一种智能微电网分布式储能设备控制优化方法

摘要

本发明公开了一种智能微电网分布式储能设备控制优化方法，其包括：为智能微电网系统建立模型，获取该智能微电网系统的初始化参数；对于所述智能微电网系统模型，将各所述电池的参数统一为其中性能最差的电池的参数，设定该智能微电网系统模型的性能指标函数，以该性能指标函数计算所述智能微电网系统的各电池的统一控制策略；将所述智能微电网系统模型的各电池的参数依次还原为初始参数，每还原一个电池的参数，获得该电池的最优控制策略；根据所述性能指标函数再次计算所述智能微电网系统的各电池的统一控制策略。本发明能降低电网的峰谷载荷差值，提高电网的灵活性与兼容性，并降低用户的用电成本。

说明书

技术领域

本发明属于智能电网电能优化技术领域，具体涉及一种智能微电网分 布式储能设备控制优化方法。

背景技术

随着全球资源环境压力的不断增大，社会对环境保护、节能减排和可 持续性发展的要求日益提高。同时，电力市场化进程的不断推进以及用户 对电能可靠性和质量要求的不断提升，要求未来的电网必须能够提供更加 安全、可靠、清洁、优质的电力供应，能够适应多种能源类型发电方式的 需要，能够更加适应高度市场化的电力交易的需要，能够更加适应客户的 自主选择需要，进一步提高庞大的电网资产利用效率和效益，提供更加优 质的服务。因此，具有灵活、清洁、安全、经济、友好等性能的智能电网 是未来电网的发展方向。

储能技术在智能电网中具有重要意义，能够为电力系统调峰填谷，解 决供用电矛盾；保障系统稳定运行，提高系统的稳定性和安全性；作为用 户端辅助电源，提高用电质量和供电可靠性；优化可再生能源的配置利用， 促进可再生能源开发。

发明内容

(一)要解决的技术问题

本发明所要解决的技术问题是当前的电网峰谷载荷差值高使得用电 成本增加。

(二)技术方案

本发明提出了一种智能微电网分布式储能设备控制优化方法，基于智 能电网日常周期性用户负载数据与实时电价信息，采用多块电池作为储能 设备，利用基于线性二次型的分布式控制优化算法，构建智能微电网分布 式储能设备控制优化方法，实现多电池的分布式优化控制。

本发明提出的智能微电网分布式储能设备控制优化方法包括：

S1、为智能微电网系统建立模型，获取该智能微电网系统的初始化参 数；

S2、对于所述智能微电网系统模型，将各所述电池的参数统一为其中 性能最差的电池的参数，设定该智能微电网系统模型的性能指标函数，以 该性能指标函数计算所述智能微电网系统的各电池的统一控制策略；

S3、将所述智能微电网系统模型的各电池的参数依次还原为初始参数， 每还原一个电池的参数，获得该电池的最优控制策略；

S4、根据所述性能指标函数再次计算所述智能微电网系统的各电池的 统一控制策略。

根据本发明的具体实施方式，在步骤S1中，所述初始化参数包括实 时电价、用户负载、电池数量、各电池性能参数、收敛精度中的至少一种。

根据本发明的具体实施方式，在步骤S1中，所述收敛精度为1.0×10^-5。

根据本发明的具体实施方式，在步骤S1中，记x₁(t)表示电网供电功 率P_g(t)，x_2i(t)，i＝1，2，…N表示各电池归一化电量E_bi(t)-0.5，i＝1，2，…，N， u_i(t)，u＝1，2，…，N表示各电池充放电功率，其中N为电池数量，则所建立 的智能微电网系统的效用函数计算公式为：

$U(x\left(t\right),u\left(t\right))=m_1{[C\left(t\right)·x_1\left(t\right)]}^2+\underset{i=1}{\overset{N}{\Sigma }}[m_2{x}_{2i}^2\left(t\right)+\gamma {u_i}^2\left(t\right)],$

其中，m₁、m₂和γ为常数。

根据本发明的具体实施方式，在步骤S2中，采用基于线性二次型的 最优控制算法计算所述统一控制策略。

根据本发明的具体实施方式，步骤S2中，令 x(t)＝[x₁(t)，x₂₁(t)，x₂₂(t)，…，x_2N(t)]^T，u(t)＝[u₁(t)，u₂(t)，…，u_N(t)]^T，记J^*(x(t)) 表示最优性能指标函数，则根据贝尔曼最优性原则，可以得到如下离散时 间HJB方程

$J^{*}\left(x\left(t\right)\right)=\underset{u\left(t\right)}{\inf }\{U(x\left(t\right),u\left(t\right))+\alpha J^{*}\left(x(t+1)\right)\},$

