一种基于模糊控制的混合能源系统实时负荷分配方法与流程

1.本发明涉及建筑混合能源领域，尤其是涉及一种基于模糊控制的混合能源系统实时负荷分配方法。


背景技术：

2.随着建筑内各用能设备类型的增多和能源需求的增长，传统能源系统无法满足混合化、多元化的要求，导致能源结构的不合理和能源利用效率的低下。为了解决这些问题，包含燃料电池、锂电池、超级电容、光伏系统、风力发电等清洁的混合能源系统已被用于各种建筑。其中，燃料电池具有能量转化效率高，对环境友好，比能量高等优点；锂电池能量密度高，充电速度快，自放电少；超级电容充放电速度快，可以储存或释放更多的能量。
3.能源管理系统是混合能源系统的关键技术之一。混合能源系统在负荷变化时较传统能源具有更好的适应性，但是各能源子系统的动态特性不尽相同，因此通过能源管理系统对实时负荷进行合理分配，可以进一步提高系统的经济性。一个良好的能源管理系统可以使每个能源在合理的范围内运行，并且提高整个系统的效率和运行寿命。
4.目前，对混合能源管理系统的研究主要集中在电动汽车领域，而建筑领域应用混合能源的研究较少。其中，能源管理系统采用的控制策略有pi控制、状态机控制、神经网络控制、模糊逻辑控制等。现有控制策略的不足之处如下：一、pi控制的增益只能在一定范围内适用，当能源系统负荷变化大时需要进行调整；二、在状态变化时需要磁滞控制，否则将会影响能源管理系统对负载变化的响应；三、神经网络法需要大量实验数据来对网络进行训练。
5.经过检索，中国专利公开号cn106709610a公开了一种微电网电储能、冰蓄冷联合优化调度方法，该专利未涉及模糊控制方法，且只要针对电储能与冷负荷，以及中国专利公开号cn109936145a公开了适用于园区配电的充电站负荷调整方法，该专利仅仅涉及充电站的负荷调整方法，且未涉及模糊控制方法。


技术实现要素：

6.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于模糊控制的混合能源系统实时负荷分配方法。
7.本发明的目的可以通过以下技术方案来实现：
8.一种基于模糊控制的混合能源系统实时负荷分配方法，该方法根据混合能源系统的总负荷、燃料电池的充电状态来实时分配燃料电池、锂电池、超级电容的输出功率，具体包括以下步骤：
9.步骤s1：设计建筑混合能源系统结构；
10.步骤s2：对混合能源系统中的燃料电池模块、锂电池模块、超级电容模块以及配套设施进行建模，其中配套设施包括dc/dc转换器模块、dc/ac转换器模块；
11.步骤s3：确定能源管理模块的输入和输出变量，设计模糊逻辑控制策略；
12.步骤s4：输入总负荷数据，进行仿真，并对实时负荷分配情况进行分析。
13.优选地，所述的步骤s1具体为：
14.根据建筑的具体情况，确定混合能源系统中采用燃料电池、锂电池和超级电容；
15.若燃料电池的直流电压低于所需电压，需要配置直流升压转换器，其直接与燃料电池相连；
16.若锂电池直流电压低于所需电压且运行过程中存在充放电现象，需要配置用于放电的直流升压转换器和用于充电的直流降压转换器，这两个转换器并联后与锂电池相连；
17.燃料电池、锂电池与超级电容并联在直流总线，并通过dc/ac转换器输出。
18.优选地，所述的步骤s2使用simulink中的simpowersystems工具箱对各模块进行建模，并设置各子模块的参数。
19.优选地，所述的步骤s3具体为：
20.将负载总功率和锂电池的充电状态作为输入量输入模糊控制器，在模糊控制器内进行模糊化、根据模糊规则推理和反模糊处理得到精确的控制量，对燃料电池功率进行控制。
21.优选地，所述的模糊控制器具体处理过程为：
22.s101)模糊化处理；
23.s102)选取隶属度函数；
24.s103)建立模糊控制规则；
25.s104)对模糊变量进行反模糊化处理。
26.优选地，所述的s101)模糊化处理具体为：
27.将系统总功率p
load
和燃料电池功率p
fc
划分为4个模糊集合：非常低vl，低l，中等m，高h；将锂离子电池的充电状态soc划分为3个模糊集合：低l，中等 m，高h。
28.优选地，所述的s102)选取隶属度函数具体为：
29.选择梯形隶属度函数如下：
[0030][0031]
由公式可得，确定参数a,b,c,d即可确定一个具体的隶属度函数，建立变量的隶属度函数具体如下：
[0032]
s201)总功率p
load
的隶属度函数在vl时为trapmf型，参数为[a
11
,b
11
,c
11
,d
11
