一种混合储能系统能量协调分配控制方法与流程

本发明属于电工理论与新技术领域，涉及一种混合储能系统能量协调分配控制方法。

背景技术：

微电网中可再生能源发电渗透率逐渐增大会带来弃风、弃光以及电能质量下降等问题。将混合储能系统接入微电网是解决该问题的有效措施。已有研究通过低通滤波分配策略解决了能量分配的基本问题，但未考虑系统在不同的荷电状态组合下能量分配的优先级，对能量进行合理分配。目前针对混合储能系统内部功率能量协调分配问题的研究尚处于理论分析阶段，在实际工程中应用较少，存在的问题是没有对充放电优先级在不同工作状态下做出明确的分析。通过对混合储能系统的能量协调分配问题进行研究，提出计及混合储能系统不同荷电状态的能量优先分配准则，以此来制定混合储能系统能量模糊协调分配方法，实现对功率指令的合理分配，最终提高混合储能系统的整体性能，进一步降低微电网的运行成本。

技术实现要素：

有鉴于此，本发明的目的在于提供一种混合储能系统能量协调分配控制方法，结合模糊控制理论，通过模糊控制器实现该能量协调分配方法；利用模糊控制器编程实现对功率指令的调整，实现能量的协调分配，提高系统整体性能，降低蓄电池充放电次数，节约系统运行成本。

为达到上述目的，本发明提供如下技术方案：

一种混合储能系统能量协调分配控制方法，该方法为：

四个输入，即锂电池储能单元的充放电状态、荷电状态，超级电容器的荷电状态，以及功率指令即当前的功率需求；两个输出，分别为锂电池和超级电容器储能单元的充放电参考功率；首先对输入变量进行模糊化，确定隶属度函数，将四个输入转化为语言变量，再对四个输入的各种荷电状态组合进行分析，在不同状态下确定能量分配优先级，再以此制定对应的模糊规则，利用语言变量表示所需要的输出，即充放电参考功率值，最后再对输出变量进行解模糊，得到实际参考功率。

进一步，该方法具体为：采用三角函数对输入、输出进行模糊化；

锂电池的荷电状态(socbat)论域为[0，1]，采样值量化为三个等级{l，m，h}，各级三角函数隶属度函数中值为{0.2，0.5，0.8}；超级电容器的荷电状态(socuc)论域为[0，1]，采样值量化为三个等级{l，m，h}，各级三角函数隶属度函数中值为{0.1，0.5，0.9}；

功率需求(pdemand)的论域为[-1，1]，采样值量化为五个等级{nb，ns，zo，ps，pb}，各级三角函数隶属度函数中值为{-1，-0.5，0，0.5，1}；

超级电容器、锂电池的参考输出功率指令(pout1,pout2)论域为[-1，1]，采样值量化为五个等级{nb，ns，zo，ps，pb}，各级三角函数隶属度函数中值为{-1，-0.5，0，0.5，1}；

其中nb、ns、zo、ps、pb分别表示负大，负中、零、正中、正大，l、m、h分别表示荷电状态处于较低、中间、较高水平。

进一步，所述在不同状态下确定能量分配优先级的原则确定如下：

①协调状态；这种状态下，系统的协调裕量最大，其他状态尽量通过修正功率指令的方式转换到此状态；

②中间状态；此状态下超级电容器、锂电池的荷电状态都处于中间值，超级电容器的响应能力强，将超级电容器的能量分配优先级设置为高；

③次协调状态；满足两种功率需求，这种状态通过正确设置能量分配优先级向协调状态过渡；根据荷电状态的不同分为充电有利状态与放电有利状态；

④过充过放保护状态；这种状态下，锂电池或者超级电容器均达到上限或者下限，不能再进行充电、放电，不能满足功率指令的需求，需要把锂电池和超级电容器的充放电功率强制置零；

⑤锂电池充电、放电需转换的状态；这种状态下，超级电容器的荷电状态到了上限或者下限，不能再进行充电或者放电，需要对锂电池充、放电状态进行转换；这样的状态分为两类，一类是由于超级电容器的荷电状态达到上限或者下限，不能进行放电或者充电时，而功率需求又是放电或者充电，此时不得不转换锂电池的充放电状态，这时锂电池的能量分配优先级设置为高；另一类是超级电容器荷电状态适中或者较高，能够进行放电或者充电，若改变锂电池的充放电状态，系统的裕量会增加；这种情况下就根据功率需求的大小来设置超级电容器和锂电池的能量分配优先级：功率需求较大时优先使用超级电容器，功率需求较小时优先使用锂电池。

