主动抑制电池老化的V2G最优调频方法

cycle counting algorithm:rcc)量化电池老化，以电池老化最小化为优化目标之一，发现通过优化参与调度车辆规模以及各辆车充放电时间可以使电池充放电周期最小。当前大部分研究聚焦于v2g削峰填谷与能源交易市场电量调度，但v2g调频服务同样对维持电力系统的稳定性具有重要作用。
5.hashmi等在满足电池约束界限情况下，为跟踪电网端调频功率需求信号，引入分布式随机控制构架，并为不同类型的电池定义不同的随机决策规则，以优化单个电池的静置时间和充电状态。rajamand等发现将电动汽车的荷电状态(state of charge:soc)反馈到控制结构中，可以很好的改善微电网频率/电压调节。kaur等针对电动汽车参与次级频率控制，提出了一种双层分级控制方案，以电动汽车车主使用需求为约束条件，结果显示，该方案减小了电网频率偏差。peng等提出了一种智能充电算法，可以根据频率偏差信号协调电动汽车充放电，该算法可以改善低压配电网的负载系数和电压水平。rehman等提出了一种最优分层双向聚合算法，通过优化电动汽车充放电功率，预测电力需求，并在智能电网中执行日前负载调度来实现为电网提供电压和频率调节服务。虽然电动汽车参与v2g调频服务可以显著提高电力系统的稳定性，但也因考虑电池老化对v2g服务效益的影响。然而，主动抑制v2g调频服务对电动汽车电池老化影响的研究极少。


技术实现要素：

6.有鉴于此，本发明的目的在于抑制v2g调频对电动汽车电池老化的影响，提升整个v2g系统的稳定性，提供一种以抑制电池老化和跟踪电网端调频需求功率为目标的v2g最优调频控制方法。
7.为达到上述目的，本发明提供如下技术方案：
8.一种主动抑制电池老化的v2g最优调频方法，包括以下步骤：
9.s1：电动汽车参与v2g服务，通过判断模块收集电动汽车集中管理器中各电动汽车实时的soc值，基于此初步选择参与调频服务的电动汽车，并将控制信号发送到各电动汽车；
10.s2：调频功率计算模块将电网控制中心传递的负荷频率控制信号转化为调频功率需求信号并传递到mpc控制模块；
11.s3：mpc控制模块则基于所述调频功率需求信号，并依据采集的电动汽车soc信息，以电池老化最小和调频功率需求信号跟踪效果最好为优化目标，优化参与v2g调频的各电动汽车充放电功率，进而将功率控制信号发送到电动汽车智能充电模块；
12.s4：基于所述功率控制信号，电动汽车智能充电模块对参与v2g调频的电动汽车充放电功率进行实时控制，从而实现在维持电力系统频率稳定的同时抑制电池老化。
13.进一步，步骤s1中，判断选择条件为：
[0014][0015]
其中λn为控制信号，其取值决定第n辆ev是否具有资格参与v2g调频服务；λn＝1表示第n辆ev具有资格，λn＝0则表示第n辆ev不具有资格；socn(t)表示第n辆ev在t时刻的soc值，soc
min
、soc
max
分别表示电动汽车电池允许达到的最小和最大soc值。
[0016]
进一步，步骤s3中，mpc控制模块对调频功率需求信号跟踪效果基于误差ψ评价，
其表达式如下：
[0017][0018]
其中w＝t
total
/δt，t
total
为调频总时长，δt为采样时间间隔，ψ越趋近于0，表明跟踪效果越好；n为参与调频的车辆数，下标i代表车辆编号，为第i辆车在第k个采样时段的充放电功率，为第k个采样时段电网需求调频功率。
[0019]
进一步，电池充放电模型为：应用电池等效内阻模型来描述其充放电特性，其表达式如下：
[0020][0021][0022][0023]
其中，t代表时刻，ii(t)表示t时刻第i辆车的电池电流，ri表示第i辆车的电池内阻，表示t时刻第i辆车的电池开路电压，表示t时刻第i辆车的电池路端电压，表示t时刻第i辆车电池侧的充放电率，充电为正，放电为负；
[0024]
电池soc定义为其电池剩余容量与额定容量的比值，其表达式如下：
[0025][0026]
其中，zi(t)表示t时刻第i辆车的电池soc，qi(t)表示t时刻第i辆车的电池可用容量，表示第i辆车的电池额定容量。基于公式(5)对时间求导得：
[0027][0028]
应用欧拉公式将公式(7)离散化得：
[0029][0030][0031]
