基于DMPC和儲(chǔ)能單元約束的分組一致性控制策略

龍本錦，張 靖，何 宇，秦廷翔，楊薛亮，龍道銀

基于DMPC和儲(chǔ)能單元約束的分組一致性控制策略

龍本錦1，張 靖1，何 宇1，秦廷翔2，楊薛亮2，龍道銀2

(1.貴州大學(xué)電氣工程學(xué)院，貴州 貴陽(yáng) 550025；2.中國(guó)電建集團(tuán)貴州工程有限公司，貴州 貴陽(yáng) 550001)

針對(duì)多個(gè)電池儲(chǔ)能單元間的分布式協(xié)調(diào)控制問(wèn)題，提出了一種分布式儲(chǔ)能單元分組一致性控制策略。首先，提出了一種基于分布式模型預(yù)測(cè)控制和狀態(tài)約束的加權(quán)一致性算法，能考慮各儲(chǔ)能單元的功率約束條件并快速完成多儲(chǔ)能單元的功率分配。其次，提出了一種儲(chǔ)能單元分組控制策略。根據(jù)荷電狀態(tài)(state of change, SOC)信息設(shè)定儲(chǔ)能單元的權(quán)重，達(dá)到改善儲(chǔ)能單元SOC的一致性的目的。同時(shí)基于所提一致性算法，制定儲(chǔ)能單元組間協(xié)調(diào)控制策略和儲(chǔ)能單元效率提升策略，從而達(dá)到改善儲(chǔ)能系統(tǒng)調(diào)節(jié)能力、延長(zhǎng)儲(chǔ)能系統(tǒng)壽命和提升能量轉(zhuǎn)換效率的目的。最后，在Matlab中構(gòu)建含8個(gè)電池儲(chǔ)能單元的微電網(wǎng)系統(tǒng)，對(duì)所提算法和控制策略進(jìn)行仿真分析。仿真結(jié)果表明，所提算法和控制策略在提升收斂速度、優(yōu)化控制效果、延長(zhǎng)儲(chǔ)能系統(tǒng)壽命以及提升儲(chǔ)能系統(tǒng)運(yùn)行效率方面均具有一定優(yōu)勢(shì)。

微電網(wǎng)；電池單元分組；分布式模型預(yù)測(cè)控制；加權(quán)一致性算法

0 引言

隨著能源和環(huán)境問(wèn)題日益突出，可再生能源發(fā)展迅速。作為一種整合可再生能源的有效形態(tài)，微電網(wǎng)技術(shù)有著廣闊的發(fā)展前景[1-3]?？稍偕茉吹牟淮_定性、波動(dòng)性和間歇性導(dǎo)致微電網(wǎng)的功率波動(dòng)較大，對(duì)電力系統(tǒng)安全穩(wěn)定運(yùn)行的影響日益凸顯[4-5]。在上述背景下，電池儲(chǔ)能憑借其能量密度高、調(diào)節(jié)能力強(qiáng)、配置靈活等優(yōu)點(diǎn)，在可再生能源發(fā)電領(lǐng)域得到了廣泛的研究[6-10]。

