一种基于分布式储能系统的非周期采样出力协同控制方法
阅读说明：本技术 一种基于分布式储能系统的非周期采样出力协同控制方法 (Non-periodic sampling output cooperative control method based on distributed energy storage system ) 是由 路晓庆 陈石 来金钢 于 2021-08-09 设计创作，主要内容包括：本发明提出了一种基于分布式储能系统的非周期采样出力协同控制方法。本发明构建各储能单元出力成本模型,以储能单元总出力成本最小化为优化目标,根据总发电功率,总负载功率及储能单元总功率构建约束条件,通过拉格朗日乘数法优化得到各储能单元出力与增量成本等效模型；结合该等效模型构建增量成本优化目标,将各储能单元出力作为优化求解变量,进一步构建功率平衡约束条件；将增量成本优化目标作为考虑通讯时延的优化目标,构建考虑通讯时延的增量成本优化目标约束条件,结合将各储能单元出力作为优化求解变量,进一步通过分布式一致性算法优化求解得到优化后各储能单元出力；将各储能单元实际出力值通过下垂控制方法调节至优化后出力值。(The invention provides a distributed energy storage system-based aperiodic sampling output cooperative control method. According to the method, an output cost model of each energy storage unit is constructed, the minimization of the total output cost of the energy storage units is taken as an optimization target, constraint conditions are constructed according to the total power generation power, the total load power and the total power of the energy storage units, and an equivalent model of the output and increment cost of each energy storage unit is obtained through the optimization of a Lagrange multiplier method; constructing an incremental cost optimization target by combining the equivalent model, taking the output of each energy storage unit as an optimization solving variable, and further constructing a power balance constraint condition; taking the incremental cost optimization target as an optimization target considering communication time delay, constructing an incremental cost optimization target constraint condition considering communication time delay, taking the output of each energy storage unit as an optimization solving variable, and further performing optimization solving through a distributed consistency algorithm to obtain the output of each optimized energy storage unit; and adjusting the actual output value of each energy storage unit to the optimized output value by a droop control method.)
