一种混合储能系统预测控制方法、装置及存储介质

技术领域

本发明涉及混合储能系统控制技术领域，尤其是指一种混合储能系统预测控制方法、装置、设备及计算机存储介质。

背景技术

混合储能系统是指至少两种储能的组合，它的主要目标是以最优的方式利用可用储能的优势。一种常见的组合是电池和超级电容,因其具有互补的能量特性和功率特性。电池能量密度高，负责提供长时间的能量缓冲；相应的，超级电容功率密度高，适用于实现快速的功率响应。两者的组合可以在不牺牲整个系统性能的情况下延长电池的寿命。因此，由电池和超级电容组合形成的混合储能系统在电动汽车、新能源发电等领域得到了广泛的应用。为了使混合储能系统具有良好的动态性能，提出了多种控制策略。先前的工作可以大致分为两类，即基于规则的和基于优化的。基于优化的控制策略可分为离线方法和在线方法，模型预测控制是现有在线优化管理策略中较为突出的一种。模型预测控制是基于模型的先进控制,其控制性能在很大程度上取决于所使用的参数和所构建的模型的准确性。然而，混合储能系统具有多变量、强耦合以及非线性等特性，想获得其精确的模型面临着难度与障碍。并且当系统参数发生变化时，会出现模型失配的问题，进而影响控制性能。

发明内容

为此，本发明所要解决的技术问题在于克服现有技术中难以精确构建混合储能系统模型预测控制的预测模型且系统参数突变时存在模型失配问题，导致控制性能不好的问题。

为解决上述技术问题，本发明提供了一种混合储能系统预测控制方法，包括：

根据离线输入输出数据，建立基于子空间辨识的混合储能系统状态空间模型，并将其作为预测控制策略的预测模型；

当系统参数固定时，采用模型预测控制策略控制所述混合储能系统运行，所述模型预测控制策略为：以最小化成本为优化目标，建立第一目标函数和第一约束，测量当前系统状态并求得最优解，施加给系统；

当系统参数突变时，切换为鲁棒模型预测控制策略控制所述混合储能系统运行，采集控制过程中实时生成的在线输入输出数据，利用子空间辨识技术获取对应时刻混合储能系统的在线状态空间模型，所述鲁棒预测控制策略为以最小化成本为优化目标，建立H

当满足预设条件时，由鲁棒模型预测控制策略切换回模型预测控制策略，同时将此刻的在线状态空间模型作为模型预测控制的预测模型，所述预设条件为在线状态空间模型控制的负载电压与系统的实际负载电压之间的差值不大于预设阈值。

优选地，所述以最小化成本为优化目标，建立第一目标函数和第一约束包括：

建立成本函数

其中，第一部分是状态变量偏差的成本项，第二部分是输入变量偏差的成本项，Q

以最小化成本函数为优化目标建立第一目标函数：

s.t.x(k+i+1|k)＝Ax(k+i|k)+Bu(k+i|k)

其中，

求取所述成本函数的上界，并采用状态反馈控制律最小化所述上界，将所述第一目标函数转换为寻找Q，F，Z使得γ最小：

其中，γ为一个正标量，Q，F为一个矩阵，Z为对称矩阵；

所述第一约束为：

其中，x(k∣k)表示基于时间k的时间瞬间k对应的状态预测量，I为一个单位矩阵，Y为一个矩阵，符号*表示位于对称位置的方块，Z

优选地，所述以最小化成本为优化目标，建立H

建立H

其中，第一部分是状态变量偏差的成本项，第二部分是输入变量偏差的成本项，

以最小化H

求取所述H

其中，γ，

所述第二约束为：

γ≤γ

其中，x(k)为当前时刻的状态变量，ζ,ξ为一个正标量，γ

优选地，所述状态反馈控制律为将系统的状态变量通过比例环节传送到输入端进行反馈，其表达式为：

u(k+i∣k)＝Kx(k+i∣k),i≥0

其中，K为控制增益。

优选地，所述根据离线输入输出数据，建立基于子空间辨识的混合储能系统状态空间模型，并将其作为预测控制策略的预测模型包括：

获取离线输入输出数据：

u＝(u(0),u(1),...,u(s+N-2))

y＝(y(0),y(1),...,y(s+N-2))

