跟踪上层控制器的目标指令值；上层功率优化控制可以降低区域电网的发电成本，降低电化学储能的配置容量及功率；将控制分为上下两层，并且分为快慢时间尺度，可以降低机组的调节频率，从而延长机组的使用寿命。

附图说明

图1为本发明实施例提供的一种基于模型预测控制的混合储能分层控制方法的流程图；

图2为区域电网示意图；

图3为电-氢混合电站分层控制架构；

图4为区域电网的频率响应模型；

图5为模型预测控制原理图；

图6为风电功率波动与负荷功率波动；

图7为仅使用AGC不使用储能电站补偿的频率变化；

图8为电网频率Δf的变化；

图9为电网频率Δf局部放大。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，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仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

如图1所示，本发明提供了一种基于模型预测控制的混合储能分层控制方法，该方法包括以下步骤：

建立带有传统机组、电化学与氢储能的混合储能系统的区域电网频率响应模型，氢储能中的燃料电池与电解槽根据其响应时间分别用惯性环节表示；

对于该模型，使用分层控制的思路：上层控制在慢时间尺度进行，为功率优化控制，下层控制在快时间尺度进行，使用模型预测控制；

对于上层功率优化控制，使用yalmip求解器优化计算出传统机组和氢储能的目标功率值，将该值传递给下层模型预测控制；

对于下层模型预测控制，负责控制机组按目标功率值出力，同时利用电化学储能的快速响应特性平抑电网频率波动。

实施例一

本实施例以一个区域电网为例如图2所示，该区域电网风电占比较大，为了平抑风电不确定性带来的电网功率波动，一个电-氢混合储能电站接入其中。区域电网中包含两台12MW传统火电机组、未确定容量的的氢-电混合储能电站、16MW风电场以及25MW本地负载。整个系统的基准功率为12MW。

其中P

本实施例所使用的分层控制架构如图3所示。根据电化学储能与氢储能之间的特性差异(响应时间、控制灵活性等)，令电化学储能在下层响应快速功率波动，氢储能则在慢时间尺度上进行补充。

上层进行功率优化控制，在慢时间尺度进行控制，控制时间周期为T

下层使用模型预测控制(model predictive control，MPC)，在短时间尺度进行控制，控制时间周期为T

下面具体说明本发明提供的一种基于模型预测控制的混合储能分层控制方法。

步骤1包括：建立电化学与氢储能的数学模型。

其中电化学储能充放电总量E

式中：E

通过SOC表示储能剩余能量状态，计算公式如下：

式中：SOC

储能的工作过程主要分为充电和放电两种运行状态，分别由下式表示。

式中：E

建立电解槽的模型如下：

式中：

值得注意的是，对于碱性电解槽，在运行中有一定的特殊性：碱性电解槽可以适应高功率(额定功率的100％～120％)和功率快速调节运行工况，在保证安全稳定运行的情况下，可以实现分钟级的大范围功率调节，但无法长时间处于低功率工况运行，因此，在电-氢混合储能系统协调运行中，可以充分利用其高功率运行和快速功率调节优势，同时，为了保持运行安全性和稳定性，应尽量避免其在低功率工况下运行。

建立储氢罐的模型如下：

式中：

建立燃料电池的模型如下：

式中：

步骤2包括：建立区域电网的频率响应模型以及模型预测控制器。

使用经典的频率响应模型作为研究对象，如图4所示，从上到下共有七条支路，上面两条分别代表2台传统机组，由于使用模型预测控制，去掉传统机组的区域控制偏差(Area control error，ACE)支路；中间3条支路表示混合储能电站，依次为电化学储能、电解槽和氢燃料电池。最后2条支路分别为可再生能源发电功率与负荷吸收功率，以上支路输出值均为功率，正号表示发出功率，负号表示吸收功率(注意ΔP

R

表1区域电网频率响应模型参数

建立模型预测控制器，模型预测控制器内部的工作流程见图5，其中包含：线性定常电网模型、目标函数、扰动预测器、优化求解器。各个部分会在后面详细介绍。模型预测控制器的工作原理为：首先建立被控对象的状态变量方程以及目标函数，读取当前被控对象的各个状态变量值，根据当前状态变量值以及状态变量方程，给出任意控制变量即可计算出下一时刻的状态变量值，再重复以上步骤可以计算出n个时刻后的状态变量，因此可使用优化求解器找到最优的控制变量序列使目标函数最小，将控制变量序列的第一项输出给控制对象。对于含有不确定扰动量的模型，可加入对扰动量的预测。本实施例的预测时域为3个时间步长，后续会进行说明，单位时间步长为0.1s。

下面的状态空间方程描述了模型预测控制器中包含的线性时不变区域电网频率响应模型，这些方程代表了图4所示的区域电网模型。

基于以上方程，可以推出以下状态方程：

其中

X＝[ΔP

U＝[u

W＝ΔP

系数矩阵为

此状态方程为时间连续的，使用前向欧拉法对状态方程进行离散化。其中I为单位矩阵，T为控制周期0.1s。

可以得到离散化的状态空间方程：

x

其中x

本发明中模型预测控制器的控制目标有两方面，一是通过控制电化学储能的出力时刻保持电网频率稳定；二是作为下层控制器，接受上层优化控制发送的功率指令，实现对应的控制。其中氢储能中的电解池与氢燃料电池不同时工作，因此分为两种情况考虑。