技术领域
本发明属于微电网的经济调度领域，具体涉及一种基于分布式储能系统的非周期采样出力协同控制方法。
背景技术
随着可再生能源和储能单元在微电网中的应用越来越多，实现智能电网可靠、高效和经济运行是当下的研究热点。微电网通常分为交流(AC)微电网和直流(DC)微电网。其中，直流微电网避免了无功潮流调节、电能质量问题和频率同步等问题，比交流微电网更易于控制且有更好的稳定性。考虑到直流微电网的组成部分，其经济运行需要优化发电、储能、负荷等方面的管理。然而，目前传统方法主要着重于解决分布式发电机组的经济调度问题，少有提及储能单元的经济调度问题。这可能会导致整个系统无法以最经济的模式运行并产生不必要的功率损耗。因此，研究储能单元的经济调度控制方法很有必要。
此外，目前的经济调度算法大都基于分布式控制。而分布式控制构架中的通信负担是不容忽视。但是大多分布式经济调度算法通常假设通信网络的通信链路是完善的，且忽略了时延的限制。因此，为了缓解时延对分布式通信信道不可忽视的影响，本发明提出了一种基于非周期采样数据的经济调度算法来实现对储能单元的功率管理。
发明内容
本发明的目的在于提供一种基于分布式储能系统的非周期采样出力协同控制方法。
本发明所提供的方法将在分层控制中的二级控制层(控制时间在秒到分钟级)实现储能单元的经济调度，相较于在三级控制层(控制时间在半小时级)内运行的经济调度控制算法，能够更快地实现控制目标。本发明旨在构建一个分布式共识协议，在平衡注入/输出功率的同时将储能单元的运行成本最小化。考虑到电力和通信网络之间的动态相互作用，所提出的控制方案的稳定性分析通过使用Lyapunov-Krasovskii泛函和线性矩阵不等式得到严格证明。此外，本发明开发了一种基于非周期性采样时间延迟数据的通信方法，以避免时间数据混乱，放宽了对分布式发电单元之间交换实时数据准确性的要求。
所述分布式储能系统包括：第1个储能单元、第2个储能单元、...、第N个储能单元；第1个通信单元、第2个通信单元、...、第N个通信单元；
所述第i个储能单元与所述第i个通信单元通过有线方式链接；
所述第i个通信单元与所述第j个通信单元通过无线方式通信；
i∈[1,N]，且j≠i；
所述非周期采样出力协同控制方法包括以下步骤：
步骤1：构建各储能单元的出力成本模型，以储能单元总出力成本最小化为优化目标，根据储能单元总功率、总发电功率、总负载功率构建约束条件，通过拉格朗日乘数法优化得到各储能单元的出力与增量成本的等效模型；
步骤2：构建储能单元增量成本优化目标，结合步骤1所述的各储能单元的出力与增量成本的等效模型将各储能单元的出力作为优化求解的变量，进一步构建功率平衡约束条件；
步骤3：将步骤2所述的储能单元增量成本优化目标作为考虑通讯时延的储能单元增量成本优化目标，构建考虑通讯时延的储能单元增量成本优化目标的约束条件，结合步骤2将各储能单元的出力作为优化求解的变量，进一步通过分布式一致性算法优化求解得到优化后各储能单元的出力；
步骤4：将各储能单元的实际出力值通过下垂控制方法调节至步骤3所求优化后各储能单元的出力。
作为优选，步骤1所述各储能单元的出力成本模型为：
i∈[1,N]
其中，N表示储能单元的熟数量，fi(PB,i)为第i个储能单元的出力效率模型，PB,i为第i个储能单元的出力，αi为第i个储能单元的放电系数，βi为第i个储能单元的充电系数；
步骤1所述以储能单元总出力成本最小化为优化目标为：
其中，total表示储能单元总出力成本，为整个电网的总发电功率，为整个电网的总负载功率；
步骤1所述通过拉格朗日乘数法优化得到各储能单元的出力与增量成本的等效模型为：
所述拉格朗日乘数法是解决经济调度问题的常用方法；
储能单元总出力成本最小化优化的拉格朗日函数具体如下：
其中,ηi是与等式约束相关的第i个储能单元的增量成本；Lagi为第i个储能单元总出力成本最小化优化的拉格朗日函数；P0为∑PG,i-∑PL,i
所述储能单元总出力成本最小化优化的拉格朗日函数一阶最优条件出发，满足如下公式：
步骤1所述各储能单元的出力与增量成本的等效模型为：
ηi＝-2αiPB,i+βi
i∈[1,N]