进一步，所述对输出变量进行解模糊具体为：基于每一语言变量j的最大值yj的解模糊化公式为

其中，yi为输出变量，μresult,temj为输出结果每一量化等级对应的隶属度，yj为量化等级对应的隶属度中值；对语言变量的权重进行加权平均求和后，即得到输出的实际值；

利用simulink中的模糊控制设计工具完成输入、输出变量隶属度函数的编辑后，录入模糊规则，再编程对模糊控制器进行调用，结合混合储能系统稳态分析模型对功率指令进行修正。

本发明的有益效果在于：在已有研究的基础上，进行混合储能系统能量、功率分配策略的讨论，基于混合储能系统各部分的荷电状态对能量优先分配问题进行了详细分析，确定了各工作状态下的能量分配优先级，制定能量协调分配方法。结合模糊控制理论，将能量协调分配方法包含于模糊规则中制定模糊控制器，从模糊规则输出-输入曲面的平缓、光滑度来看，该模糊控制器满足设计要求。基于混合储能系统稳态分析模型，结合过冲、过放保护条件与包含能量协调分配方法的模糊控制器编程实现可对混合储能系统功率指令的修正，可使混合储能系统能根据各工作状态的不同，采用合理的能量分配优先级实现功率、能量协调分配。由matlab/simulink的仿真实验结果可知，该能量协调分配方法实现了混合储能系统内部能量与功率协调分配的目的，降低了充放电深度，从而降低了寿命损耗成本，最终实现延长锂电池运行寿命，提高混合储能系统的性能。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为混合储能系统协调分配方法实现框图；

图2为各输入输出变量的隶属度函数；

图3为工作状态分析示意图；(a)为次协调状态；(b)为协调状态；(c)为中间状态；(d)为过充过放保护状态；(e)为锂电池充电、放电需转换的状态；

图4为输出-输入曲面；

图5为能量协调分配流程图；

图6为混合储能系统soc配合；(a)为使用低通滤波策略得到的计算结果，图6(b)为使用能量协调分配方法得到的计算结果；

图7为功率指令方案对比；图7(a)为锂电池的功率指令，图7(b)为超级电容器的功率指令；

图8为荷电状态方案对比；(a)为方案一的荷电状态对比，(b)为方案二的荷电状态对比。

图9为soc分布图；(a)为锂电池的荷电状态分布密度，(b)为超级电容器的荷电状态分布密度。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

图1是混合储能系统能量协调分配方法框图，有四个输入，即锂电池储能单元的充放电状态、荷电状态，超级电容器的荷电状态，以及功率指令即当前的功率需求。输出有两个，分别为锂电池和超级电容器储能单元的充放电参考功率。首先对输入变量进行模糊化，确定隶属度函数，将四个输入转化为语言变量，再对四个输入的各种荷电状态组合进行分析，在不同状态下确定能量分配优先级，再以此制定对应的模糊规则，利用语言变量表示所需要的输出，即充放电参考功率值，最后再对输出变量进行解模糊，得到实际参考功率。

采用三角函数对输入、输出进行模糊化，锂电池的荷电状态(socbat)论域为[0，1]，采样值量化为三个等级{l，m，h}，各级三角函数隶属度函数中值为{0.2，0.5，0.8}。超级电容器的荷电状态(socuc)论域为[0，1]，采样值量化为三个等级{l，m，h}，各级三角函数隶属度函数中值为{0.1，0.5，0.9}。功率需求(pdemand)的论域为[-1，1]，采样值量化为五个等级{nb，ns，zo，ps，pb}，各级三角函数隶属度函数中值为{-1，-0.5，0，0.5，1}。超级电容器、锂电池的参考输出功率指令(pout1,pout2)论域为[-1，1]，采样值量化为五个等级{nb，ns，zo，ps，pb}，各级三角函数隶属度函数中值为{-1，-0.5，0，0.5，1}。其中nb、ns、zo、ps、pb分别表示负大，负中、零、正中、正大，l、m、h分别表示荷电状态处于较低、中间、较高水平。隶属度函数如图2所示。

对各输入变量的语言值进行组合，可以得到不同的工作状态，根据协调裕量的不同将所有的工作状态分为以下几类，如表1所示。

表1状态说明

每类工作状态下的充放电优先级原则确定如下：

①协调状态。这种状态下，系统的协调裕量最大，其他状态尽量通过修正功率指令的方式转换到此状态。以状态9～12为例，这几个状态下，如图3(b)所示锂电池处于充电状态，锂电池荷电状态处于较低水平，超级电容器荷电状态处于较高水平。功率需求为充电时，无论大小均可通过锂电池对充电功率指令进行响应，因此将锂电池的优先级设置为高；当功率需求为放电时，无论需求大小均可通过超级电容器对放电功率响应，因此将超级电容器的能量分配优先级设置为高。同理，处于状态61～64时，锂电池处于放电状态，锂电池荷电状态处于较高水平，超级电容器荷电状态处于较低水平。若功率需求为充电，无论大小均可通过超级电容器进行响应，因此将超级电容器的能量分配优先级较设置为高；若功率需求为放电，无论需求大小均可通过锂电池响应，因此将锂电池的能量分配优先级设置为高。与前述状态类似，状态21～24，53～56也属于协调状态，能够同时满足pb、ps、nb、ns四种类型的功率需求。