其中，α表示折扣因子；

最优控制律可以表示为

$u^{*}\left(x\left(t\right)\right)=\arg \underset{u\left(t\right)}{\inf }\{U(x\left(t\right),u\left(t\right))+\alpha J^{*}\left(x(t+1)\right)\},$

令J(x(t))表示迭代性能指标函数，则最优控制算法依据下式进行迭代：

J(x(t))＝U(x(t)，u(t))+αJ(x(t+1))。

根据本发明的具体实施方式，在步骤S4中，采用基于线性二次型的 最优控制算法进行循环优化，直到性能指标函数满足收敛精度。

根据本发明的具体实施方式，步骤S4还包括计算各时刻电网供电功 率以及各电池的电量变化，进而根据相应的结果以及实时电价计算用户的 成本。

(三)有益效果

本发明基于智能电网中日常周期性用户负载数据与实时电价信息，构 建一种智能微电网分布式储能设备控制优化方法，采用基于线性二次型的 分布式控制优化算法，确定多电池的分布式优化控制策略，降低电网的峰 谷载荷差值，提高电网的灵活性与兼容性，并降低用户的用电成本。

附图说明

图1是本发明中智能微电网系统的结构示意图；

图2是本发明中一种智能微电网分布式储能设备控制优化方法的流程 图。

具体实施方式

在智能用电管理控制中，为了有效地平衡电网负荷、降低负荷峰谷差， 本发明以电网供电作为电能来源，以多块电池作为储能设备，根据输入的 分时电价、电池的初始容量以及负载的变化信息，利用基于线性二次型的 分布式控制优化算法，确定各电池的优化控制策略，以促进电网负载均衡， 降低用户的经济成本，适应新时代的智能电网发展。

为了更清楚地说明本发明的目的、技术方案和优点，以下结合具体实 施例，并参照附图，对本发明作进一步的详细说明。

图1是本发明中智能微电网系统结构示意图。如图1所示，智能微电 网系统由电网、用户负载、多电池系统(包括多块电池以及相应的转换器) 以及功率管理单元(控制器)组成。电池通过转换器与功率管理单元相连。

在该智能微电网系统中，各电池采取不同的控制策略满足用户负载的 需求。电池运行具有三种模式。1、充电模式：当用户负载较低且电价较 低时，电网直接满足用户负载需求，并同时对电池进行充电。2、挂起模 式：电网在某些时刻直接满足用户负载需求，而电池能量保持恒定。3、 放电模式：当用户负载较高且电价较高时，电池满足用户负载需求。

需要说明的是，该图1只是示意性的简图，实际的智能微电网以及用 户微电网系统还包括其他组成部分，但其皆为本领域的技术人员熟知，并 且不影响本发明的控制方法，因此在此不加赘述。

图2表示本发明提出的一种智能微电网分布式储能设备控制优化方法 的流程图。如图2所示，该方法包括依次执行的如下步骤：

S1、为智能微电网系统建立模型，获取该智能微电网系统的初始化参 数，所述智能微电网系统包括多个分布式的电池；

S2、对于所述智能微电网系统模型，将各所述电池的参数统一为其中 性能最差的电池的参数，设定该智能微电网系统模型的性能指标函数，以 该性能指标函数计算所述智能微电网系统的各电池的统一控制策略；

S3、将所述智能微电网系统模型的各电池的参数依次还原为初始参数， 每还原一个电池的参数，获得该电池的最优控制策略；

S4、根据所述性能指标函数再次计算所述智能微电网系统的各电池的 统一控制策略。

下面分别介绍上述各个步骤。

S1、为智能微电网系统建立模型，获取该智能微电网系统的初始化参 数。

本发明的智能微电网分布式储能设备控制优化方法基于线性二次型 的最优控制算法进行构建，建立智能微电网系统的数学模型，根据分布式 控制算法调整优化微电网用户端多块电池的充放电控制策略。

根据本发明的一种实施方式，对于任意时间t，记C(t)为所述智能微 电网系统的电价，x₁(t)表示供电功率P_g(t)，P_L(t)为用户负载， x_2i(t)，i＝1，2，…N表示该系统中各分布式储能设备(电池)的电量 E_bi(t)-0.5，i＝1，2，…，N，u_i(t)，u＝1，2，…，N表示各分布式储能设备的充放电 功率，η_i，i＝1，2，…，N为各分布式储能设备的充放电的效率，其中N为分布 式储能设备的数量。

