一种微源与超级电容器之间最优能量管理的控制方法与流程

本发明涉及一种基于混合模糊逻辑和人群搜索优化算法的，用于孤岛微电网中微源与超级电容器之间的最优能量管理的控制方法。

背景技术：

随着对电力的需求量的增加，对电力供应的可靠性要求也越来越高，为了应对现代电力在控制和运行上的一致性，电网网络也伴随着快速扩张，同时也变得更加复杂。其中，分布式发电(dg)集成到配电系统中是一种很有前景的工作，不仅能够应对这些存在的问题，而且还具有减少污染，降低停电概率，能量高效率利用和电力传输期间的低损耗等优点。与传统的同步发电机相比，dg装置提供了高度的可操作性和可控性，这有助于微电网维持电网的稳定性。然而，在维持微电网中稳定安全的运行，有许多关键问题需要考虑，例如：适当选择微源及其控制策略以确保高能量供应可靠性；最佳功率分配dg确保高能源成本效率；主动需求管理(adm)；故障状态下的动态稳定性等。

虽然通过将可再生能源(res)整合到微电网作为微源，可以提高能源效率，能源成本和系统可靠性以及降低温室气体排放，但通常res取决于气候变化，这可能导致出现单一类型的res可能无法完全满足负荷需求的情况。通过在混合微电网结构中集成不同种类的可再生能源，可以解决上述问题。现阶段的研究中，存在各种方法用于整合res以形成混合微源，即dc耦合，ac耦合和混合耦合等。

传统的基于通信的功率共享方案的两个主要缺点是高安装成本和通信故障，这导致现代的基于通信的功率共享方案的发展也较少下垂。而且，传统的下垂控制技术如果经受非线性或非对称负载则不能最佳地共享功率，因为在这种情况下，集成控制单元不仅要考虑谐波电流，还要调节分配馈线中的有功和无功功率。

技术实现要素：

针对上述存在问题，本发明提供一种基于混合模糊逻辑和人群搜索优化算法的，用于孤岛微电网中微源与超级电容器之间的最优能量管理的控制方法。此次微电网系统还提出了一种由fsoa-dpi控制器调节的储能系统(ess)，以确保在故障发生时具有更好的瞬态和亚瞬态稳定性。

本发明为了解决上述技术问题提供的技术方案是：

一种微源与超级电容器之间最优能量管理的控制方法，用于在由光伏(pv)和固体氧化物燃料电池(sofc)作为两个微源的分布式发电系统连接到孤岛微电网的并联vsc之间的比例功率共享，所述方法包括以下步骤：

s1:建立光伏模型

pv电池由于p-n结暴露于太阳辐射中，而在pv电池中产生的电流，在等效电路模型中用非线性直流电流源il表示，其中pv电池的p-n结用等效二极管表示，将光伏电池半导体表面的薄层电阻等效为串联电阻rs，当二极管反向偏置时，泄漏到地的电流由分流电阻rsh表示；

由基尔霍夫定律可知，pv模块的终端电流表示为：

i＝il-id(1)

其中i为pv模块的终端电流，il为pv电池产生的光电流，id为二极管通过的电流；

光电流il表示为：

其中ki，δt，g，分别是标称条件下太阳辐照度产生的参考电流，最大pv电池电流的温度系数，单位a/°k，实际温度和标称温度之间的差异，pv模块表面上的辐照度和标称辐照度，单位1000w/m²；

二极管电流id计算如下：

其中i0和vt分别是在没有太阳辐照度和pv电池热电压的情况下的二极管饱和电流，pv电池热电压表示为：

其中ns为串联的pv电池数，k是玻尔兹曼常数，1.3806×10^-23j/k，q为电子电荷值，1.602×10^-19j/k，t为开尔文为单位的实际温度，a为二极管理想常数，1<a<1.5，并且二极管的饱和电流取决于温度，表示为：

其中为标称温度，25℃，为标称条件下二极管的饱和电流，eg为带隙能量；

饱和电流表示为：

其中分别是pv模块的开路电压，短路电流和标称热电压，上述表示在标称辐照度和温度下的单个pv电池的参数，因此，要获得整个pv模块的参数值，它将按比例缩放为：

其中ns和np分别是串联的pv电池的数量和pv电池的数量，由于串联和并联的电池将分别对应输出电压和输出电流，因此：

itotal＝np*i(10)

vtotal＝ns*v(11)