]；在l时为trapmf型，参数为[a
12
,b
12
,c
12
,d
12
]；在m时为trapmf型，参数为 [a
13
,b
13
,c
13
,d
13
]；在h时为trapmf型，参数为[a
14
,b
14
,c
14
,d
14
]；
[0033]
s202)充电状态soc的隶属度函数在l时为trapmf型，参数为[a
21
,b
21
,c
21
,d
21
]；在m时为trapmf型，参数为[a
22
,b
22
,c
22
,d
22
]；在h时为trapmf型，参数为 [a
23
,b
23
,c
23
,d
23
]；
[0034]
s203)燃料电池功率p
fc
的隶属度函数在vl时为trapmf型，参数为 [a
31
,b
31
,c
31
,d
31
]；在l时为trapmf型，参数为[a
32
,b
32
,c
32
,d
32
]；在m时为trapmf 型，参数为[a
33
,b
33
,c
33
,
d
33
]；在h时为trapmf型，参数为[a
34
,b
34
,c
34
,d
34
]。
[0035]
优选地，所述的s103)建立模糊控制规则具体包括：
[0036]
s31：当锂电池soc处于模糊子集h或m时，燃料电池的输出功率p
fc
将跟随系统总功率p
load
；
[0037]
s32：当锂电池soc处于模糊子集l且系统总负荷p
load
处于模糊子集vl或l 时，燃料电池的输出功率p
fc
将按负载分配，其中一部分为锂电池充电；
[0038]
s33：当锂电池soc处于模糊子集l且系统总负荷p
load
处于模糊子集h或m 时，燃料电池的输出功率p
fc
将按负载分配，其中一部分为锂电池充电，一部分为超级电容充电。
[0039]
优选地，所述的建立模糊控制规则采用mamdani模糊推理方法，将模糊控制规则对应的模糊关系r表示为：
[0040][0041]
其中，n为规则的数量；a
i
、b
i
、c
i
分别为第i条规则if a
i and b
i then c
i
的模糊子集；
[0042]
当已知输入量总功率p
load
的模糊子集为a
*
和锂电池soc的模糊子集为b
*
时，模糊输出量燃料电池的输出功率p
fc
的模糊量c
*
为：
[0043]
c
*
＝a
*
×
b
*
×
r。
[0044]
优选地，所述的s104)对模糊变量进行反模糊化处理采用重心法，通过隶属度函数于坐标轴所围面积的重心对应的变量作为清晰化的控制量，即：
[0045][0046]
其中，u
*
为输出变量的清晰值；a、b分别为隶属度函数在反模糊化时输出变量的最小值和最大值；u和μ(u)分别为输出变量与其对应隶属函数。
[0047]
与现有技术相比，本发明具有以下优点：
[0048]
1)采用的模糊逻辑控制，不需要大量数据进行训练，且对负载变化的相应比状态机控制更快，并具有较好的抗干扰性；
[0049]
2)本发明模糊控制器的输入量分别为总功率和锂电池的充电状态，且这两个输入量是实际量，它们同时形成的模糊控制规则来决定模糊控制器的输出量，大大提高了控制精度；
[0050]
3)本发明功率分配不设独立的动态协调算法，而是通过模糊控制器，根据输入量控制一个用电单元的输出功率，并由其余单元的特性自行分配功率，使其更符合实际情况，且由于输入量中考虑了锂电池的充电状态，实际是将动态调配过程整合进了模糊控制器，使其控制过程更为快速和方便。
附图说明
[0051]
图1为本发明燃料电池、锂电池、超级电容混合能源系统的示意图；
[0052]
图2为本发明实施例的仿真结果示意图。
具体实施方式
[0053]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
[0054]
本发明基于模糊控制方法的燃料电池、锂电池、超级电容混合能源系统的实时负荷分配方法，包括如下步骤：
[0055]
s1：设计建筑混合能源系统结构；
[0056]
s2：对混合能源系统中的燃料电池模块、锂电池模块、超级电容模块以及配套设施如dc/dc转换器模块、dc/ac转换器模块进行建模，并使用simulink中的 simpowersystems(sps)工具箱搭建子系统，并设置各子系统的参数；
[0057]
s3：确定能源管理模块的输入和输出变量，设计模糊逻辑控制策略；
[0058]
s4：输入总负荷数据，进行仿真，并对实时负荷分配情况进行分析。
[0059]