其中，下标tk表示第k个时刻，则t
k+1
＝tk+δt。为第k个时段soc的变化量。
[0032]
进一步，电池容量衰退模型为：运用电池活性物质损失模型来描述电池老化，恒温条件下的电池活性物质损失模型为：
[0033][0034]
其中：
[0035][0036]
其中，φ
(t)
为温度影响因子；k
am
为活性物质损失指数因子；e
am
为活性物质活化能；r为理想气体常数；t为环境温度；
[0037]
第k个δt时段内电池的容量衰减量为：
[0038][0039]
将公式：
[0040][0041]
带入公式(11)得：
[0042][0043]
使用梯形法则得：
[0044][0045]
进一步，电动汽车参与v2g调频的约束条件包括：
[0046]
电池soc约束，即每辆参与调频的电动汽车电池soc在调频时间内不会低于最小soc值，也不会高于最大soc值：
[0047]zmin
≤zi(t)≤z
max
,i＝1,...,n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)
[0048][0049]
电池充放电功率的约束，即每辆参与调频的电动汽车的充放电功率不会低于最小放电功率，也不会高于最大充电功率：
[0050][0051]
目标函数j
md
为：
[0052][0053]
其中，α和β为惩罚因子，通过调整α和β值控制电池老化抑制率以及车辆总充放电功率对电网需求功率的跟踪效果。
[0054]
进一步，mpc控制模块中，电动汽车参与v2g调频过程中，抑制前m个时间段内的电池老化的优化模型构建如下：
[0055][0056]
[0057]zmin
≤zi(t)≤z
max
i＝1，...，n，k＝1，...m
[0058][0059]
本发明的有益效果在于：本发明通过引入基于机理的电池老化模型，建立了以抑制电池老化为目标的优化模型。基于模型预测控制理论，开发了一种全新的优化控制器，实现了对电动汽车充放电功率实时的高效控制。仿真结果表明，当采用基准优化控制策略时，v2g对soc值较小的电池造成的电池容量衰退最小；当采用以抑制电池老化为目的的优化控制策略时，v2g更倾向于让soc值较大的电动汽车以较小的充放电功率响应调频信号，而soc值较小的电动汽车正好相反。当前瞻时段为30时，控制器综合性能最好，可将电池老化降低高达22.34％。另外研究发现电池老化会加剧v2g损耗电池性能。
[0060]
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
[0061]
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
[0062]
图1为电动汽车与电网之间的能量流和信息流示意图；
[0063]
图2为主动抑制电池老化的优化控制原理图；
[0064]
图3为调频功率需求控制信号图，其中(a)为某日12个小时时长的数据，(b)为从(a)中截图的部分数据。
具体实施方式
[0065]
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0066]
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
[0067]
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
[0068]
v2g技术可实现电动汽车和电网之间的信息和能量交互，为电动汽车参与电网辅助服务、优化电力系统运行提供了可能。图1为电动汽车与电网之间的能量流和信息流示意图，其中，集中管理器由数据管理系统和控制系统两部分组成，实现多辆电动汽车的统一管理与控制。数据管理系统负责收集电动汽车实时充放电功率、soc信息和电网调度中心发送的实时调频功率需求数据以及相关历史数据等，然后上报给电网调度中心；控制系统则对调频功率需求数据和调度指令进行分析，优化车辆充放电策略并将控制指令发送到充电桩。例如，当电网频率出现扰动，调度中心将向集中管理器发送功率需求指令，集中管理器则通过控制系统控制充电桩以改变电动汽车充放电功率，使v2g提供的总功率满足调频需求。
[0069]