记r

r

当氢燃料电池工作时，控制目标为

r

其中ΔP

本实施例中，预测周期为3，因此令

记未来3个控制周期内预测的系统状态变量为

由于控制目标只关注ΔP

C＝diag[C

其中

C

则模型预测控制器的控制目标为：

J＝(CX

其中Q为24×24的主对角矩阵，为状态变量的权重系数，可以通过改变权重系数来改变控制器对某个状态量的控制权重。在本实施例中权重系数均设置为1。

k+1时刻的状态量完全由k时刻的状态量、控制量和扰动决定，继续递推可得k+2时刻的状态量为：

x

可以看出k+2时刻的状态量由k时刻的状态量、控制量、扰动和k+1时刻的控制量以及扰动相关。由于模型预测控制器每一步长为0.1s，而功率扰动的时间尺度较大，因此在本发明中，认为功率扰动量为常数，即

w

代入上式可得

x

同理可得k+3时刻的状态量

x

对扰动功率的近似在短时间尺度内是可以接受的，但随着预测步长的增加，误差也会略有增加，本发明选择预测步长为3。不能选择步长为1或2，由4.3节状态方程可知，控制量的改变传递到整个模型需要经历几个传递函数，如果设置步长为1或2，在计算中，某些控制量无论如何改变均不影响Δf的值，故最小的预测步长为3。如何长期预测功率扰动也是后续可以开展的研究工作之一。

将上式用矩阵表示

X

其中，x

U

ψ＝[A A

γ＝[E (A+1)E (A

由上式可得

其中

F＝Cψx

在函数J(U

H＝2θ

f

化简得

此时可得到二次规划的标准形式，可直接调用matlab quadprog函数求解U

步骤3包括：建立上层功率优化控制以及SOC控制。

在上层，功率优化控制器的目标有两个，一是对电化学储能承担的功率进行分配，释放电化学储能的调节功率，按照总成本最低的原则分配给传统机组及氢储能；二是维持电化学储能的SOC保持在合理范围，维持电化学储能较高的调节容量。

首先对频率调节系统的经济成本进行建模，首先推导功率源的增量成本。增量运行成本包括功率源静态运行成本变化的增量成本和代表控制动作在调整过程中因摩擦等损失的调节里程成本。

电源静态运行成本如下式所示

F

式中P

当功率P

ΔF

式中ΔP

但频繁的功率调节会降低电源的使用寿命，因此，使用调节里程成本表示电源调整过程中的摩擦损失，这在现有的频率调节市场中已经得到考虑。两个相邻时段的调节里程成本可定义如下

ΔL

其中d

因此，总的频率调节成本目标函数可表示为

其中I表示所有的功率源数量，包括传统机组与氢储能。

除此以外，此模型必须满足以下不等式限制

|ΔP

以上不等式依次为：区域电网实时功率平衡方程，ΔP

功率变化约束，

发电斜坡速率限制，P

荷电状态约束，

电解槽约束，由上文可知电解槽可以适应高功率运行工况，但不能长期处于低功率运行工况，本发明中取最大功率值为1.2倍额定功率，最低功率为0.7倍额定功率。

对于氢-电混合储能电站来说，氢储能充当容量型储能，电化学电池充当功率型储能。氢储能的容量可以轻易扩大(增加储氢罐容积)，但电化学电池扩容成本相对较高。为了充分利用已有的电化学储能，则需要对电化学储能的SOC进行管理。

电化学储能承担在每个上层控制周期T

因此上层优化控制器引入SOC管理机制，其计算公式如下：

其中

其中SOC

使用SOC控制之前，上层优化控制将上一时刻电化学储能承担的功率分配给其它功率源，使用SOC控制之后，当SOC过低时，若扰动功率为负值，传统机组及氢储能会适当多发功率，一部分补偿扰动功率，一部分给电化学储能充电；若扰动功率为正值，传统机组及氢储能会适当减少功率，使电化学储能吸收正值功率，使SOC逐渐提高；当SOC过高控制过程同理，且当SOC偏离目标值越远，SOC恢复速度越快。

综合步骤1、2、3，使用yalmip优化控制器进行上层功率优化，优化结果为两台传统机组的发电量，以及氢储能的工作状态以及发电量，优化结果传递到下层模型预测控制。

使用Matlab/Simulink进行仿真搭建，频率响应模型如图4所示，参数采用表1。上层优化控制通过Matlab代码通过yalmip语言调用Gurobi优化求解器进行求解。ΔP

电网频率的实时控制主要由模型预测控制器以及电化学储能实现。模型预测控制器读取电网的实时状态变量，经过优化运算生成控制信号，控制电化学储能响应快速功率波动，从而实现电网频率的稳定。只使用AGC控制，不使用储能电站对系统进行补偿时，其频率响应如图7所示，可以看出不使用储能电站对波动功率补偿时，电网频率偏差很大，由于存在AGC控制，Δf会逐渐接近0，但频率回复速度十分缓慢，即使是小功率的波动，也会造成频率较大的震荡。

本发明所提模型预测控制方法的电网频率Δf的变化如图8所示，其中对红框的部分放大如图9所示，可以看出频率控制效果较好，对照图6负荷功率波动曲线可以看出其中Δf较大的尖峰出现在ΔP

本领域普通技术人员可以理解，以上所述仅为发明的优选实例而已，并不用于限制发明，尽管参照前述实例对发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实例记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在发明的精神和原则之内，所做的修改、等同替换等均应包含在发明的保护范围之内。