其中，u(s+N-2)为第s+N-2个输入数据，y(s+N-2)为第s+N-2个输出数据，s为严格大于状态向量的维数n的一个常数，N为Hankel矩阵的列数；

基于所述离线输入输出数据构建Hankel矩阵：

其中，m为输入变量的维数，p为输出变量的维数；

将所述Hankel矩阵通过LQ分解技术转换为右上角为0的分块下三角矩阵：

其中，L

将下三角矩阵

其中，

根据转换后的下三角矩阵

根据所述扩展观测矩阵通过子空间辨识算法计算系统矩阵A,B,C,D，获得基于子空间辨识的混合储能系统状态空间模型：

x(k+1)＝Ax(k)+Bu(k)

y(k)＝Cx(k)+Du(k),k＝0,1…

其中，u(k)，y(k)分别为当前时刻的输入和输出，x(k+1)为下一时刻的输入，k表示第k个时刻。

优选地，所述采集在线输入输出数据，更新状态空间模型：

x(k+1)＝A(k)x(k)+B(k)u(k)

其中，A(k)和B(k)为基于在线辨识技术获得的实时系统矩阵，x(k)为当前时刻的状态变量，u(k)为当前时刻的输入。

优选地，所述预设条件为：

其中，

本发明还提供了一种混合储能系统预测控制装置，包括：

预测模型构建模块，用于根据离线输入输出数据，建立基于子空间辨识的混合储能系统状态空间模型，并将其作为预测控制策略的预测模型；

模型预测控制模块，用于当系统参数固定时，采用模型预测控制策略控制所述混合储能系统运行，所述模型预测控制策略为：以最小化成本为优化目标，建立第一目标函数和第一约束，测量当前系统状态并求得最优解，施加给系统；

鲁棒模型预测控制模块，用于当系统参数突变时，切换为鲁棒模型预测控制策略控制所述混合储能系统运行，采集控制过程中实时生成的在线输入输出数据，利用子空间辨识技术获取对应时刻混合储能系统的在线状态空间模型，所述鲁棒预测控制策略为以最小化成本为优化目标，建立H

预测控制切换模块，用于当满足预设条件时，由鲁棒模型预测控制策略切换回模型预测控制策略，同时将此刻的在线状态空间模型作为模型预测控制的预测模型，所述预设条件为在线状态空间模型控制的负载电压与系统的实际负载电压之间的差值不大于预设阈值。

本发明还提供了一种混合储能系统预测控制设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现上述一种混合储能系统预测控制方法的步骤。

本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述一种混合储能系统预测控制方法的步骤。

本发明的上述技术方案相比现有技术具有以下优点：

本发明所述的混合储能系统预测控制方法，采用子空间辨识算法获得的混合储能系统状态空间模型作为预测模型，相比传统基于拓扑的模型，其设计降低了模型预测控制对参数的敏感性，并具有较高的准确度；本发明采用离线辨识与在线辨识结合，相比传统离线辨识，其设计考虑了系统参数变化的情况，更好地模拟了实际工作场景，在系统参数突变时采用鲁棒模型预测控制，用于抑制参数变化对控制性能的影响，提高了系统鲁棒性。

附图说明

为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明，其中：

图1是本发明一种混合储能系统预测控制方法的实现流程图。

图2是本发明一种实施例提供的混合储能系统预测控制方法的实现流程图。

图3是本发明一种实施例提供的混合储能系统预测控制方法结构图。

图4是本发明建立混合储能系统状态空间模型流程图。

图5本发明一种混合储能系统预测控制装置的结构框图。

具体实施方式

本发明的核心是提供一种混合储能系统预测控制方法、装置、设备及计算机存储介质，提高了系统预测控制性能。

为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参考图1，图2和图3，图1为本发明所提供的一种混合储能系统预测控制方法的实现流程图，图2为本发明一种实施例提供的混合储能系统预测控制方法的实现流程图，图3为本发明一种实施例提供的混合储能系统预测控制方法结构图；具体操作步骤如下：