图2为本发明所提出的主动抑制电池老化的优化控制原理图，该原理框架主要包含四个模块：判断模块、调频功率计算模块、mpc控制模块和ev智能充电模块。
[0070]
图2中，电动汽车参与v2g服务判断模块负责收集电动汽车集中管理器中各电动汽车实时的soc值，基于此初步选择参与调频服务的电动汽车，并将控制信号发送到各电动汽车，判断选择条件如下：
[0071][0072]
其中λn为控制信号，其取值决定第n辆ev是否具有资格参与v2g调频服务。λn＝1表示第n辆ev具有资格，λn＝0则表示第n辆ev不具有资格。其中socn(t)表示第n辆ev在t时刻的soc值，soc
min
、soc
max
分别表示电动汽车电池允许达到的最小和最大soc值。
[0073]
调频功率计算模块将电网控制中心传递的负荷频率控制信号转化为调频功率需求信号并传递到mpc控制模块，mpc控制模块则基于该调频功率需求信号，并依据采集的电动汽车soc信息，以电池老化最小和调频功率需求信号跟踪效果最好为优化目标、优化参与v2g调频的各电动汽车充放电功率，进而将功率控制信号发送到电动汽车智能充电模块。其中控制器对调频功率需求信号跟踪效果基于误差ψ评价，其表达式如下：
[0074][0075]
其中w＝t
total
/δt，t
total
为调频总时长，δt为采样时间间隔，ψ越趋近于0，表明跟踪效果越好。n为参与调频的车辆数，下标i代表车辆编号，为第i辆车在第k个采样时段的充放电功率，为第k个采样时段电网需求调频功率。
[0076]
基于该控制信号，智能充电桩对参与v2g调频的电动汽车充放电功率进行实时控制，从而实现在维持电力系统频率稳定的同时抑制电池老化。
[0077]
本发明应用电池等效内阻模型来描述其充放电特性，其表达式如下：
[0078][0079]
[0080][0081]
其中，t代表时刻，ii(t)表示t时刻第i辆车的电池电流，ri表示第i辆车的电池内阻，表示t时刻第i辆车的电池开路电压，表示t时刻第i辆车的电池路端电压，表示t时刻第i辆车电池侧的充放电率，充电为正，放电为负。
[0082]
电池(soc)定义为其电池剩余容量与额定容量的比值，其表达式如下：
[0083][0084]
其中，zi(t)表示t时刻第i辆车的电池soc，qi(t)表示t时刻第i辆车的电池可用容量，表示第i辆车的电池额定容量。基于公式(5)进一步对时间求导可得：
[0085][0086]
应用欧拉公式将公式(7)离散化，可得：
[0087][0088]
其中，下标tk表示第k个时刻，则t
k+1
＝tk+δt。为第k个时段soc的变化量。
[0089]
对于石墨负极锂离子电池，其性能衰退主要是由于固液界面膜(solid electrolyte interface:sei)生长和活性物质损失导致。sei膜生长主要是由于电解液在电极表面的副反应引发，而活性物质损失则主要为锂离子嵌入嵌出电极诱发的机械应力所导致的活性物质破裂与脱离。本发明中将通过优化电动汽车电流以最大限度减小电池容量衰退。为了简化模型，本发明运用电池活性物质损失模型来描述电池老化。
[0090]
恒温条件下的电池活性物质损失模型为：
[0091][0092]
其中：
[0093][0094]
其中，φ
(t)
为温度影响因子；k
am
为活性物质损失指数因子；e
am
为活性物质活化能；r为理想气体常数；t为环境温度。公式(9)表明，电池无论是充电还是放电都会造成其容量衰退。
[0095]
第k个δt时段内电池的容量衰减量为：
[0096][0097]
将公式：
[0098][0099]
带入公式(11)得：
[0100][0101]
进一步使用梯形法则得：
[0102][0103]
电动汽车参与v2g调频主要包含两个约束。
[0104]
1)电池soc约束，即每辆参与调频的电动汽车电池soc在调频时间内不会低于最小soc值，也不会高于最大soc值。
[0105]zmin
≤zi(t)≤z
max
，i＝1，...，n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)
[0106][0107]
2)电池充放电功率的约束，即每辆参与调频的电动汽车的充放电功率不会低于最小放电功率，也不会高于最大充电功率。
[0108][0109]