目前大部分對(duì)儲(chǔ)能技術(shù)的研究是將同種介質(zhì)的儲(chǔ)能當(dāng)作一個(gè)整體來(lái)考慮，而在實(shí)際應(yīng)用中，大容量的儲(chǔ)能系統(tǒng)由多個(gè)儲(chǔ)能單元組成[11-13]；同時(shí)，儲(chǔ)能單元的運(yùn)行狀態(tài)對(duì)儲(chǔ)能系統(tǒng)的循環(huán)壽命、能量轉(zhuǎn)換效率和調(diào)節(jié)能力等要素的影響較為顯著[14-15]，根據(jù)儲(chǔ)能的特性對(duì)系統(tǒng)內(nèi)各儲(chǔ)能單元的運(yùn)行狀態(tài)進(jìn)行優(yōu)化能更有效地發(fā)揮其潛能。因此，研究如何協(xié)調(diào)分配各單元的功率并改善其運(yùn)行狀態(tài)具有現(xiàn)實(shí)意義?，F(xiàn)有研究較少涉及到儲(chǔ)能單元間的功率細(xì)化分配。文獻(xiàn)[16-17]根據(jù)荷電狀態(tài)(state of charge, SOC)對(duì)各電池儲(chǔ)能單元(battery energy storage unit, BESU)分區(qū)處理，并考慮單元的運(yùn)行壽命折損和單元間的運(yùn)行均衡性，達(dá)到了提高電池儲(chǔ)能系統(tǒng)(battery energy storage system, BESS)的持續(xù)可調(diào)度性和運(yùn)行經(jīng)濟(jì)性等目的。文獻(xiàn)[18]考慮儲(chǔ)能單元的健康度和儲(chǔ)能變流器的效率，提出了一種多儲(chǔ)能單元的能量管理方法，有效延緩了儲(chǔ)能系統(tǒng)壽命衰退速度，提升了能量轉(zhuǎn)換效率。在BESS的運(yùn)行過(guò)程中，提高各BESU間SOC的一致性，可避免個(gè)別BESU因處于過(guò)充或過(guò)放的不利狀態(tài)而無(wú)法工作，從而使BESS的調(diào)節(jié)能力能長(zhǎng)期保持在較佳的狀態(tài)[19]，同時(shí)，提高各儲(chǔ)能單元利用率的均衡性，從而避免個(gè)別單元的壽命衰退過(guò)快。文獻(xiàn)[15]提出了一種BESU的充/放電狀態(tài)可臨時(shí)轉(zhuǎn)換的雙電池儲(chǔ)能系統(tǒng)(double battery energy storage system, DBESS)控制策略，其在每個(gè)控制周期通過(guò)集中求解“能量轉(zhuǎn)換效率最大化”目標(biāo)函數(shù)來(lái)確定運(yùn)行的單元個(gè)數(shù)和單元的功率值，減少了單元的充/放電轉(zhuǎn)換次數(shù)，提高了BESS的運(yùn)行效率和單元組內(nèi)SOC的一致性。文獻(xiàn)[15-18]均為集中式控制方式，對(duì)于結(jié)構(gòu)相對(duì)簡(jiǎn)單和控制距離不太遠(yuǎn)的系統(tǒng)，集中式控制方式比較容易實(shí)現(xiàn)[20]。然而，由于集中式控制方式存在控制中心的計(jì)算任務(wù)重、計(jì)算效率低以及系統(tǒng)可靠性和靈活性較低等問(wèn)題，難以滿足發(fā)展需求。因此，隨著技術(shù)的飛速發(fā)展，在計(jì)算效率、系統(tǒng)可靠性、靈活性以及可擴(kuò)展性等方面具有明顯優(yōu)勢(shì)的分布式控制方式得到了越來(lái)越多的關(guān)注[21]。文獻(xiàn)[22]采用分布式算法實(shí)現(xiàn)了多個(gè)飛輪儲(chǔ)能單元的自適應(yīng)功率分配，但儲(chǔ)能單元的功率分配結(jié)果可能越限。文獻(xiàn)[23]基于投影算子法提出了一種兼顧儲(chǔ)能單元功率約束的完全分布式功率分配方法。文獻(xiàn)[24]考慮儲(chǔ)能的壽命損耗成本和儲(chǔ)能單元的功率約束提出了一種基于增量成本的一致性算法，該算法依賴于“領(lǐng)導(dǎo)”節(jié)點(diǎn)采集全局信息。文獻(xiàn)[25]采用“一致項(xiàng)+調(diào)整項(xiàng)”完全分布式算法實(shí)現(xiàn)了孤島微電網(wǎng)的實(shí)時(shí)調(diào)度，通過(guò)“調(diào)整項(xiàng)”反饋修正“一致項(xiàng)”使調(diào)度結(jié)果滿足各機(jī)組約束條件，但需要較長(zhǎng)的收斂時(shí)間。文獻(xiàn)[26]基于分布式模型預(yù)測(cè)控制(distributed model predictive control, DMPC)提升了加權(quán)一致性算法的收斂速度，實(shí)現(xiàn)了儲(chǔ)能陣列系統(tǒng)分組一致性控制，并通過(guò)權(quán)重系數(shù)修正策略避免了權(quán)重大的儲(chǔ)能單元功率越限，然而該策略需要由指定的儲(chǔ)能單元接收BESS總功率指令，在一定程度上降低了分布式系統(tǒng)的可靠性。

在現(xiàn)有研究?jī)?chǔ)能分布式一致性控制的文獻(xiàn)中，大部分研究成果在算法方面存在依賴“領(lǐng)導(dǎo)”節(jié)點(diǎn)和迭代時(shí)間較長(zhǎng)等問(wèn)題，這在一定程度上提高了算法對(duì)通信資源的要求；而在控制效果方面存在功率分配指令可能越限、能量轉(zhuǎn)換效率較低等問(wèn)題。因此，在現(xiàn)有研究的基礎(chǔ)上，本文對(duì)參與微電網(wǎng)調(diào)節(jié)的多個(gè)BESU間的分布式協(xié)調(diào)控制問(wèn)題進(jìn)行了研究。首先，提出了一種基于DMPC和狀態(tài)約束的加權(quán)一致性算法，該算法兼顧了每個(gè)BESU的功率約束條件，能在較少的通信次數(shù)下快速實(shí)現(xiàn)多儲(chǔ)能單元的功率自適應(yīng)分配。其次，提出了一種BESU分組一致性控制策略，在無(wú)需雙倍容量配置和不減小BESS額定功率的前提下，減少BESU的充/放電轉(zhuǎn)換次數(shù)和小功率低效率運(yùn)行的次數(shù)，從而達(dá)到延長(zhǎng)儲(chǔ)能系統(tǒng)壽命和提高能量轉(zhuǎn)換效率的目的；同時(shí)，基于SOC設(shè)置BESU的充、放電權(quán)重，提高同組儲(chǔ)能單元的SOC一致性。最后，構(gòu)建含8個(gè)BESU的并網(wǎng)型微電網(wǎng)仿真模型，對(duì)所提的控制策略進(jìn)行仿真驗(yàn)證。

1 微電網(wǎng)結(jié)構(gòu)