数学pv建模使用上述方程在matlab/simulink软件中实现；

s2建立固体氧化物燃料电池的模型

对sofc进行了建模，sofc的电压根据nernst方程用可变参数表示如下：

其中表示燃料电池输出电压，r表示欧姆损耗，n0表示电池数，e0表示与反应自由能相关的电压，r是通用气体常数，单位j/molk，t是绝对温度，f是法拉第常数，单位coulombs/mol，和分别代表氢的分压，氧的分压和水的分压，单位为nm²，是输出电流；

sofc中生成的总功率表示为：

s3建立超级电容器的模型

每个模块的容量定义为：

超级电容器组的储能容量应足够大，以便在故障状态期间至少承受10个循环，所需存储容量可定义为：

qrequired＝v*i*t(15)

其中c，v，i和t分别是电容，电压，电流和时间；

s4确定控制微源的方法

用于光伏阵列的升压转换器由基于人群搜索优化算法的dpi控制器调节，用mp&o方法动态地跟踪最大功率点，以确保从混合微源获得最大的自由可用能量；vsc由基于混合模糊逻辑和人群搜索优化算法的动态pi(fsoa-dpi)控制器调节，以确保基于虚拟阻抗下垂(vid)的最佳功率共享；最后，ess设备由所提出的控制器控制，以确保在故障状态期间的最高瞬态稳定性。

s5使用fsoa调整pi参数

这里flc的输入参数是δp和δi，表示如下：

flc的输出表示为：

δkp＝kp(k)-kp(k-1)(20)

δki＝ki(k)-ki(k-1)(21)

在等式(19)中，输入参数δp和δi分别是功率的微小变化和pv模块的电流的微小变化以及等式；(20)和(21)输出参数δkp和δki分别是比例和积分常数的微小变化。在气候条件的任何变化期间，为了确保在最佳点处的收敛，δp通过增益控制器以反转其方向。这里flc的输入和输出参数被分成五个模糊子集，呈现二十五个控制规则，绝对复制了mp&o技术中使用的算法；

在控制器中，实现修改的soa技术以找到模糊逻辑的最佳隶属函数参数以计算pi控制器增益；

s6集成到sofc的功率调节器

为了执行功率调节，升压转换器单独集成到固体氧化物燃料电池中，sofc的响应时间相对较为缓慢，使得原始输出功率有所限制；因此，为了确保sofc的输出功率，以确保最高的能量供应可靠性，集成的升压转换器通过提出的fsoa-dpi控制器进行控制。

s7控制基于下垂的功率共享方法

利用混合微源实现微电网的功率共享策略是一个至关重要的问题，功率共享策略应确保最低用户能源利用成本以及最高能源供应可靠性，提出的模糊逻辑和人群搜索算法优化的动态pi控制器(fsoa-dpi)集成虚拟阻抗下垂策略，以保证两个微源之间的功率共享。

进一步，所述步骤s4的过程如下：

s41跟踪最大功率点

改进的perturb和observe技术(p&o)被广泛用于最大功率点跟踪，因为它需要较少数量的输入参数和简单的实现；

s42确定人群搜索优化dpi控制的mp&o技术与动态步长。

为解决传统mp&o方法中步长(k)初始化问题，本发明提出了基于模糊搜索优化dpi控制的mp&o方法；

s43确定优化目标

将通过最小化目标的方法视为优化问题，假设数学搜索器是单个粒子矢量，其包括相对于要优化的参数值的总数的多个维度“dim”值，整个搜索者群体被分为“sp”数量的亚群，对于这项发明，sp假定为3；

s44soa的计算

对于每个具有步进时间t的sp子群，步长sl(sp，p，q，t)>0和dim(sp，p，q，t)∈{-1,0,1}，其中集合分别表示负变化，无变化和正变化，每个搜索者p在每个维度q(1≤qj≤dim,dim)的新位置由下列公式给出：

p(sp,p,q,t+1)＝p(sp,p,q,t)+sl(sp,p,q,t)*dim(sp,p,q,t)(16)