为了使参与v2g调频的电动汽车在未来m个时间段内的电池老化最小，同时保证其良好的调频功率跟踪效果，构建目标函数j
md
：
[0110][0111]
其中，α和β为惩罚因子。通过调整α和β值即可控制电池老化抑制率以及车辆总充放电功率对电网需求功率的跟踪效果。
[0112]
电动汽车参与v2g调频过程中，抑制前m个时间段内的电池老化的优化模型构建如下：
[0113][0114]
s.t. [0115]zmin
≤zi(t)≤z
max i＝1，...，n，k＝1，...m
[0116][0117]
图3为调频功率需求控制信号图。电力系统调频功率需求控制信号选取自某电力市场某日12个小时时长的数据，如图3(a)所示。图3(b)为从图3(a)截取的部分数据，总时长为1950s，将作为本发明的主要仿真实验数据，其采样时间间隔为15s。实验选取10辆三种不同类型的电动汽车参与调频服务，包括nio ec6、byd han以及tesla model s，三种车型对应的电池容量分别为214.29ah、135ah、211.44ah，实验中，车辆电池初始soc值为在约束范
围内由低到高进行设置。无特殊说明，本发明电池soh均定义为92.9％，即电池容量衰减了7.1％。为简化计算流程，本发明假设三种类型的电动汽车的电池包均采用li(nicoal)o2单体电池，该电池单体额定容量和额定电压分别为3.0ah和3.6v。在本研究中，对单体电池的开路电压(open circuit voltage:ocv)和内阻(internal resistance:ri)分别进行成比例放大以得到相应车辆电池组的对应参数。
[0118]
电池老化模型(7)中的参数k
am
＝1.368l/ah和e
am
＝39500j/mol。电池包的温度假设为25℃，因此t＝298.15k。其它相关参数设置如表1所示。本发明采用功率平均分配策略作为基准优化控制策略来验证所开发模型的高性能。
[0119]
表1
[0120][0121][0122]
在m＝20条件下对电动汽车v2g调频控制策略进行仿真，对比采用基准优化控制策略电动汽车的充放电功率分配情况，以及采用主动抑制电池老化优化控制策略电池的充放电功率分配情况，可以看出，与功率平均分配策略相比，优化后的功率分配策略其每一时段电池的充放电功率大小与其soc值成负相关关系，即初始soc值为0.342的电池充放电功率较大，而初始soc值为0.860的电池充放电率反而较小。对比采用基准优化控制策略电动汽车的soc变化趋势和调频功率优化后的电池soc变化轨迹，可以得出，soc初始值为0.342的轨迹曲线斜率最大，这表明此时该电池总是以最大充放电功率去响应调频信号。而soc初始值为0.860的电池soc曲线变化较为平缓，即在仿真时间内该车辆电池都是以较小的充放电功率去响应调频信号。在1小时模拟时间内，soc偏差保持在一个非常窄的soc范围内，最大偏差不超过1个百分点。采用功率平均分配策略时电动汽车的电池容量衰退情况。结果表明，当充放电功率相同时，电池soc值越大，其容量衰退越快，这与等式(14)所表达的结果一致。调频策略优化后的车辆电池容量衰退情况。可以看出，与功率平均分配策略相比，功率优化分配策略条件下，电池soc值较大的电动汽车因充放电功率明显减少导致其电池容量衰退明显降低，且优化结果表明，本发明提出的v2g调频功率优化控制策略可将电池的总体老化降低22.15％。
[0123]
在m＝30条件下对电动汽车参与v2g调频功率优化进行仿真，采用主动抑制电池老化优化控制策略电池的充放电功率分配情况。可以看出，初始soc值为0.860的电动汽车在大多数时段所分配到的充放电功率很小。与m＝20的仿真结果相比，该电动汽车的充放电功率明显减小，而其它两辆电动汽车的充放电功率有略微增加。调频功率优化后的电池soc变化轨迹。可以看出，初始soc值为0.860的电动汽车的soc曲线因充放电功率再次减小而变得更为平缓，近乎一条水平线，而其它两辆电动汽车因充放电功率变化极小导致其电池soc变化很小。调频策略优化后的车辆电池容量衰退情况，相比于m＝20，soc较大的电动汽车的电