本文采用如圖1所示的微電網(wǎng)—分布式BESS結(jié)構(gòu)，其中分布式BESS由單元組Z1和單元組Z2以及稀疏通信網(wǎng)絡(luò)組成。本文在Z1(Z2)內(nèi)的任意兩個(gè)單元間的通信上至少存在一條通路，而Z1和Z2間的通信狀態(tài)隨儲(chǔ)能系統(tǒng)運(yùn)行情況的變化而變化。

圖1 微電網(wǎng)結(jié)構(gòu)

通信拓?fù)錇闊o(wú)向圖。本文定義儲(chǔ)能單元放電時(shí)的功率符號(hào)為正號(hào)。以圖1中紅色箭頭方向表示各功率的參考方向，微電網(wǎng)的功率平衡式如式(1)所示。

2 基于DMPC和狀態(tài)約束的加權(quán)一致性算法

2.1 考慮狀態(tài)約束條件

1) 調(diào)整約束范圍

為確保處于約束外的初始狀態(tài)在迭代過(guò)程中能轉(zhuǎn)移至約束內(nèi)，在迭代時(shí)對(duì)狀態(tài)的上下限進(jìn)行如下調(diào)整：

2) 計(jì)算中間變量

用矩陣形式表示系統(tǒng)的一致性控制規(guī)律為

2.2 基于DMPC提升收斂速度

模型(14)考慮了分布式系統(tǒng)中每個(gè)代理的約束條件，可以保證最終得到的功率分配結(jié)果滿足每個(gè)BESU的功率約束條件。文獻(xiàn)[34-35]研究表明，考慮預(yù)測(cè)控制能顯著提升一致性算法的收斂速度，有利于提高系統(tǒng)控制的快速性并降低通信要求。本小節(jié)基于DMPC進(jìn)一步改進(jìn)模型(14)。

其中

定義二次優(yōu)化目標(biāo)函數(shù)如式(19)所示。

上述所提基于DMPC和狀態(tài)約束的加權(quán)一致性算法的具體步驟如下：

3 電池單元分組一致性控制策略

3.1 一致性控制策略

維持同一儲(chǔ)能單元組內(nèi)SOC的一致性，有利于單元組長(zhǎng)時(shí)間保持較佳的調(diào)節(jié)能力。本文以同組內(nèi)BESU的SOC的一致性為主要控制目標(biāo)，利用第2節(jié)所提算法，使執(zhí)行充(放)電任務(wù)時(shí)充(放)電權(quán)重較大的單元承擔(dān)較大的充(放)電功率，而充(放)電權(quán)重較小的單元承擔(dān)較小的充(放)電功率，從而在運(yùn)行過(guò)程中提升同組內(nèi)各儲(chǔ)能單元SOC的一致性。

定義BESU的充、放電權(quán)重系數(shù)為

3.2 分組協(xié)調(diào)控制策略

儲(chǔ)能系統(tǒng)充/放電狀態(tài)的頻繁切換在一定程度上加快了其壽命的衰退速度[26]。相較于單電池儲(chǔ)能系統(tǒng)，DBESS能有效減少充/放電轉(zhuǎn)換次數(shù)。但若按照傳統(tǒng)的DBESS控制策略實(shí)施(如文獻(xiàn)[27-28])，那么，當(dāng)兩者容量配置相同時(shí)，后者的額定功率僅為前者一半，調(diào)節(jié)能力不足；而當(dāng)兩者額定功率相同時(shí)，后者需要兩倍于前者的容量配置，經(jīng)濟(jì)性差。為利用DBESS在減少充/放電轉(zhuǎn)換次數(shù)方面的優(yōu)勢(shì)，并解決上述傳統(tǒng)DBESS控制策略的不足，本文提出了一種分布式的分組協(xié)調(diào)控制方法。

3.2.1 迭代初始化—實(shí)現(xiàn)分組控制

為實(shí)現(xiàn)分組控制，即充(放)電組的單元優(yōu)先執(zhí)行充(放)電任務(wù)，本文在每個(gè)控制周期初始時(shí)刻對(duì)所提分布式算法進(jìn)行初始化操作。

1) 鄰接矩陣初始化

2) 一致性變量初始化

3.2.2 調(diào)整鄰接矩陣—實(shí)現(xiàn)組間協(xié)調(diào)

3.3 BESU效率提升策略

文獻(xiàn)[15,18]研究表明，儲(chǔ)能單元的能量轉(zhuǎn)換效率與其運(yùn)行功率密切相關(guān)，當(dāng)運(yùn)行功率的標(biāo)幺值較小時(shí)，其電氣設(shè)備損耗較大，導(dǎo)致效率較低，而當(dāng)運(yùn)行功率的標(biāo)幺值較大時(shí)，效率較高。減少因BESU小功率運(yùn)行而引起的不必要的能量損失，從而提升能量轉(zhuǎn)換效率，亦是本文策略的控制目標(biāo)之一。

