并网型退役动力电池储能系统优化控制方法

本发明涉及一种电池储能系统控制，是一种并网型退役动力电池储能系统优化控制方法。

背景技术：

1、目前为解决新能源发电和电力负荷波动对电力系统的挑战，建设储能电站参与电力系统优化调度成为必然选择，退役动力电池储能系统由于其以较低的投资成本就能提供较高能量密度，使基于退役动力电池的梯次利用的低成本储能设施成为研究热点。然而，由于退役动力电池的状态可能发生非线性变化，所以传统储能系统控制策略无法直接应用于退役动力电池储能系统，难以确保其梯次利用时的安全。因此对退役动力电池储能系统控制策略进行研究具有重要意义。

2、现有退役动力电池储能系统为一种基于模块化多电平复合变换器的电池储能系统(modular multilevel hybrid converter-battery energy storage system，mmhc-bess)，可以精准地控制单个包含了电池组的子模块投切状态，实现对不同状态退役动力电池组的精准控制，可以作为退役动力电池储能系统的拓扑结构，但其无法实现多目标下的系统控制；现有退役动力电池储能系统控制策略包括：(1)一种能够适用于高压的模块化多电平换流器技术(modular multi-level converter，mmc)的多目标控制策略，其中包含了电池组的子模块控制没有进行考虑，无法直接应用于mmhc-bess系统中；(2)mmc离散化数学模型和模型预测控制(model predictive control，mpc)策略，实现了可以应用于电池储能系统的多目标控制，但未考虑相内环流的抑制；(3)一种mpc优化控制策略，能够实现功率跟踪，抑制电网电压不平衡时的功率波动及负序电流，但其未考虑电池组荷电状态(state ofcharge，soc)跟踪，也未考虑到由于电池老化使电池组soc值非线性变化导致的电池组状态估计困难的问题。

技术实现思路

1、本发明提供了一种并网型退役动力电池储能系统优化控制方法，克服了上述现有技术之不足，其能有效解决现有并网型退役动力电池储能系统的优化控制方法存在的对控制对象的模型依赖强，不能进行电池组荷电状态soc跟踪的问题。

2、本发明的技术方案是通过以下措施来实现的：一种并网型退役动力电池储能系统优化控制方法，包括：

3、采集当前时刻下并网型退役动力电池储能系统的电压电流测量值，其中，当前时刻下并网型退役动力电池储能系统的电压电流测量值包括：当前时刻α轴和β轴的并网电流测量值、当前时刻的并网电流测量值、当前时刻α轴和β轴的电网电压测量值、当前时刻的电网电压测量值、当前时刻α轴和β轴的单相子模块的总输出电压测量值、当前时刻单相子模块的总输出电压测量值；

4、基于当前时刻下并网型退役动力电池储能系统的电压电流测量值，结合lstm-mpc控制策略得到下一时刻每个单相子模块的占空比，其中lstm-mpc控制策略包括基于离散化数学模型的电压电流预测策略、基于lstm网络模型的soc预测策略和基于成本函数的电流电压指令优化策略；

5、将每个单相子模块的占空比导入载波移相调制算法中生成单相子模块开关信号；

6、在设置的调度周期内循环上述步骤进行迭代，完成反馈校正进行最优控制。

7、下面是对上述发明技术方案的进一步优化或/和改进：

8、上述基于当前时刻下并网型退役动力电池储能系统的电压电流测量值，结合lstm-mpc控制策略得到下一时刻每个单相子模块的占空比，包括：

9、基于当前时刻下并网型退役动力电池储能系统的电压电流测量值，利用lstm网络模型和离散化数学模型得到下一时刻并网变换器不同开关状态下每个单相子模块的soc预测值、输出电压预测值、并网电流预测值和输出功率预测值；

10、在电网电压平衡和电网电压不平衡两种情况下，均以成本函数最小作为优化控制目标，选择成本函数值最小的变换器开关状态作为下一时刻的输入状态，基于最优并网指令获取模型获取下一时刻α轴和β轴的最优并网电流指令、下一时刻α轴和β轴的最优输出电压指令；

11、将下一时刻α轴和β轴的最优并网电流指令及下一时刻α轴和β轴的最优输出电压指令经坐标变换后计算每个单相子模块的占空比，其中占空比为下一时刻的最优输出电压指令与下一时刻的单相子模块的总输出电压预测值之比。

12、上述基于当前时刻下并网型退役动力电池储能系统的电压电流测量值，利用lstm网络模型和离散化数学模型得到下一时刻并网变换器不同开关状态下每个单相子模块的soc预测值、输出电压预测值、并网电流预测值和输出功率预测值，包括：

13、将当前时刻下并网型退役动力电池储能系统的电压电流测量值输入离散化数学模型集合，遍历离散化数学模型集合中所有不同开关状态下的离散化数学模型，获得下一时刻并网变换器不同开关状态下的每个单相子模块的输出电压预测值和并网电流预测值，并计算下一时刻并网变换器不同开关状态下的每个单相子模块的输出功率预测值，其中离散化数学模型包括：