为了将较差搜索者的位置与每个顺序(sp-1)子群中的最佳位置合并，需要执行均匀的交叉操作，同时避免了局部收敛：

其中，p(sp,m,q,t)worst和p(a,q,t)best分别是步骤t中属于sp和a亚群的第m个最差和最佳搜索者的q维。同时搜索者之间的信息交换如上述方式(17)所述；

s45确定搜索持续时间

搜索位置可以通过考虑许多eg过去或现在的自己或邻居的位置来确定，由下式表出：

s46确定步长的值

为了实现步长的变化，本发明提出了高斯概率分布。该技术假设下一个解决方案和当前解决方案之间的是接近的，因此可以从最佳解决方案中更好地进行搜索。

再进一步，所述步骤s7的过程如下：

s71建立虚拟阻抗下垂方案

在实际功率和无功功率紧密耦合的地方，可以实现vid方案以确保在微网中众多微源之间适当地共享有功功率和无功功率，这里的频率被调节为：

fi＝fr-mp(pi-pr)(22)

其中下标r和i分别代表额定值和逆变器指数，在等式(,22)实际功率pi和下垂斜率mp表示为：

其中，xl和φ分别是逆变器电压和母线电压之间的电抗和相位角。ei和v分别是逆变器电压和总线电压的幅度，电压调节表示为：

vref＝v^*-zvd(s).i0(25)

其中v^*和zvd(s)分别是无负载条件下的参考输出电压和虚拟输出阻抗。

s72提出的搜索者优化dpi控制器集成虚拟阻抗下垂方案。

传统的线性pi或pd控制器有时无法使高度非线性电力系统正常化，特别是在瞬态条件下。每次系统参数改变时，这些传统控制器都需要手动调整。由于电力系统的多变量状态，传统的flc并不总能确保满意的结果。因此，动态pi控制方案逐渐发展到处理多变量非线性系统，其中pi控制器通过模糊逻辑方法动态调整。所提出的soa适当地动态优化模糊输入参数，因此pi控制器可以在不考虑负载变化的情况下以更好的稳定性运行。vid方案要求非常精确的参考电压和参考频率，提出的fsoa-dpi控制器可以完美实现这些要求。

本发明的有益效果为：增强最佳功率共享和主动需求管理的动态性能，确保在故障发生时具有更好的瞬态和亚瞬态稳定性。

附图说明

图1是pv电池的等效电路图；

图2是mp&o方法的流程框图；

图3是集成mp&o技术的fsoa-dpi图；

图4是vid方案的控制策略原理图；

图5是搜索者优化dpi控制器集成虚拟阻抗下垂图。

具体实施方式

下面结合附图对本发明做进一步说明。

参照图1～图5，一种微源与超级电容器之间最优能量管理的控制方法，用于在由光伏(pv)和固体氧化物燃料电池(sofc)作为两个微源的分布式发电系统连接到孤岛微电网的并联vsc之间的比例功率共享。该方法包括以下步骤：

s1建立光伏模型

pv电池由于p-n结暴露于太阳辐射中，而在pv电池中产生的电流，在等效电路模型中用非线性直流电流源il表示，其中pv电池的p-n结用等效二极管表示，等效模型为附图1，将光伏电池半导体表面的薄层电阻等效为串联电阻rs，当二极管反向偏置时，泄漏到地的电流由分流电阻rsh表示；

由基尔霍夫定律可知，pv模块的终端电流表示为：

i＝il-id(1)

其中i为pv模块的终端电流，il为pv电池产生的光电流，id为二极管通过的电流；

光电流il表示为：

其中ki，δt，g，分别是标称条件下太阳辐照度产生的参考电流，最大pv电池电流的温度系数(a/°k)，实际温度和标称温度之间的差异，pv模块表面上的辐照度，和标称辐照度(1000w/m²)；

二极管电流id计算如下：

其中i0和vt分别是在没有太阳辐照度和pv电池热电压的情况下的二极管饱和电流，pv电池热电压表示为：

其中ns为串联的pv电池数，k是玻尔兹曼常数(1.3806×10^-23j/k)，q为电子电荷值(1.602×10^-19j/k)，t为开尔文为单位的实际温度，a为二极管理想常数(1<a<1.5)，并且二极管的饱和电流取决于温度，表示为：