至此，BESS完成了內(nèi)部單元的功率分配。考慮BESU的功率約束和能量轉(zhuǎn)換效率的BESS分布式分組一致性控制策略流程如圖2所示。

圖2 BESS控制流程

Fig. 2 Control flow chart of BESS

4 算例分析

為驗(yàn)證本文所提的分布式一致性算法和分組協(xié)調(diào)控制策略的有效性，本節(jié)從算法的性能和策略的控制效果兩個(gè)方面對(duì)上述理論進(jìn)行仿真分析。首先，通過(guò)對(duì)比分析經(jīng)典加權(quán)一致性算法、“一致項(xiàng)+調(diào)整項(xiàng)”算法[25]和本文所提算法，展示第2節(jié)所提算法的性能優(yōu)勢(shì)；其次，將本文所提分布式算法用于實(shí)現(xiàn)BESS分組一致性控制，并在相同儲(chǔ)能參數(shù)配置前提下與傳統(tǒng)DBESS和不分組策略的控制效果進(jìn)行對(duì)比分析，以驗(yàn)證本文控制策略的有效性。

4.1 算法性能分析

圖3 當(dāng)時(shí)不同算法的迭代過(guò)程

圖4 時(shí)不同算法的迭代過(guò)程

3) 組間協(xié)調(diào)與效率提升策略驗(yàn)證

圖5 BESS鄰接矩陣的調(diào)整過(guò)程

4.2 BESS分組控制策略效果

1) 功率波動(dòng)平抑效果

圖6 Z1組、Z2組的功率曲線

從圖6可以看出，運(yùn)行至13：00左右時(shí)兩單元組的狀態(tài)發(fā)生了轉(zhuǎn)變，即Z1組由充電狀態(tài)變?yōu)榉烹姞顟B(tài)，Z2組由放電狀態(tài)變?yōu)槌潆姞顟B(tài)。圖中顏色重疊部分，是由于這些時(shí)段的不平衡功率波動(dòng)較為劇烈，調(diào)節(jié)需求超出了單一電池組的調(diào)節(jié)能力，因此，兩組電池都將參與調(diào)節(jié)。

圖A3為相同容量參數(shù)配置下本文策略、傳統(tǒng)DBESS策略和傳統(tǒng)不分組策略對(duì)24 h內(nèi)不平衡功率的平抑效果(其中，傳統(tǒng)不分組控制策略包含按單元最大功率分配策略和按單元SOC比例分配策略)。從圖中可以看出，本文分組策略與傳統(tǒng)不分組策略的控制效果相同，并網(wǎng)功率曲線較平滑且基本與目標(biāo)曲線重合。由于傳統(tǒng)的DBESS控制策略存在功率調(diào)節(jié)能力減半的問(wèn)題，其平抑結(jié)果欠佳。

圖7 不同策略的功率波動(dòng)率

從圖7可以看出，采用儲(chǔ)能技術(shù)能顯著地減小并網(wǎng)功率波動(dòng)率，其中傳統(tǒng)DBESS在功率波動(dòng)較大的時(shí)段不滿足上述限制條件，而本文策略和傳統(tǒng)不分組策略的功率波動(dòng)率均小于7%，均能有效平滑并網(wǎng)功率波動(dòng)。綜合分析圖6、圖7和圖A3可以看出，本文分組策略不會(huì)降低儲(chǔ)能系統(tǒng)的額定功率，保證了儲(chǔ)能系統(tǒng)對(duì)功率波動(dòng)的平抑能力。

圖8為各BESU在24 h內(nèi)的SOC變化曲線。

圖8 各BESU的SOC變化曲線

從圖8可以看出，本文策略提升了各BESU的容量利用率，并盡可能使同一組內(nèi)的BESU長(zhǎng)期處于同種充/放電狀態(tài)，提升了各BESU充/放電行為的有序性，有利于避免BESU運(yùn)行過(guò)程中頻繁切換充/放電狀態(tài)。Z1組、Z2組內(nèi)各單元的SOC分別趨于一致，避免了個(gè)別單元進(jìn)入極端情況而無(wú)法參與調(diào)節(jié)，保證了儲(chǔ)能系統(tǒng)的功率響應(yīng)能力。在13：00左右Z2組先到達(dá)SOC下閾值，兩組電池的充放電狀態(tài)互換?？梢钥闯?，在12：00之后兩組儲(chǔ)能的組內(nèi)單元SOC狀態(tài)基本趨于一致，由于采用了3.3節(jié)的“BESU效率提升”策略，從SOC曲線局部放大圖可以看出，某些時(shí)段部分單元未動(dòng)作，同一單元組內(nèi)各單元的SOC曲線并不完全重合。

2) 儲(chǔ)能單元充/放電轉(zhuǎn)換次數(shù)

為展示本文策略對(duì)減少BESU充/放電切換次數(shù)的有效性，本文采用文獻(xiàn)[15]的方法，將BESU相鄰時(shí)刻功率符號(hào)的改變定義為充/放電狀態(tài)轉(zhuǎn)換，分別對(duì)本文策略、不分組按最大功率分配策略和不分組按比例分配策略下一個(gè)調(diào)度周期內(nèi)的各BESU的充/放電轉(zhuǎn)換次數(shù)進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果如圖9所示。3種策略在一個(gè)調(diào)度周期內(nèi)儲(chǔ)能單元的平均充/放電轉(zhuǎn)換次數(shù)分別為51、76、141，本文策略充/放電轉(zhuǎn)換次數(shù)為不分組按最大功率分配策略的67%，為不分組按比例分配策略的36%，且本文策略下各單元的充/放電轉(zhuǎn)換次數(shù)較為均勻，有助于防止個(gè)別單元壽命衰退過(guò)快，有利于延長(zhǎng)BESS循環(huán)使用壽命。