S101:根据离线输入输出数据，建立基于子空间辨识的混合储能系统状态空间模型，并将其作为预测控制策略的预测模型；

其具体过程如图4所示：

获取离线输入输出数据：

u＝(u(0),u(1),...,u(s+N-2))

y＝(y(0),y(1),...,y(s+N-2))

其中，u(s+N-2)为第s+N-2个输入数据，y(s+N-2)为第s+N-2个输出数据，s为严格大于状态向量的维数n的一个常数，N为Hankel矩阵的列数；

基于所述离线输入输出数据构建Hankel矩阵：

其中，m为输入变量的维数，p为输出变量的维数；

将所述Hankel矩阵通过LQ分解技术转换为右上角为0的分块下三角矩阵：

/>

其中，L

将下三角矩阵

其中，

根据转换后的下三角矩阵

根据所述扩展观测矩阵通过子空间辨识算法计算系统矩阵A,B,C,D，获得基于子空间辨识的混合储能系统状态空间模型：

x(k+1)＝Ax(k)+Bu(k)

y(k)＝Cx(k)+Du(k),k＝0,1…

其中，x(k)为当前时刻的状态变量，u(k)为当前时刻的输入，y(k)为当前时刻的输出，k表示第k个时刻。

S102:当系统参数固定时，采用模型预测控制策略控制所述混合储能系统运行，所述模型预测控制策略为：以最小化成本为优化目标，建立第一目标函数和第一约束，测量当前系统状态并求得最优解，施加给系统；

S103:当系统参数突变时，切换为鲁棒模型预测控制策略控制所述混合储能系统运行，采集控制过程中实时生成的在线输入输出数据，利用子空间辨识技术获取对应时刻混合储能系统的在线状态空间模型，所述鲁棒预测控制策略为以最小化成本为优化目标，建立H

所述参数突变包括负载电阻突变；

采集控制过程中实时生成的输入输出数据组，利用子空间辨识技术获得在线状态空间表达式：

x(k+1)＝A(k)x(k)+B(k)u(k)

其中，A(k)和B(k)为基于在线辨识技术获得的实时系统矩阵，x(k)为当前时刻的状态变量，u(k)为当前时刻的输入。

S104:当满足预设条件时，由鲁棒模型预测控制策略切换回模型预测控制策略，同时将此刻的在线状态空间模型作为模型预测控制的预测模型，所述预设条件为在线状态空间模型控制的负载电压与系统的实际负载电压之间的差值不大于预设阈值。

所述预设条件为：

其中，

本发明所述的混合储能系统预测控制方法，采用子空间辨识算法获得的混合储能系统状态空间模型作为预测模型，相比传统基于拓扑的模型，其设计降低了模型预测控制对参数的敏感性，并具有较高的准确度；本发明采用离线辨识与在线辨识结合，相比传统离线辨识，其设计考虑了系统参数变化的情况，更好地模拟了实际工作场景，在系统参数突变时采用鲁棒模型预测控制，用于抑制参数变化对控制性能的影响，提高了系统鲁棒性。

基于以上实施例，本实施例根据控制要求，设计基于预测控制的控制算法，包括一个模型预测控制和一个鲁棒模型预测控制。鲁棒模型预测控制用于抑制参数变化对控制性能的影响，提高系统鲁棒性：

对所述模型预测控制，其设计思想为：测量当前系统状态并求解优化问题，从而获得成本函数的最优解，将最优解施加给系统，具体为：

以最小化成本为优化目标，建立第一目标函数和第一约束包括：

建立成本函数

其中，上述成本函数为无限时间的正定函数的和的形式，由两部分组成，第一部分是状态变量偏差的成本项，第二部分是输入变量偏差的成本项，Q

以最小化成本函数为优化目标建立第一目标函数：

s.t.x(k+i+1|k)＝Ax(k+i|k)+Bu(k+i|k)