其中，ηi为第i个储能单元的增量成本，N表示储能单元的熟数量，PB,i为第i个储能单元的出力，αi为第i个储能单元的放电系数，βi为第i个储能单元的充电系数；
作为优选，步骤2所述储能单元增量成本优化目标为：
步骤2所述各储能单元的出力与增量成本的等效模型为：
i∈[1,N]
其中，N表示储能单元的熟数量，为第i个储能单元出力的导数，为第i个储能单元增量成本的导数，αi为第i个储能单元的放电系数；
其中，Kη为控制过程中的增益系数，ai,j表征第i个储能单元与第j个储能单元之间是否存在耦合关系，如果存在，则ai,j＝1，反之ai,j＝0；
步骤2所述功率平衡约束条件为：
ρi为第i个储能单元功率约束辅助变量，具体定义如下：
其中，为第i个储能单元功率约束辅助变量的导数，Kρ为控制过程中的增益系数；
作为优选，步骤3所述考虑通讯时延的储能单元增量成本优化目标为：
τ(t)＝t-tk+σmin,t∈[tk,tk+1)
其中，Kη为控制过程中的增益系数，ai,j表征第i个储能单元与第j个储能单元之间是否存在耦合关系，如果存在，则ai,j＝1，反之ai,j＝0；
其中，N表示储能单元的熟数量，为第i个储能单元出力的导数，为第i个储能单元增量成本的导数，αi为第i个储能单元的放电系数；
其中，所述第i个通信单元与所述第j个通信单元仅在tk时刻交换信息，刷新各自状态；
在tk时刻，考虑到所述第i个通信单元与所述第j个通信单元的通信过程最少会经过σmin时长的通信时延，第i个储能单元的出力实际上是由tk-σmin时收到的数据计算得出的；
为了避免时间数据混乱，提出了与通信时延和非周期采样有关的人工时变时延的等待缓冲时间τ(t)＝t-tk+σmin,t∈[tk,tk+1)；
发送方会在非周期采样瞬间发送数据，接收方会等待时间σmin-ζk来补偿通信时间延迟；
本发明方法具有以下显著效果：
与仅考虑发电机运行成本函数的算法不同，本发明提出了一种应用于储能单元的优化算法，最大限度地减少了储能单元在充放电过程中的运行损失，使所提出的模型更加高效和经济。
考虑非周期采样数据和通信延迟的影响，本发明采用基于人造缓冲区的等待时间策略来延迟接收到的信息，从而避免乱序数据以的影响及提高通信网络的鲁棒性。同时，在控制过程中严格满足了功率平衡约束。
附图说明
图1：是本发明方法流程图。
图2：是DG与其邻居数据传输的示意图。
图3：是本发明实施例中得到的:(a)增量成本；(b)辅助变量；(c)ESU的充电功率(虚线为参考值，实线为实际充电功率)；(d)节点电压。
具体实施方式
下面通过实施例，进一步阐明本发明的突出特点和显著进步，仅在于说明本发明而决不限制本发明。
本发明具体实施方式为：
本发明系统包括：第1个储能单元、第2个储能单元、...、第N个储能单元；第1个通信单元、第2个通信单元、...、第N个通信单元；
所述第i个储能单元与所述第i个通信单元通过有线方式链接；
所述第i个通信单元与所述第j个通信单元通过无线方式通信；
i∈[1,N]，且j≠i。
N＝6；
所述第i个储能单元的型号为；ESM48100B1磷酸铁锂电池；
所述第i个通信单元的型号为；NRF24L01无线通信模块；
整体实施方式如图1所示；
步骤1：构建各储能单元的出力成本模型，以储能单元总出力成本最小化为优化目标，根据储能单元总功率、总发电功率、总负载功率构建约束条件，通过拉格朗日乘数法优化得到各储能单元的出力与增量成本的等效模型；
步骤1所述各储能单元的出力成本模型为：
i∈[1,N]
其中，N＝6表示储能单元的熟数量，fi(PB,i)为第i个储能单元的出力效率模型，PB,i为第i个储能单元的出力，αi为第i个储能单元的放电系数，βi为第i个储能单元的充电系数；
步骤1所述以储能单元总出力成本最小化为优化目标为：
其中，total表示储能单元总出力成本，为整个电网的总发电功率，为整个电网的总负载功率；
步骤1所述通过拉格朗日乘数法优化得到各储能单元的出力与增量成本的等效模型为：
所述拉格朗日乘数法是解决经济调度问题的常用方法；
储能单元总出力成本最小化优化的拉格朗日函数具体如下：
其中,ηi是与等式约束相关的第i个储能单元的增量成本；Lagi为第i个储能单元总出力成本最小化优化的拉格朗日函数；P0为∑PG,i-∑PL,i
所述储能单元总出力成本最小化优化的拉格朗日函数一阶最优条件出发，满足如下公式：
步骤1所述各储能单元的出力与增量成本的等效模型为：
ηi＝-2αiPB,i+βi