圖9 不同策略的充/放電轉(zhuǎn)換次數(shù)

3) 儲(chǔ)能單元小功率運(yùn)行次數(shù)

從表1可以看出，在本文策略下，BESU在一天288個(gè)控制周期內(nèi)以小功率運(yùn)行的平均次數(shù)不足3次，本文策略下的BESU小功率運(yùn)行率比不分組按最大功率分配策略降低了4.73%，比不分組按比例分配策略降低了32.04%。本文所提控制策略優(yōu)化了BESU的運(yùn)行狀態(tài)，提升了BESU的運(yùn)行效率。

表1 不同功率分配策略下BESU小功率運(yùn)行次數(shù)/24 h

由上述分析可知，在相同儲(chǔ)能容量配置參數(shù)下，相較于傳統(tǒng)不分組策略和傳統(tǒng)DBESS策略，本文所提的BESS分組分布式一致性控制策略能夠?qū)崿F(xiàn)對(duì)多個(gè)BESU的分布式協(xié)調(diào)控制，并網(wǎng)功率平抑效果滿足約束條件，且在減少儲(chǔ)能單元充/放電轉(zhuǎn)換次數(shù)、提升單元組SOC一致性和能量轉(zhuǎn)換效率方面較已有策略有一定優(yōu)勢(shì)。

5 結(jié)論

本文以多個(gè)BESU間的分布式協(xié)同控制問(wèn)題為研究對(duì)象，首先，提出了一種基于DMPC和狀態(tài)約束的分布式加權(quán)一致性算法，通過(guò)該算法可以考慮各BESUS的約束條件，實(shí)現(xiàn)BESU的功率自適應(yīng)分配。仿真結(jié)果表明，在相同參數(shù)條件下，相較于經(jīng)典加權(quán)一致性算法和傳統(tǒng)“一致項(xiàng)+調(diào)整項(xiàng)”算法，本文所提算法收斂速度更快，功率分配結(jié)果滿足功率約束條件和“能者多勞”原則，分配結(jié)果更合理。其次，結(jié)合所提分布式算法制定了合理的分組一致性協(xié)調(diào)運(yùn)行策略，根據(jù)單元SOC設(shè)置權(quán)重，在運(yùn)行過(guò)程中提升單元SOC一致性，并通過(guò)合理的算法初始化和鄰接矩陣調(diào)整策略實(shí)現(xiàn)BESU分組協(xié)調(diào)控制并優(yōu)化BESU運(yùn)行狀態(tài)，從而實(shí)現(xiàn)了延長(zhǎng)BESU使用壽命和提高BESU能量轉(zhuǎn)換效率的目的。仿真結(jié)果表明，本文控制策略能有效平抑并網(wǎng)功率波動(dòng)，并減少BESU充/放電狀態(tài)轉(zhuǎn)換次數(shù)和BESU小功率運(yùn)行次數(shù)，有利于延長(zhǎng)BESU使用壽命和提高BESU能量轉(zhuǎn)換效率。

由于可再生能源的隨機(jī)性和波動(dòng)性較強(qiáng)，某些時(shí)段對(duì)儲(chǔ)能系統(tǒng)的綜合調(diào)節(jié)能力要求較高，為了保證BESS能長(zhǎng)期可靠地滿足平抑需求并提升BESS的運(yùn)行經(jīng)濟(jì)性，后續(xù)研究將引入功率型儲(chǔ)能單元，并從多時(shí)間尺度優(yōu)化的角度研究?jī)?yōu)化儲(chǔ)能系統(tǒng)運(yùn)行的方法，以進(jìn)一步改善儲(chǔ)能電站的運(yùn)行可靠性和經(jīng)濟(jì)性。

附錄A

圖A1 8電池單元通信拓?fù)?/p>

Fig. A1 Communication topology of 8 battery units

圖A2 BESS的待平抑功率

Fig. A2 Power to be stabilized in BESS

圖A3 不同策略對(duì)功率波動(dòng)的平抑效果

Fig. A3 Smoothing effect of different strategies on fluctuating power

[1] 謝樺, 滕曉斐, 張艷杰, 等. 風(fēng)/光/儲(chǔ)微網(wǎng)規(guī)劃經(jīng)濟(jì)性影響因素分析[J]. 電力系統(tǒng)自動(dòng)化, 2019, 43(6): 70-76.

XIE Hua, TENG Xiaofei, ZHANG Yanjie, et al. Analysis of economic influence factors in wind-photovoltaic- storage microgrid[J]. Automation of Electric Power Systems, 2019, 43(6): 70-76.

[2] 李咸善, 陳奧博, 程杉, 等. 基于生態(tài)博弈的含云儲(chǔ)能微電網(wǎng)多智能體協(xié)調(diào)優(yōu)化調(diào)度[J]. 中國(guó)電力, 2021, 54(7): 166-177.

LI Xianshan, CHEN Aobo, CHENG Shan, et al. Multi- agent coordination and optimal dispatch of microgrid with CES based on ecological game[J]. Electric Power, 2021, 54(7): 166-177.