在步骤s1中，根据建筑的具体情况，确定混合能源系统中采用燃料电池、锂电池和超级电容。燃料电池的直流电压低于所需电压，所以需要配置直流升压转换器，它直接与燃料电池相连；锂电池直流电压也低于所需电压且运行过程中存在充放电现象，所以需要配置用于放电的直流升压转换器和用于充电的直流降压转换器，这两个转换器并联后与锂电池相连；本发明中混合能源产生的都为直流电，而负载需要的是交流电，所以需要dc/ac转换器，燃料电池、锂电池与超级电容并联在直流总线上。具体结构见图1。
[0060]
在步骤s2中，输入燃料电池极化曲线上的电压和电流、电池单元数量、输气成分和压力等参数，并设置燃料电池的动态特性。在燃料电池模块外部设置一个流量调节器。设置电池模块为锂离子电池，输入额定电流和电压、初始soc等参数，并设置放电参数。为超级电容模块输入额定电容和电压、内阻、初始电压等参数，并考虑自放电效应。为直流转换器设置最大负载电压、效率等参数，为直流交流转换器设置输出电压、频率、效率。本发明对燃料电池、锂电池、超级电容、直流升 \降压转换器、直流交流转换器以及模糊逻辑控制器分别进行了建模，并在simulink 上进行了仿真，具体模块结构如：
[0061]
燃料电池模块：本发明采用12.5kw 60
‑
30
‑
vdc的质子交换膜燃料电池。该燃料电池模型考虑了活化损失和欧姆损失，它的输出电压为：
[0062][0063]
其中，e
oc
为开路电压，单位为v；代表活化损失电压：a为塔菲尔斜率，单位为v；i
fc
、i0分别为燃料电池电流和交换电流，单位为a；表示燃料电池电压变化比电流变化延迟3倍时间常数，t
d
指电池的稳定时间，单位为s； r
ohm
为内阻，单位为ω。
[0064]
锂电池模块：本发明采用4个串联的12.8v 40ah的锂离子电池。该电池的输出电压为：
[0065][0066]
其中，e0为恒定电压，单位为v；k为极化常数，单位为v/ah；q为电池容量，单位为
ah；单位为a；i
*
为滤波后电池电流，单位为a；a为指数区振幅，单位为v；b为指数区时间常数，单位为ah
‑1；r
b
为电池内阻，单位为ω。
[0067]
超级电容模块：本发明采用6个串联的48.6v 88f的超级电容器。它的输出电压为：
[0068][0069]
其中，n
s
、n
p
分别为串联和并联数量；q
t
＝∫i
sc
dt为总电荷，单位为c；n
e
为电极层数量；ε、ε0分别为电极和自由空间的介电常数；a
i
为电极与电解质之间的界面面积，单位为m2；r为气体常数，单位为j/(mol
·
k)；t为操作温度，单位为 k；f为法拉第常数，单位为c/mol；c为摩尔浓度，单位为mol/m3；r
sc
为总内阻，单位为ω。
[0070]
dc/dc转换器模块：本发明中燃料电池连接了1个直流升压转换器；锂电池连接了1个直流升压转换器和直流降压转换器，分别用于锂电池的放电和充电。这些直流转换器都采用了平均值模型。
[0071]
dc/ac转换器模块：本发明采用了200vac 400hz直流交流转换器来给交流负载供电，它使用平均值模型。
[0072]
模糊逻辑控制模块：将负载总功率和锂电池的充电状态作为输入量输入模糊控制器，在控制器内进行模糊化、根据模糊规则推理和反模糊处理得到精确的控制量，对燃料电池功率进行控制。
[0073]
在步骤s3中，将负载总功率和锂电池的充电状态作为能源管理模块的输入量，将燃料电池的功率作为输出量。然后对模糊控制器进行设计，步骤如下：
[0074]
s31：模糊化处理。根据实践经验，将系统总功率(p
load
)和燃料电池功率(p
fc
)划分为4个模糊集合：vl(非常低)，l(低)，m(中等)，h(高)；将锂离子电池的充电状态(soc)划分为3个模糊集合：l(低)，m(中等)，h(高)。
[0075]
s32：选取隶属度函数。本发明选择梯形隶属度函数如下：
[0076][0077]
由公式可得，确定参数a,b,c,d即可确定一个具体的隶属度函数。在matlab中输入trapmf可以代表梯形隶属度函数，建立变量的隶属度函数具体如下：
[0078]
总功率p
load
的隶属度函数在vl(非常低)时为trapmf型，参数为 [a
11
,b
11
,c
11
,d
11
]；在l(低)时为trapmf型，参数为[a
12
,b
12
,c
12
,d
12
]；在m(中等)时为trapmf型，参数为[a
13
,b
13
,c
13
,d
13
]；在h(高)时为trapmf型，参数为 [a
14
,b
14
,c
14
,d
14
]。
[0079]