i∈[1,N]
其中，ηi为第i个储能单元的增量成本，N＝6表示储能单元的熟数量，PB,i为第i个储能单元的出力，αi为第i个储能单元的放电系数，βi为第i个储能单元的充电系数；
步骤2：构建储能单元增量成本优化目标，结合步骤1所述的各储能单元的出力与增量成本的等效模型将各储能单元的出力作为优化求解的变量，进一步构建功率平衡约束条件；
步骤2所述储能单元增量成本优化目标为：
步骤2所述各储能单元的出力与增量成本的等效模型为：
i∈[1,N]
其中，N表示储能单元的熟数量，为第i个储能单元出力的导数，为第i个储能单元增量成本的导数，αi为第i个储能单元的放电系数；
其中，Kη为控制过程中的增益系数，ai,j表征第i个储能单元与第j个储能单元之间是否存在耦合关系，如果存在，则ai,j＝1，反之ai,j＝0；
步骤2所述功率平衡约束条件为：
ρi为第i个储能单元功率约束辅助变量，具体定义如下：
其中，为第i个储能单元功率约束辅助变量的导数，Kρ为控制过程中的增益系数；
步骤3：将步骤2所述的储能单元增量成本优化目标作为考虑通讯时延的储能单元增量成本优化目标，构建考虑通讯时延的储能单元增量成本优化目标的约束条件，结合步骤2将各储能单元的出力作为优化求解的变量，进一步通过分布式一致性算法优化求解得到优化后各储能单元的出力；
步骤3所述考虑通讯时延的储能单元增量成本优化目标为：
τ(t)＝t-tk+σmin,t∈[tk,tk+1)
其中，Kη为控制过程中的增益系数，ai,j表征第i个储能单元与第j个储能单元之间是否存在耦合关系，如果存在，则ai,j＝1，反之ai,j＝0；
其中，N表示储能单元的熟数量，为第i个储能单元出力的导数，为第i个储能单元增量成本的导数，αi为第i个储能单元的放电系数；
其中，所述第i个通信单元与所述第j个通信单元仅在tk时刻交换信息，刷新各自状态；
在tk时刻，考虑到所述第i个通信单元与所述第j个通信单元的通信过程最少会经过σmin时长的通信时延，第i个储能单元的出力实际上是由tk-σmin时收到的数据计算得出的；
为了避免时间数据混乱，提出了与通信时延和非周期采样有关的人工时变时延的等待缓冲时间τ(t)＝t-tk+σmin,t∈[tk,tk+1)；
发送方会在非周期采样瞬间发送数据，接收方会等待时间σmin-ζk来补偿通信时间延迟，数据传递过程如图2所示；
步骤4：将各储能单元的实际出力值通过下垂控制方法调节至步骤3所求优化后各储能单元的出力。
使用电力系统计算机辅助设计工具MATLAB/SimPowerSystems构建上述模型，仿真时间设置为10秒，仿真步长设置为2e-6s，因此总共仿真步长数量为5e6个。
本发明将通过构建孤岛直流微电网验证所提基于非周期采样时滞数据的分布式算法对储能单元经济调度问题的有效性。该微电网由6个DG组成，各DG对应的储能单元，其电力参数、成本参数和充放电参数如表1所示。
表1孤岛微电网的各项初始参数
通过通信拓扑，每个DC/DC变换器可以与相邻的DC/DC变换器交换增量成本信息和功率不平衡信息。这样就可以同时得到储能机组运行成本最小和系统功率均衡的控制目标。
在模拟中，接收端以随机生成的非周期采样序列收集通信数据。为保证所提出的控制策略能够忽略乱序数据的影响，实现电压的经济调度并恢复到标称值，电压恢复和电池经济运行的系统控制参数Kη＝0.64961,Kρ＝0.1574根据表I中的参数和步骤4计算。
正常运行模式中，不同DC/DC转换器的增量成本在4s内收敛到一个共同值；因此，满足步骤2所述储能单元增量成本优化目标。当系统进入稳定工作状态时，储能单元的总功率等于PG-PL，因此微电网实时供电的供需平衡辅助变量ρi逐渐减少到零，满足步骤1中提出的功率平衡约束。同时，每个DG的节点电压在1s内收敛到标称值V*，这意味着消除了电压偏差，仿真结果如图3所示。
与传统的针对发电机得经济调度算法相比，本发明提出的方法针对储能单元，且考虑了通信延迟和非周期性采样数据的影响。利用本发明提出的分布式共识算法，稀疏通信网络中所有DGs的电压都可以调节到期望值，同时还可以通过最小化运行损耗来实现储能单元的经济调度。为了避免乱序数据的干扰，本发明设计了人工等待缓冲区，保证DG之间信息的准确交互。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：大规模高效重力储能系统