[3] 李毓, 張?jiān)鰪?qiáng), 羅銳, 等. 結(jié)合微電網(wǎng)運(yùn)行方式的綜合能源系統(tǒng)規(guī)劃方法[J]. 智慧電力, 2020, 48(6): 40-46.

LI Yu, ZHANG Zengqiang, LUO Rui, et al. Integrated energy system planning method combined with microgrid operation mode[J]. Smart Power, 2020, 48(6): 40-46.

[4] 汪惟源, 竇飛, 程錦閩, 等. 一種風(fēng)光聯(lián)合出力概率模型建模方法[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(10): 22-29.

WANG Weiyuan, DOU Fei, CHENG Jinmin, et al. A modeling method for a wind and photovoltaic joint power probability model[J]. Power System Protection and Control, 2020, 48(10): 22-29.

[5] 王念, 張靖, 李博文, 等. 基于加權(quán)果蠅優(yōu)化算法的多區(qū)域頻率協(xié)同控制[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(11): 102-109.

WANG Nian, ZHANG Jing, LI Bowen, et al. Load frequency control of a multi-area power system based on weighting fruit fly optimization algorithm[J]. Power System Protection and Control, 2020, 48(11): 102-109.

[6] 李建林, 袁曉冬, 郁正綱, 等. 利用儲(chǔ)能系統(tǒng)提升電網(wǎng)電能質(zhì)量研究綜述[J]. 電力系統(tǒng)自動(dòng)化, 2019, 43(8): 2213-2220.

LI Jianlin, YUAN Xiaodong, YU Zhenggang, et al. Comments on power quality enhancement research for power grid by energy storage system[J]. Automation of Electric Power Systems, 2019, 43(8): 2213-2220.

[7] 黃新波, 鄔紅霞, 李民, 等. 影響戶外光伏電源供電性能的關(guān)鍵因素研究[J]. 高壓電器, 2021, 57(5): 36-42.

HUANG Xinbo, WU Hongxia, LI Min, et al. Study on key factors affecting power supply performance of outdoor photovoltaic power[J]. High Voltage Apparatus, 2021, 57(5): 36-42.

[8] 孫偉卿, 羅靜, 張婕. 高比例風(fēng)電接入的電力系統(tǒng)儲(chǔ)能容量配置及影響因素分析[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(15): 9-18.

SUN Weiqing, LUO Jing, ZHANG Jie. Energy storage capacity allocation and influence factor analysis of a power system with a high proportion of wind power[J]. Power System Protection and Control, 2021, 49(15): 9-18.

[9] 于琳琳, 常青青, 孟高軍, 等. 基于區(qū)域偏差控制和荷電狀態(tài)分區(qū)的電池儲(chǔ)能參與二次調(diào)頻控制策略[J]. 熱力發(fā)電, 2021, 50(8): 157-163.

YU Linlin, CHANG Qingqing, MENG Gaojun, et al. Control strategy of battery energy storage participating in secondary frequency regulation based on regional deviation control and state of charge partition[J]. Thermal Power Generation, 2021, 50(8): 157-163.

[10] 李建林, 屈樹慷, 黃孟陽(yáng), 等. 鋰離子電池建模現(xiàn)狀研究綜述[J]. 熱力發(fā)電, 2021, 50(7): 1-7.

LI Jianlin, QU Shukang, HUANG Mengyang, et al. A review of current research on lithium-ion battery modeling[J]. Thermal Power Generation, 2021, 50(7): 1-7.

[11] 高明杰, 惠東, 高宗和, 等. 國(guó)家風(fēng)光儲(chǔ)輸示范工程介紹及其典型運(yùn)行模式分析[J]. 電力系統(tǒng)自動(dòng)化, 2013, 37(1): 59-64.

GAO Mingjie, HUI Dong, GAO Zonghe, et al. Presentation of national wind/photovoltaic/energy storage and transmission demonstration project and analysis of typical operation modes[J]. Automation of Electric Power Systems, 2013, 7(1): 59-64.

[12] 王源, 南海鵬, 關(guān)欣. 風(fēng)水儲(chǔ)微電網(wǎng)優(yōu)化調(diào)度策略研究[J]. 高壓電器, 2020, 56(5): 216-222.

WANG Yuan, NAN Haipeng, GUAN Xin. Optimal scheduling strategy of wind-hydro-storage micro-grid[J]. High Voltage Apparatus, 2020, 56(5): 216-222.

[13] 付建哲, 郭昆麗, 閆東. 一種基于簡(jiǎn)化ADRC的混合儲(chǔ)能系統(tǒng)改進(jìn)低通濾波策略[J]. 西安工程大學(xué)報(bào), 2020, 34(6): 80-85.

FU Jianzhe, GUO Kunli, YAN Dong. An improved low pass filter strategy for hybrid energy storage system of based on simplified ADRC[J]. Journal of Xi'an Polytechnic University, 2020, 34(6): 80-85.

[14] 李大祥, 張新松. 用戶側(cè)電池儲(chǔ)能系統(tǒng)運(yùn)行策略優(yōu)化與效益分析[J]. 智慧電力, 2021, 49(12): 31-36.