14、并网电流预测模型：

15、

16、其中，iα(k+1)和iβ(k+1)分别为k+1时刻α轴和β轴的并网电流预测值；ig(k+1)为k+1时刻的并网电流预测值；uα(k)和uβ(k)分别为k时刻α轴和β轴的电网电压测量值；uj(k)为k时刻的电网电压测量值；ubat,α(k)和ubat,β(k)分别为k时刻α轴和β轴的单相子模块的总输出电压测量值；ubat,j(k)为k时刻单相子模块的总输出电压测量值；iα(k)和iβ(k)分别为k时刻α轴和β轴的并网电流测量值；

17、单相子模块的输出电压预测模型：

18、

19、其中，ubat,j(k+1)为k+1时刻单相子模块的输出电压预测值；

20、将每个单相子模块的输出电压预测值和并网电流预测值输入lstm网络模型，得到下一时刻并网变换器不同开关状态下的每个单相子模块的soc预测值，其中lstm网络模型通过若干样本对lstm神经网络进行训练获得，样本为退役动力电池的充放电电压电流数据。

21、上述在电网电压平衡时，以成本函数最小作为优化控制目标，选择成本函数值最小的变换器开关状态作为下一时刻的输入状态，基于最优并网指令获取模型获取下一时刻α轴和β轴的最优并网电流指令、下一时刻α轴和β轴的最优输出电压指令，其中成本函数和对应的最优并网指令获取模型如下所示：

22、成本函数：

23、

24、其中，pref、p(k+1)分别为给定参考有功功率、k+1时刻的有功功率预测值；qref、q(k+1)分别为给定的参考无功功率、k+1时刻的无功功率预测值；ssoc(k+1)分别为给定的参考soc值、k+1时刻soc预测值；

25、最优并网指令获取模型包括：

26、最优并网电流指令获取模型：

27、

28、

29、其中，和分别为k+1时刻α轴和β轴的并网最优电流指令；p*(k+1)为给k+1时刻的最优有功功率预测值；q*(k+1)为k+1时刻的最优无功功率预测值；uα(k)和uβ(k)分别为k时刻α轴和β轴的电网电压测量值；

30、最优输出电压指令获取模型：

31、

32、其中，和分别为k+1时刻α轴和β轴的最优输出电压指令；和分别为k+1时刻α轴和β轴的并网最优电流指令；p*(k+1)为给k+1时刻的最优有功功率预测值；q*(k+1)为k+1时刻的最优无功功率预测值；uα(k)和uβ(k)分别为k时刻α轴和β轴的电网电压测量值；ts为采样周期。

33、上述在电网电压不平衡时，以成本函数最小作为优化控制目标，选择成本函数值最小的变换器开关状态作为下一时刻的输入状态，基于最优并网指令获取模型获取下一时刻α轴和β轴的最优并网电流指令、下一时刻α轴和β轴的最优输出电压指令，其中成本函数和对应的最优并网指令获取模型如下所示：

34、成本函数如下所示：

35、

36、其中，iα-(k+1)、iβ-(k+1)分别为k+1时刻并网电流预测值在α轴和β轴上的负序分量；λi、λp、λq、λsoc分别为负序电流抑制、有功功率恒定运行、无功功率恒定运行和soc恒定运行，四个控制目标在成本函数中的权重之和等于1；

37、最优并网指令获取模型包括：

38、最优并网电流指令获取模型：

39、

40、其中，为k+1时刻α、β轴上的电流指令预测值；iα负(k+1)、iβ负(k+1)为k+1时刻电流平衡运行目标下α、β轴上的电流指令预测值；iαp(k+1)、iβp(k+1)为k+1时刻有功功率恒定运行目标下α、β轴上的电流指令预测值；iαq(k+1)、iβq(k+1)为k+1时刻无功功率恒定运行目标下α、β轴上的电流指令预测值；

41、最优输出电压指令获取模型：

42、

43、其中，和分别为k+1时刻α轴和β轴的最优输出电压指令；和分别为k+1时刻α轴和β轴的并网最优电流指令；p*(k+1)为给k+1时刻的最优有功功率预测值；q*(k+1)为k+1时刻的最优无功功率预测值；uα(k)和uβ(k)分别为k时刻α轴和β轴的电网电压测量值；ts为采样周期。

44、本发明基于退役动力电池储能系统拓扑结构，将lstm神经网络(长短期记忆神经网络)、模型预测控制mpc和占空比调制相结合，公开了一种能够实现功率跟踪和soc跟踪的并网型退役动力电池储能系统优化控制方法。通过退役动力电池储能系统离散数学模型结合成本函数得出最优输出电压，结合载波移相调制算法，控制对应单相子模块的开通与关断。在针对成本函数构建中由于电池老化，传统安时积分法无法实现soc非线性变化状态下的高精度估计的问题的基础上，基于实时采集的电压电流测量值通过lstm网络模型和离散化数学模型预测出下一时刻并网变换器不同开关状态下的各相的soc预测值、输出电压预测值、并网电流预测值和输出功率预测值，将lstm、mpc和占空比调制相结合，针对电网电压平衡情况实现对于电池组荷电状态soc的跟踪和功率跟踪，针对电网电压不平衡情况，考虑系统三相不平衡运行特性对负序电流和功率波动进行抑制，准确获取下一时刻α轴和β轴的最优并网电流指令、下一时刻α轴和β轴的最优输出电压指令，为得到单相子模块开关信号提供准确的数据支持。