其中为标称温度(25℃)，为标称条件下二极管的饱和电流，eg带隙能量；

饱和电流表示为：

其中分别是pv模块的开路电压，短路电流和标称热电压，上述参数的表达表示在标称辐照度和温度下的单个pv电池。因此，要获得整个pv模块的参数值，它将按比例缩放为：

其中ns和np分别是串联的pv电池的数量和pv电池的数量，由于串联和并联的电池将分别对应输出电压和输出电流，因此：

itotal＝np*i(10)

vtotal＝ns*v(11)

数学pv建模使用上述方程在matlab/simulink软件中实现。

s2建立固体氧化物燃料电池的模型

本方法对sofc进行了建模，考虑了燃料处理器部分，功率部分和功率调节器部分。天然气在燃料处理器中转化为氢气；在功率部分中，执行电化学反应并且化学能转换成电能；功率调节部分规范了原始输出功率。

sofc的电压可以根据nernst方程用可变参数表示如下：

其中表示燃料电池输出电压，r表示欧姆损耗，n0表示电池数，e0表示与反应自由能相关的电压。r是通用气体常数(j/molk)，t是绝对温度，f是法拉第常数(coulombs/mol)。和分别代表氢的分压，氧的分压和水的分压，单位为nm²。是输出电流。

sofc中生成的总功率可表示为：

s3建立超级电容器的模型

在电池，飞轮等多种存储方式中，超级电容器确保了最高的功率密度，因此将超级电容器用为存储设备。

每个模块的容量可以定义为：

超级电容器组的储能容量应足够大，以便在故障状态期间至少承受10个循环。所需存储容量可定义为：

qrequired＝v*i*t(15)

其中c，v，i和t分别是电容，电压，电流和时间。

s4控制微源的方法

闭环控制是针对每个升压转换器和vsc单独实现的。为了在两个考虑的微源中实现最高的能源成本效率，应该保证利用pv的总可用剩余能量。因此，为了确保最高的可用自由能，提出基于模糊人群搜索优化算法的最大功率点跟踪(mppt)系统改进改进的perturb和observe技术(mp&o)，使得dpi控制器得到增强。用于光伏阵列的升压转换器由所提出的基于人群搜索优化算法的dpi控制器调节，用mp&o方法动态地跟踪最大功率点，以确保从混合微源获得最大的自由可用能量。vsc由基于混合模糊逻辑和人群搜索优化算法的动态pi(fsoa-dpi)控制器调节，以确保基于虚拟阻抗下垂(vid)的最佳功率共享。最后，ess设备由所提出的控制器控制，以确保在故障状态期间的最高瞬态稳定性。

s41跟踪最大功率点。

改进的perturb和observe技术(p&o)被广泛用于最大功率点跟踪，因为它需要较少数量的输入参数和简单的实现。mp&o技术的基本功能如附图2所示。

s42确定人群搜索优化dpi控制的mp&o技术与动态步长。

为解决传统mp&o方法中步长(k)初始化问题，本发明提出了基于模糊搜索优化dpi控制的mp&o方法，如图3所示。

s43确定优化目标。

本发明将通过最小化目标的方法视为优化问题。假设数学搜索器是单个粒子矢量，其包括相对于要优化的参数值的总数的多个维度“dim”值。整个搜索者群体被分为“sp”数量的亚群。对于这项发明，sp假定为3。

s44soa的计算

对于每个具有步进时间t的sp子群，步长sl(sp，p，q，t)>0和dim(sp，p，q，t)∈{-1,0,1}，其中集合分别表示负变化，无变化和正变化。每个搜索者p的每个维度q(1≤qj≤dim,dim)的新位置由下列公式给出：

p(sp,p,q,t+1)＝p(sp,p,q,t)+sl(sp,p,q,t)*dim(sp,p,q,t)(16)

为了将较差搜索者的位置与每个顺序(sp-1)子群中的最佳位置合并，需要执行均匀的交叉操作，同时避免了局部收敛。

其中，p(sp,m,q,t)worst和p(a,q,t)best分别是步骤t中属于sp和a亚群的第m个最差和最佳搜索者的q维。同时搜索者之间的信息交换如上述方式(17)所述。

s45确定搜索持续时间。

为了确定搜索持续时间，整个空间被认为是寻求者中的象限域。关于位置变化的响应的演变给出了经验梯度(eg)。搜索者可以跟踪eg以进一步搜索。适应度越高，搜索位置越好。搜索位置可以通过考虑许多eg过去或现在的自己或邻居的位置来确定，可由下式表出：

s46确定步长的值。

为了实现步长的变化，本发明提出了高斯概率分布。该技术假设下一个解决方案和当前解决方案之间的是接近的，因此可以从最佳解决方案中更好地进行搜索。

s5使用fsoa调整pi参数

soa中的优化涉及最小化积分绝对误差(iae)。这里flc的输入参数是δp和δi，表示如下：

flc的输出可表示为：

δkp＝kp(k)-kp(k-1)(20)