LI Daxiang, ZHANG Xinsong. Operation strategy optimization and benefits analysis of user side battery energy storage systems[J]. Smart Power, 2021, 49(12): 31-36.

[15] 嚴(yán)干貴, 蔡長(zhǎng)興, 段雙明, 等. 考慮電池儲(chǔ)能單元分組優(yōu)化的微電網(wǎng)運(yùn)行控制策略[J]. 電力系統(tǒng)自動(dòng)化, 2020, 44(23): 38-46.

YAN Gangui, CAI Changxing, DUAN Shuangming, et al. Microgrid operation control strategy considering grouping optimization of battery energy storage units[J]. Automation of Electric Power Systems, 2020, 44(23): 38-46.

[16] 劉春陽(yáng), 王秀麗, 吳雄. 考慮蓄電池分組優(yōu)化的風(fēng)儲(chǔ)系統(tǒng)多層次調(diào)度策略[J]. 電網(wǎng)技術(shù), 2016, 40(10): 3029-3037.

LIU Chunyang, WANG Xiuli, WU Xiong. A multi-layer dispatch strategy of combined wind-storage systems considering optimization of battery units[J]. Power System Technology, 2016, 40(10): 3029-3037.

[17] 蘇浩, 張建成, 王寧, 等. 基于分層優(yōu)化的大容量混合儲(chǔ)能系統(tǒng)能量管理策略[J]. 高電壓術(shù), 2018, 44(4): 1177-1186.

SU Hao, ZHANG Jiancheng, WANG Ning, et al. Energy management strategy of large-scale hybrid energy storage system based on layered optimization[J]. High Voltage Engineering, 2018, 44(4): 1177-1186.

[18] 李相俊, 馬銳. 考慮電池組健康狀態(tài)的儲(chǔ)能系統(tǒng)能量管理方法[J]. 電網(wǎng)技術(shù), 2020, 44(11): 4210-4217.

LI Xiangjun, MA Rui. Energy management method of energy storage system considering the SOH of battery pack[J]. Power System Technology, 2020, 44(11): 4210-4217.

[18] 嚴(yán)干貴, 蔡長(zhǎng)興, 段雙明, 等. 考慮電池儲(chǔ)能單元分組優(yōu)化的微電網(wǎng)運(yùn)行控制策略[J]. 電力系統(tǒng)自動(dòng)化, 2020, 44(23): 38-46.

YAN Gangui, CAI Changxing, DUAN Shuangming, et al. Microgrid operation control strategy considering grouping optimization of battery energy storage units[J]. Automation of Electric Power Systems, 2020, 44(23): 38-46.

[19] 米陽(yáng), 王鵬, 鄧錦, 等. 孤島交直流混合微電網(wǎng)群分層協(xié)調(diào)控制[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(20): 1-8.

MI Yang, WANG Peng, DENG Jin, et al. Hierarchical coordinated control of island AC/DC hybrid microgrids[J]. Power System Protection and Control, 2021, 49(20): 1-8.

[20] LI C D, COELHO E A, DRAGICEVI T, et al. Multiagent- based distributed state of charge balancing control for distributed energy storage units in AC microgrids[J]. IEEE Transactions on Industry Applications, 2017, 53(3): 2369-2381.

[21] 楊珺, 侯俊浩, 劉亞威, 等. 分布式協(xié)同控制方法及在電力系統(tǒng)中的應(yīng)用綜述[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(19): 4035-4049.

YANG Jun, HOU Junhao, LIU Yawei, et al. Distributed cooperative control method and application in power system[J]. Transactions of China Electrotechnical Society, 2021, 36(19): 4035-4049.

[22] CAO Q, SONG Y D, GUERRERO J M, et al. Coordinated control for flywheel energy storage matrix systems for wind farm based on charging/discharging ratio consensus algorithms[J]. IEEE Transactions on Smart Grid, 2016, 7(3): 1259-1267.

[23] ZHAO T, DING Z. Cooperative optimal control of battery energy storage system under wind uncertainties in a microgrid[J]. IEEE Transactions on Power Systems, 2018, 33(2): 2292-2300.

[24] 陳剛, 包宇慶, 張金龍, 等. 計(jì)及壽命損耗成本的儲(chǔ)能單元分布式協(xié)同控制策略[J]. 電網(wǎng)技術(shù), 2018, 42(5): 1495-1501.

CHEN Gang, BAO Yuqing, ZHANG Jinlong, et al. Distributed cooperative control strategy for energy storage units considering life loss cost[J]. Power System Technology, 2018, 42(5): 1495-1501.

[25] 呂朋蓬, 趙晉泉, 李端超, 等. 基于信息物理系統(tǒng)的孤島微網(wǎng)實(shí)時(shí)調(diào)度的一致性協(xié)同算法[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2016, 36(6): 1471-1480.

Lü Pengpeng, ZHAO Jinquan, LI Duanchao, et al. A consensus-based collaborative algorithm for real time dispatch of Island microgrid in cyber physical system[J]. Proceedings of the CSEE, 2016, 36(6): 1471-1480.

[26] 郭偉, 趙洪山. 基于DMPC加權(quán)一致性算法的電池儲(chǔ)能陣列分組控制策略[J]. 電力自動(dòng)化設(shè)備, 2020, 40(1): 133-140.