②中间状态。包括状态17～20，53～56，如图3(c)所示，此状态下超级电容器、锂电池的荷电状态都处于中间值，由于超级电容器的响应能力强，因此将超级电容器的能量分配优先级设置为高。持续处于此状态固然能满足所有功率需求，但长期处于此状态是不可能的，同时系统处于此状态也不符合期望。无论是超级电容器还是锂电池，长期处于中间状态不利于提高系统的利用率。

③次协调状态。满足两种功率需求，这种状态可以通过正确设置能量分配优先级向协调状态过渡。可根据荷电状态的不同分为充电有利状态与放电有利状态。充电有利状态如状态1～2，如图3(a)所示，功率需求为充电对这种状态是有利的，可将超级电容器的能量分配优先级设置为高，使超级电容器的荷电状态接近饱和时就可转换为协调状态8～12。放电有利状态如状态67～68，功率需求为放电对这种状态有利，可将超级电容器的能量分配优先级设置为高，使超级电容器的荷电状态接近下限时就可转换为协调状态61～64。

④过充过放保护状态。如图3(d)所示，这种状态下，锂电池或者超级电容器均达到上限或者下限，不能再进行充电、放电，不能满足功率指令的需求，需要把锂电池和超级电容器的充放电功率强制置零，如状态39～40启用了过放保护，状态69～70启用了过充保护。

⑤锂电池充电、放电需转换的状态。如图3(e)所示，这种状态下，超级电容器的荷电状态到了上限或者下限，不能再进行充电或者放电，需要对锂电池充、放电状态进行转换。这样的状态可以分为两类，一类是由于超级电容器的荷电状态达到上限或者下限，不能进行放电或者充电时，而功率需求又是放电或者充电，此时不得不转换锂电池的充放电状态，这时锂电池的能量分配优先级设置为高，如状态15～16，状态27～28。另一类是超级电容器荷电状态适中或者较高，能够进行放电或者充电，若改变锂电池的充放电状态，系统的裕量会增加，如状态31～32，41～42。这种情况下就根据功率需求的大小来设置超级电容器和锂电池的能量分配优先级：功率需求较大时优先使用超级电容器，功率需求较小时优先使用锂电池。

基于各种工作状态以及控制优先级原则，确定了控制模糊规则集，如表2所示。

表2模糊规则表

由于从模糊规则推理产生的结果是用语言变量表示的，所以单纯的规则并不能应用于实践中，必须利用隶属度函数将模糊输出转换为清晰值，这个过程叫做解模糊化。解模糊化的方法有很多种，其中常用的有最大中心法(com)，这种方法将语言值隶属度最大值加权后得出的加权平均值作为折中结果。基于每一语言变量j的最大值yj的解模糊化公式为

其中，yi为输出变量，μresult,temj为输出结果每一量化等级对应的隶属度，yj为量化等级对应的隶属度中值。按照以上公式对语言变量的权重进行加权平均求和后，即可得到输出的实际值。

图4为输出-输入曲面。利用simulink中的模糊控制设计工具完成输入、输出变量隶属度函数的编辑后，录入模糊规则，再编程对模糊控制器进行调用，结合混合储能系统稳态分析模型对功率指令进行修正，能量协调分配程序流程如图5所示。

以下结合具体实施方式进一步说明本发明。

分别对处于孤立、并网状态下的某含hess微网进行分析。其中，方案一采用基本的低通滤波策略，方案二采用混合储能系统模糊协调控制策略。算例条件设置及系统的各项指标如表3所示。

表3算例基本数据

图6为混合储能系统soc配合情况，其中图6(a)为使用低通滤波策略得到的计算结果(方案一)，图6(b)为使用能量协调分配方法得到的计算结果(方案二)。可见，使用能量协调分配方法后，超级电容器、锂电池的荷电状态分布更加分散。以9：00～12：00期间为例，方案一、方案二的锂电池都处于放电状态。根据基于荷电状态的能量优先分配原则，方案一锂电池、超级电容器荷电状态虽然都处于适中水平，即能吸收能量也能释放能量，但相当于容量减半，此时系统的裕度较小；方案二的锂电池荷电状态适中、超级电容器荷电状态接近下限，属于协调分配状态，此时系统的协调裕量最大。与此类似的有18：00～21：00，这种状态下系统的充电指令优先由超级电容器响应，放电指令优先由锂电池响应。

