基于贝叶斯方法的微电网系统状态估计与优化控制研究

摘要

微电网技术是未来智能电网改革和转型的关键支撑技术，是分布式清洁能源接入电力系统乃至整个能源系统的核心技术手段，也是实现智能电网安全、清洁、经济、高效、灵活以及可靠供电的重要保障。相对于传统集中式电力系统，微电网系统具有诸多优点，如传输损耗低、发电与安装灵活、供电可靠安全等。但是，由于微电网系统内部发电和负载受环境因素影响，具有随机性、波动性以及间歇性等特点，如何在维持微电网能源和负荷不确定性平衡关系的基础上，控制和优化微电网内部功率流是保障微电网安全经济运行的核心问题之一。解决这一问题的关键是在微电网系统内使用储能系统，这不仅可以有效缓解分布式能源发电与负载不平衡对微电网系统的负面影响，还有助于微电网系统的能量优化调度和提高系统供电可靠性。锂离子电池相较于其他类型的储能形式，具有高能量密度和功率密度、低自放电率以及长循环寿命的优点，在储能系统中的应用越来越普遍。然而，锂离子电池具有强非线性、状态耦合、环境敏感以及寿命衰减等复杂特性，且实际运行工况中存在测量不精确等多种干扰，如何在复杂运行工况下，准确描述储能系统的动态行为和老化行为特征，实时、准确及鲁棒地监测储能电池运行状态和评估其老化程度，并在此基础上对微电网系统能量进行优化管理，对保障微电网系统安全、经济、可靠及持久运行具有重要价值，并对微电网技术的发展和推广具有积极的推进作用。
　　为了提高微电网系统内部储能信息获取与运行状态感知的准确性、鲁棒性，必须针对包含强非线性、状态耦合、环境敏感以及寿命衰减等复杂特性的非线性时变系统，建立其动态行为描述机制以及模型参数和系统状态在线估计的方法基础。为实现基于不确定信息与不确定优化模型的微电网能量优化控制，还必须依据储能系统负载能力的状态评估和微电网系统约束，建立优化目标函数不确定时，基于数据驱动方式的智能化能量优化策略。本文借鉴贝叶斯方法在非线性系统参数估计与优化方面的优势，同时引入基于神经网络和随机过程建模的相关理论和方法，建立了储能系统实时动态行为和老化行为的描述模型;结合贝叶斯估计方法，提出了储能系统状态在线估计、模型参数在线校正、健康评估与寿命预测的方法。基于储能系统的运行状态参数监控与分布式微源和负荷发电预测结果，结合贝叶斯优化方法，提出了微电网系统数据驱动的能量优化策略。
　　本文的主要工作及创新点如下:
　　1)针对储能系统非线性参数估计问题，利用分段线性化与神经网络工具处理了其非线性特性，建立了磁滞非线性的描述模型，提出了一种在线模型参数与系统状态估计的方法;针对储能系统动态行为描述模型的阶次确定问题，结合子空间参数辨识方法与粒子滤波算法，提出了一种模型阶次在线自适应确定的方法。针对包含状态和参数约束的非线性慢时变系统在线模型参数辨识和状态估计问题，基于贝叶斯估计方法，设计了约束对偶贝叶斯估计器，为复杂工况环境下储能系统的运行参数和状态准确监控提供了理论基础。
　　2)针对储能系统的瞬时功率准确预测问题，基于电池在线荷电状态与参数估计结果，提出了基于荷电状态约束、端电压约束的瞬时功率预测方法，并结合实验统计数据，分析了各类约束的影响机制，为保护电池和微电网系统的优化运行控制提供了重要的参数依据。
　　3)针对储能电池的老化行为描述问题，建立了基于布朗运动的老化动态行为描述模型，基于此模型构造了健康状态估计和剩余使用寿命预测的数学描述，并结合极大似然估计和粒子滤波算法，给出了模型参数辨识和状态估计的方法，提出了估计值和预测值的不确定性量化评估方法。最后，利用不同电池老化测试集和老化阈值验证了模型和算法的准确性与鲁棒性。
　　4)针对串联电池组内单体不一致性对储能电池组状态估计的负面影响，首先基于双时间尺度对偶滤波器，设计了电池组内最大最小荷电状态监控的方案，并基于电池组荷电状态上下确界，给出了储能电池组峰值功率的计算方法。为了缓解和消除串联电池组内单体不一致性，提出了一种基于双层并行均衡拓扑和开路电压估计的均衡控制方法。仿真实验结果表明，开路电压估计方法无需预知单体电池容量与内阻，并且均衡控制方法可以有效缓解电池内部的不一致性，提高充放电可用容量。
　　5)针对基于数据驱动方式的微电网经济利润最大能量调度问题，借鉴贝叶斯优化理论，提出了一种无目标函数解析表达的能量优化策略，首先，利用高斯过程回归与输入输出数据近似目标函数，然后利用贝叶斯学习法则求取该高斯过程的极值，进而制定使微电网利润最大化的优化决策。实验结果表明，该方法可以适应于微电网系统参数变化引起的目标函数变化。