GUO Wei, ZHAO Hongshan. Grouping control strategy of battery energy storage array based on DMPC weighted consensus algorithm[J]. Electric Power Automation Equipment, 2020, 40(1): 133-140.

[27] 張新松, 顧菊平, 袁越, 等. 基于電池儲(chǔ)能系統(tǒng)的風(fēng)功率波動(dòng)平抑策略[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2014, 34(28): 4752-4760.

ZHANG Xinsong, GU Juping, YUAN Yue, et al. Strategy of smoothing wind power fluctuation based on battery energy storage system[J]. Proceedings of the CSEE, 2014, 34(28): 4752-4760.

[28] NGUYEN C L, LEE H H. A novel dual-battery energy storage system for wind power applications[J]. IEEE Transactions on Industrial Electronics, 2016, 63(10): 6136-6147.

[29] 張瑩, 孟潤(rùn)泉, 王子昂, 等. 一種基于一致性算法的改進(jìn)下垂控制策略[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(14): 104-111.

ZHANG Ying, MENG Runquan, WANG Ziang, et al. An improved droop control strategy based on a consensus algorithm[J]. Power System Protection and Control, 2021, 49(14): 104-111.

[30] MERRIS R. Laplacian matrices of graphs: a survey[J]. Linear Algebra Application, 1994, 197-198: 143-176.

[31] ZHAO H S, GUO W. Hierarchical distributed coordinated control strategy for hybrid energy storage array system[J]. IEEE Access, 2019, 7: 2364-2375.

[32] SUN C, SONG C J, WHITE J K. Consensus control of multi-agent system with constraint-the scalar case[C] // 2013 IEEE 52nd Annual Conference on Decision and Control (CDC), December 10-13, 2013, Florence, Italy: 7345-7350.

[33] 郭偉. 混合儲(chǔ)能陣列系統(tǒng)協(xié)調(diào)控制策略研究[D]. 北京:華北電力大學(xué), 2020.

GUO Wei. Research on coordinated control strategy of hybrid energy storage array system[D]. Beijing: North China Electric Power University, 2020.

[34] ZHANG H T, CHEN Z M, et al. Fast consensus via predictive pinning control[J]. IEEE Transactions on Circuits and Systems I: Regular Papers, 2011, 58(9): 2247-2258.

[35] ZHAN J, LI X. Consensus of sampled-data multi-agent networking systems via model predictive control[J]. Automatica, 2013, 49(8): 2502-2507.

[36] 席裕庚, 黃維, 李曉麗. 具有狀態(tài)預(yù)測(cè)器的多智能體系統(tǒng)一致性研究[J]. 控制與決策, 2010, 25(5): 769-772.

XI Yugeng, HUANG Wei, LI Xiaoli. Consensus of multi-agent system with state predictor[J]. Control and Decision, 2010, 25(5): 769-772.

Grouping consistency control strategy based on DMPC and energy storage unit constraints

LONG Benjin1, ZHANG Jing1, HE Yu1, QIN Tingxiang2, YANG Xueliang2, LONG Daoyin2

(1. School of Electrical Engineering, Guizhou University, Guiyang 550025, China;2.Power China Guizhou Engineering Co., Ltd., Guiyang 550001, China)

A distributed grouped consistency control strategy is proposed to solve the distributed coordinated control problem among multiple battery storage units. First, a weighted consistency algorithm based on distributed model predictive control and state constraints is proposed, one which can consider the power constraints of each energy storage unit and quickly complete the power allocation of multiple energy storage units. Second, a grouping control strategy of the units is proposed. The weight of an energy storage unit is set from SOC information to improve its SOC consistency. Using the proposed consistency algorithm, inter-group coordination control and efficiency improvement strategies for the storage units are developed to improve the regulation ability of the storage system, extend its life and improve the energy conversion efficiency. Finally, the proposed algorithm and control strategy are simulated and analyzed by building a microgrid system with eight battery storage units in Matlab. The simulation results show that the proposed algorithm and control strategy have certain advantages in improving convergence speed, optimizing control effect, prolonging energy storage life and improving the operational efficiency of the energy storage system.

microgrid; grouping of battery unit; distributed model predictive control; weighted consensus algorithm

10.19783/j.cnki.pspc.220296

國(guó)家自然科學(xué)基金項(xiàng)目資助(51867005)；貴州省科技計(jì)劃項(xiàng)目資助([2022]013，[2022]014)

This work is supported by the National Natural Science Foundation of China (No. 51867005).

2022-03-08；

2022-05-21

龍本錦(1994—)，男，碩士研究生,主要研究方向?yàn)閮?chǔ)能技術(shù)在電力系統(tǒng)中的應(yīng)用；E-mail: 2756713617@qq.com

張 靖(1979—)，男，通信作者，教授，博士生導(dǎo)師，主要研究方向?yàn)殡娏ο到y(tǒng)穩(wěn)定、運(yùn)行與控制；E-mail: zhangjing@gzu.edu.cn

何 宇(1978—)，女，博士，副教授，主要研究方向?yàn)殡娏ο到y(tǒng)運(yùn)行與保護(hù)。E-mail: yhe7@gzu.edu.cn

(編輯 姜新麗)