图7为方案一、方案二的功率指令计算结果对比，其中图7(a)为锂电池的功率指令，图7(b)为超级电容器的功率指令。从图7(a)可以看出，方案二的功率指令在方案一的基础上略作调整，这是由于方案二依据基于荷电状态的能量分配优先准则，在某些时刻点对锂电池的充放电指令作出较大的调整，如3：00～6：00之间方案二的锂电池第一个功率谷值处，锂电池荷电状态在中间状态而超级电容器处于较低状态，功率需求由充电变成放电，属于状态15，不得不改变锂电池充放电状态以适应功率指令的需求。6：00～9：00之间方案二的锂电池功率谷值处，锂电池荷电状态在中间状态而超级电容器处于较高状态，功率需求为充电，属于状态21，此时锂电池的优先级较高，充电指令的响应以锂电池为主。图7(b)为超级电容器的功率指令，该图表明，方案二在方案一的基础上，在大多数时刻功率指令的波动范围更大，只有很小一部分波动范围更小。这样的结果可以充分利用超级电容器功率密度较大、响应更快的优势，使其快速响应功率指令的性能得以发挥，利用率得到提高。

图8为方案一、方案二的荷电状态对比，其中，图8(a)为方案一的荷电状态对比，图8(b)为方案二的荷电状态对比。图9为方案一、方案二的荷电状态分布密度，其中图9(a)为锂电池的荷电状态分布密度，图9(b)为超级电容器的荷电状态分布密度。由这两个图可以分析得到同样的结论：方案一的锂电池、超级电容器荷电状态更加接近于中间状态，方案二的锂电池更接近于中上状态，而超级电容器更加接近于中下状态。方案一虽然能满足所有的功率需求，但长期处于中间状态相当于容量减半，不利于响应突发的功率波动，同时也不利于提高系统的利用率。方案二的荷电状态分布表明，经过协调分配方法调整充放电优先级后，处于协调状态或者次协调状态的时段明显增多，这种状态对混合储能系统的协调裕量是有利的。

利用第雨流计数法对基于模糊协调控制的混合储能系统的寿命折算成本进行计算得到表4，由表分析可知相对于低通滤波策略，采用协调控制策略的混合储能系统的充放电次数没有改变，但充放电深度降低，孤立状态降幅为29.5％，并网状态降幅为30.92％；寿命折算成本进一步降低，孤立状态降幅为36.67％，并网状态降幅为45.61％；相对于单一储能来说寿命折算成本大大降低，孤立状态降幅为78.5％，并网状态降幅为79.9％。总成本的降幅与寿命折算成本相似，均说明在并网状态下，方案二相对方案一的优势更明显。

表4hess计算结果对比

并网状态下对hess的充放电需求更大，但表4的结果却说明方案二平均充放电深度与孤网状态相比反而略微降低，同时方案二在并网状态下表现出更明显的优势。这是由于协调控制策略能够合理调整hess的充放电优先级，从而充分利用超级电容器处理瞬时功率交换的能力，降低锂电池充放电深度，提升hess的整体性能。

对两种方案的充放电指令以及soc结果进行处理可以分别得到锂电池、超级电容器各自的充、放电能量以及能量缺额，再利用(2)式可得到混合储能系统的能量缺失率：

式中，rlpsp为能量缺失率，ed_lose为放电过程的能量缺额，ec_lose为充电过程的能量缺额，ed为放电能量，ec为充电能量。计算结果见表5。

表5能量缺失率对比

方案二采用了能量协调分配方法后，孤网状态下能量缺失率相同，并网状态下能量缺失率由6.27％降低至6.25％。这主要是因为方案一采用的低通滤波策略仅实现了功率按频率的高低进行分配，而不能对两种储能单元按照荷电状态的不同实行相应的能量分配优先准则，会更多地利用锂电池进行充放电，导致能量缺失率更高。采用本文所提出能量协调分配方法在并网状态下得到的功率指令分配方案产生的能量缺失率比采用低通滤波策略的能量缺失率降低了0.32％，这是由于更多地利用超级电容器，而超级电容器的效率比锂电池高，所以使得能量缺失率下降。孤网状态下由于hess的功率需求不大，使用协调控制策略只是降低了锂电池的充放电深度，而功率指令变化不大，所以对能量缺失率并无影响。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。