其中，

求取所述成本函数的上界，并采用状态反馈控制律最小化所述上界，将所述第一目标函数转换为寻找Q，F，Z使得γ最小：

其中，γ为一个正标量，Q，F为一个矩阵，Z为对称矩阵；

所述第一约束为：

其中，x(k∣k)表示基于时间k的时间瞬间k对应的状态预测量，I为一个单位矩阵，Y为一个矩阵，符号*表示位于对称位置的方块，Z

对所述鲁棒模型预测控制，其设计思想为：在预测控制原有的三种特点的优势下结合鲁棒控制，在模型预测控制策略的基础上进行了进一步优化。

具体来说，它采用H

以最小化成本为优化目标，建立H

建立H

其中，第一部分是状态变量偏差的成本项，第二部分是输入变量偏差的成本项，

以最小化H

求取所述H

其中，γ，

所述第二约束为：

γ≤γ

其中，x(k)为当前时刻的状态变量，ζ,ξ为一个正标量，γ

上述状态反馈控制律是系统的状态变量通过比例环节传送到输入端去的反馈方式，其表达式为：

u(k+i∣k)＝Kx(k+i∣k),i≥0

其中，K为控制增益。

本发明采用子空间辨识算法获得混合储能系统状态空间模型，相比传统基于拓扑的模型，其设计不需要繁琐的推导过程，也不需要了解必要的专业知识，模型搭建过程简单，能够解决由于混合储能系统复杂结构导致的精确模型难以获取的问题，其设计降低了模型预测控制对参数的敏感性，并具有较高的准确度，从而提高预测控制的控制效果。更重要的是，考虑到了参数变化的情况，采用离线辨识与在线辨识结合，更好地模拟了实际工作场景，在系统参数突变时采用鲁棒模型预测控制，用于抑制参数变化对控制性能的影响，提高了系统鲁棒性。

请参考图5，图5为本发明实施例提供的一种混合储能系统预测控制装置的结构框图；具体装置可以包括：

预测模型构建模块100，用于根据离线输入输出数据，建立基于子空间辨识的混合储能系统状态空间模型，并将其作为预测控制策略的预测模型；

模型预测控制模块200，用于当系统参数固定时，采用模型预测控制策略控制所述混合储能系统运行，所述模型预测控制策略为：以最小化成本为优化目标，建立第一目标函数和第一约束，测量当前系统状态并求得最优解，施加给系统；

鲁棒模型预测控制模块300，用于当系统参数突变时，切换为鲁棒模型预测控制策略控制所述混合储能系统运行，采集控制过程中实时生成的在线输入输出数据，利用子空间辨识技术获取对应时刻混合储能系统的在线状态空间模型，所述鲁棒预测控制策略为以最小化成本为优化目标，建立H

预测控制切换模块400，用于当满足预设条件时，由鲁棒模型预测控制策略切换回模型预测控制策略，同时将此刻的在线状态空间模型作为模型预测控制的预测模型，所述预设条件为在线状态空间模型控制的负载电压与系统的实际负载电压之间的差值不大于预设阈值。

本实施例的混合储能系统预测控制装置用于实现前述的混合储能系统预测控制方法，因此混合储能系统预测控制装置中的具体实施方式可见前文混合储能系统预测控制方法的实施例部分，例如，预测模型构建模块100，模型预测控制模块200，鲁棒模型预测控制模块300，预测控制切换模块400，分别用于实现上述混合储能系统预测控制方法中步骤S101，S102，S103，S104，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。

本发明具体实施例还提供了一种混合储能系统预测控制设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述一种混合储能系统预测控制方法的步骤。

本发明具体实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述一种混合储能系统预测控制方法的步骤。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，上述实施例仅仅是为清楚地说明所作的举例，并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。