池容量衰减有了极为明显的减小，soc较小的两辆电动汽车电池容量衰减变化极小。结果表明，前瞻时段m＝30时，与功率平均分配策略相比，电池的总体老化降低了22.34％。与m＝20的仿真结果相比，优化控制器主动抑制电池老化能力则提升0.19％。
[0124]
表2所示为所选取的10辆电动汽车参与v2g调频的soc的初始值、最终值以及变化范围。从表2中可以看出，在不同的调频策略下，电动汽车电池soc的最终值与初始值的最大偏差分别为0.24％、0.51％、0.70％，即电动汽车在短时间内参与v2g调频服务所导致的soc偏差是很小的，并不会对车主的出行造成影响。此外，soc偏差较小表明电动汽车向电网净供能较小，而电力市场中电价除在用电高峰溢价较大，其余大部分时段电价波动较小，考虑电池老化成本，短时间内电动汽车参与v2g调频获利的可能性极小，这是本发明不考虑市场电价，着重于抑制v2g调频老化电池的主要原因。
[0125]
表2
[0126][0127]
从m分别取10、20、30以及40时控制器的性能结果中可以得出，在4种不同前瞻时段下，控制器对电网调频功率需求信号跟踪效果均较好，其跟踪误差ψ分别为0.986％、0.953％、0.891％以及0.775％。且随着控制时段m的增加，跟踪效果有略微提升的趋势。控制器的运行时间随着m的增加呈指数型增长。当m＝10时，程序运行时间仅为1.36s，但相比之下，该策略抑制电池老化效果最差；而当m＝40时，虽然该策略抑制电池容量衰退情况最好，与功率平均分配策略相比，电池的总体老化降低高达22.47％，但是其程序运行时间长达27.45s，已经远远超过本实验设置的采样时间15s。相比于m＝20的仿真结果，虽然m＝30时的控制器运行时间有所增加，但仍小于采样时间15s，且其抑制电池老化的效果也有所提升。因此在满足采样时间情况下，考虑v2g各参与者的利益以及控制器的控制性能，可将前瞻时段m取值设置为30。实际过程中则可根据硬性条件确定合理的m值。
[0128]
为研究参与v2g调频对不同soh条件下电池的性能衰退，本发明构建另外两种不同soh条件的电池组，其单体电池同样为li(nicoal)o2电池，电池组的开路电压及内阻大小可由同等健康状态下的单体电池的对应参数成比例缩放得到。从仿真结果可以看出，ocv-soc曲线随着电池老化变化很小，而内阻ri随着电池老化而不断增加。
[0129]
在平均分配策略下，不同情形下的电池参与v2g调频的容量衰退情况，包括a、b、c、
d、e 5个情形。其中，情形a为各辆车的电池soh均为92.9％，情形b为nio ec6及tesla model s的电池soh为92.9％，而byd han的电池soh为87.6％，情形c为各辆车电池均soh为87.6％，情况d为nio ec6、byd han及tesla model s的电池soh分别为92.9％、87.6％及82％，情况e为各辆车电池的soh均为82％。结果表明，参与v2g调频的电池容量衰减程度与其初始soh成正相关关系，即情形a中电池老化程度最轻，而情形e中电池老化程度最严重。
[0130]
基于优化调频策略且前瞻时段m＝30时，不同情形下的电池参与v2g调频的容量衰退情况表明，与情形a相比，情形b、c、d和e的电池老化分别增加0.22％、0.34％、0.47％和0.73％。显然，随着电池初始soh降低，电池参与v2g调频过程中的容量衰减逐渐增加，即低soh电池加速了其性能的退化过程。与功率平均分配策略相比，情形a、b、c、d以及e的老化分别减少了22.34％、22.21％、22.19％、22.17％和22.07％。从中可以看出，所开发的控制器对不同健康状态的电池参与v2g调频均起到了较好的抑制老化作用，抑制效果最低为22.07％。
[0131]
基于v2g调频优化控制策略(m＝30)，不同初始soh条件下的车辆电池组δsoc的变化曲线。可观察到，任意时刻，电池组初始soc相同情况下，电池容量衰减为18％的电池组的soc变化量总是大于电池容量减为7.1％的电池组的soc变化量。结合公式(13)可知，该现象是导致电池老化增加的主要原因。而该现象主要是由于电池容量的衰退以及内阻变大所导致的，如公式(8)所示。因此电池性能的衰退会加剧v2g调频过程的电池老化。
[0132]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。