δki＝ki(k)-ki(k-1)(21)

在等式19中，输入参数δp和δi分别是功率的微小变化和pv模块的电流的微小变化以及等式。(20)和(21)输出参数δkp和δki分别是比例和积分常数的微小变化。在气候条件的任何变化期间，为了确保在最佳点处的收敛，δp通过增益控制器以反转其方向。这里flc的输入和输出参数被分成五个模糊子集，呈现二十五个控制规则，绝对复制了mp&o技术中使用的算法。表1说明了规则库，模糊输入被馈送以发起规则库。这里模糊语句'if'和'then'在逻辑上通过'and'运算符组合。所提出的方案使用区域中心(coa)来执行去模糊化输出比例常数(kp)和积分常数(ki)。例如，它可以写成if(δp是ps)和(δi是nm)然后(kp是nm)(ki是nm)。

在该提出的控制器中，实现修改的soa技术以找到模糊逻辑的最佳隶属函数参数以计算pi控制器增益。

s6集成到sofc的功率调节器。

为了执行功率调节，升压转换器单独集成到固体氧化物燃料电池中。sofc的响应时间总是缓慢，使得原始输出功率有所限制。因此，为了确保sofc的输出功率，以确保最高的能量供应可靠性，集成的升压转换器通过提出的fsoa-dpi控制器进行控制即可。

s7控制基于下垂的功率共享方法。

利用混合微源实现微电网的功率共享策略是一个至关重要的问题。功率共享策略应确保最低用户能源利用成本以及最高能源供应可靠性。本发明提出了一种模糊逻辑和人群搜索算法优化的动态pi控制器(fsoa-dpi)集成虚拟阻抗下垂策略，以保证两个微源之间的功率共享。

s71建立虚拟阻抗下垂方案

在实际功率和无功功率紧密耦合的地方，可以实现vid方案以确保在微网中众多微源之间适当地共享有功功率和无功功率。这里的频率被调节为：

fi＝fr-mp(pi-pr)(22)

其中下标r和i分别代表额定值和逆变器指数。在等式(22)实际功率pi和下垂斜率mp表示为：

其中，xl和φ分别是逆变器电压和母线电压之间的电抗和相位角。ei和v分别是逆变器电压和总线电压的幅度。电压调节表示为：

vref＝v^*-zvd(s).i0(25)

其中v^*和zvd(s)分别是无负载条件下的参考输出电压和虚拟输出阻抗。虚拟阻抗下垂方案的示意性控制策略如附图4所示。

s72提出的搜索者优化dpi控制器集成虚拟阻抗下垂方案。

传统的线性pi或pd控制器有时无法使高度非线性电力系统正常化，特别是在瞬态条件下。每次系统参数改变时，这些传统控制器都需要手动调整。由于电力系统的多变量状态，传统的flc并不总能确保满意的结果。因此，动态pi控制方案逐渐发展到处理多变量非线性系统，其中pi控制器通过模糊逻辑方法动态调整。然而，由于模糊输入参数选择不当，传统方案有时无法精确调节高度非线性系统。所提出的soa适当地动态优化模糊输入参数，因此pi控制器可以在不考虑负载变化的情况下以更好的稳定性运行。vid方案要求非常精确的参考电压和参考频率，这个提出的fsoa-dpi控制器可以完美实现这些要求。所提出的系统的原理图如附图5所示。

综上可知，本发明所提出的一种微源与超级电容器之间最优能量管理的新型控制方法，为了确保最高的可用自由能，基于模糊搜索器优化动态pi控制器的p&o(mp&o)技术得到了增强。本发明增强了超级电容器作为瞬态和次瞬态条件下具有高功率密度的电能存储装置的效果，进一步增强最佳功率共享和主动需求管理的动态性能，确保高能量供应的可靠性。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也包括本领域技术人员根据本发明构思所能够想到的等同技术手段。