充电状态soc的隶属度函数在l(低)时为trapmf型，参数为[a
21
,b
21
,c
21
,d
21
]；在m(中等)时为trapmf型，参数为[a
22
,b
22
,c
22
,d
22
]；在h(高)时为trapmf型，参数为[a
23
,b
23
,c
23
,d
23
]。
[0080]
燃料电池功率p
fc
的隶属度函数在vl(非常低)时为trapmf型，参数为 [a
31
,b
31
,c
31
,d
31
]；在l(低)时为trapmf型，参数为[a
32
,b
32
,c
32
,d
32
]；在m(中等)时为trapmf型，参数为
[a
33
,b
33
,c
33
,d
33
]；在h(高)时为trapmf型，参数为 [a
34
,b
34
,c
34
,d
34
]。
[0081]
s33：建立模糊控制规则。对于两输入单输出的模糊控制器，常见的模糊控制规则有if a and b then c，其中a，b，c是各自论域上的模糊子集。
[0082]
在本发明中，控制策略可以总结如下：
[0083]
功率跟随策略：当锂电池soc处于模糊子集h(高)或m(中等)时，燃料电池的输出功率p
fc
将跟随系统总功率p
load
。
[0084]
低功率策略：当锂电池soc处于模糊子集l(低)且系统总负荷p
load
处于模糊子集vl(非常低)或l(低)时，燃料电池的输出功率p
fc
的模糊子集将为l(低) 或m(中等)。
[0085]
高功率策略：当锂电池soc处于模糊子集l(低)且系统总负荷p
load
处于模糊子集h(高)或m(中等)时，燃料电池的输出功率p
fc
将处于模糊子集h(高)。
[0086]
在matlab中，可以通过字符串形式或矩阵形式设置规则。其中，矩阵法将规则库构造成为一个m+n+2列的矩阵，每一行代表一条规则，前m列为输入量的模糊子集序列，之后n列为输出量的模糊子集序列，第m+n+1列为规则的权重，最后一列代表and或or关系。具体的规则库见表1。
[0087]
表1
[0088][0089]
该发明采用的模糊推理方法为mamdani模糊推理方法。它将模糊控制规则对应的模糊关系r表示为：
[0090][0091]
其中，n为规则的数量，该发明中n＝12；a
i
、b
i
、c
i
分别为第i条规则if a
i and b
i then c
i
的模糊子集。
[0092]
当已知输入量总功率p
load
的模糊子集为a
*
和锂电池soc的模糊子集为b
*
时，模糊输出量燃料电池的输出功率p
fc
的模糊量c
*
为：
[0093]
c
*
＝a
*
×
b
*
×
r
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0094]
s34：对模糊量c
*
进行反模糊化处理。通过模糊推理得到模糊控制量后，需要进行反模糊化处理来得到精确的控制量，才能在控制系统中发挥作用。本发明采用了重心法，它通过隶属度函数于坐标轴所围面积的重心对应的变量作为清晰化的控制量，即：
[0095][0096]
其中，u
*
为输出变量的清晰值；a、b分别为隶属度函数在反模糊化时输出变量的最小值和最大值；u和μ(u)分别为输出变量与其对应隶属函数。
[0097]
在matlab中可以设置反模糊方法为centroid来使用重心法。将设置好的模糊逻辑输出为.fis文件，并在simulink中的模糊逻辑控制器使用该模糊逻辑。此时，该控制器将按
照设置好的控制策略，根据总负荷和充电状态对各系统负荷进行分配。
[0098]
在步骤s4中，每隔半个小时计算建筑所需的总负荷，并将一天的负荷数据汇总之后，输入仿真系统。由图可知，早上8点，建筑所需负荷快速增加；下午3 点，所需负荷达到顶峰，之后逐渐下降；晚上7点，建筑所需负荷快速下降。
[0099]
仿真结果见图2，对实时负荷分配情况进行分析。凌晨4点，建筑所需总负荷为1089w，此时锂电池soc为65％，能源管理系统处于功率跟随策略，燃料电池功率随系统总功率的提升开始增加；早上10点，建筑所需总负荷为9934w，锂电池soc为64.98％，能源管理系统处于高功率策略，燃料电池功率继续增加，同时锂电池、超级电容也提供功率；晚上9点，建筑所需总负荷为3159w，锂电池soc 为63.85％，能源管理系统处于低功率策略，燃料电池功率开始减小，锂电池提供功率，超级电容处于充电状态。
[0100]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。