则智能微电网系统函数可以写成

x₀(t+1)＝F(x₀(t)，u(t))，

其中，x₀(t)＝[x₁(t)，x₂₁(t)，x₂₂(t)，…，x_2N(t)]^T，

u(t)＝[u₁(t)，u₂(t)，…，u_N(t)]^T

$F(x_0\left(t\right),u\left(t\right))=\left(\begin{array}{c}{P}_L\left(t\right)-u_1\left(t\right)-u_2\left(t\right)-...-u_N\left(t\right)\\ x_{21}\left(t\right)-{\eta }_1·u_1\left(t\right)\\ x_{22}\left(t\right)-{\eta }_2·u_2\left(t\right)\\ ...\\ x_{2N}\left(t\right)-{\eta }_N·u_N\left(t\right)\end{array}\right)$

令$C_0=\left(\begin{array}{c}1\\ 0\\ 0\\ .\\ .\\ .\\ 0\end{array}\right),$

则智能微电网系统函数可进一步表示为

x₀(t+1)＝A₀·x₀(t)+B₀·u(t)+C₀·P_L(t)

为了计算方便，引入x₃(t)表示用户负载项P_L(t)。

记x(t)＝[x₁(t)，x₂₁(t)，x₂₂(t)，…，x_2N(t)，x₃(t)]^T，

其中l(t)＝P_L(t+1)/P_L(t)，则系统函数转化为

x(t+1)＝A·x(t)+B·u(t)

接下来，定义效用函数如下：

$U[x\left(t\right),u\left(t\right)]=m_1{[C\left(t\right)·x_1\left(t\right)]}^2+\underset{i=1}{\overset{N}{\Sigma }}[m_2{x}_{2i}^2\left(t\right)+\gamma {u_i}^2\left(t\right)],$其中，m₁、m₂和γ 为常数。

效用函数的物理意义为t时刻用电花费、各分布式储能设备电量变化 功率以及充放电功率的消耗总和。

令

则效用函数可以写成u[x(t)，u(t)]＝x^T(t)Q(t)x(t)+u^T(t)Ru(t)。

本发明的智能微电网系统以电网供电作为电能来源，以多块电池作为 储能设备，根据输入的实时电价、电池的初始容量以及负载的变化信息， 利用线性二次型最优控制算法确定各电池的优化控制策略，促进电网负载 均衡，降低用户的经济成本。

根据线性二次型最优控制算法以及智能微电网的需求，智能微电网分 布式储能设备控制优化方法的初始阶段需要进行参数的初始化工作，为算 法运行做好基础数据储备工作。

算法的参数初始化工作包括实时电价、用户负载、电池数量、各电池 性能参数、收敛精度等。

实时电价：采用峰谷定价策略，即用电高峰时段用电价格高，用电低 谷时段用电价格低，以鼓励用户避开高峰用电时段。实时电价信息数据参 考我国部分地区的实时电价数据获得，电价每小时改变一次，并对电价数 据进行归一化处理。所述收敛精度可为1.0×10^-5。

微电网用户负载：参照供电部门采集积累的微电网用户历史用电数据， 进行分析处理获得小区楼房某一时间段内普通住宅的用户负载数据，并对 负载数据进行归一化处理，便于控制算法使用。

参数初始化：在算法开始阶段需要对算法进行电池参数初始化、迭代 次数初始化以及收敛精度初始化工作。

在实际应用过程中，实时电价信息可以通过电力部门发布的实时数据 获得，用户负载的历史数据积累可以用来对每个时间段的智能微电网分布 式储能设备控制优化方法进行重新运算规划调整，使之更加贴近当前实际 情况，算法会自动进行调整优化。因此，本发明的方法中实时电价以及微 电网用户负载数据接近实际情况即可。

S2、对于所述智能微电网系统模型，将各电池的参数统一为其中性能 最差的电池的参数，设定智能微电网系统模型的性能指标函数，以该性能 指标函数计算所述智能微电网系统的各电池的统一控制策略。

统一控制策略即各电池的控制策略相同。

该步骤即为最坏情况优化。具体来说，选取性能最差的电池，并将其 他电池的参数统一为与其参数相同，并且定义该电池为电池ρ，此时系统 状态及电池控制改变为

记x(t)＝[x₁(t)，x_2ρ(t)，x_2ρ(t)，…，x_2ρ(t)]^T，

u(t)＝[u_ρ(t)，u_ρ(t)，…，u_ρ(t)]^T，

此时，

则智能微电微系统模型函数为x(t+1)＝A·x(t)+B·u(t)。

记J^*(x(t))表示最优性能指标函数，根据贝尔曼最优性原则，可以得 到如下离散时间HJB方程

$J^{*}\left(x\left(t\right)\right)=\underset{u\left(t\right)}{\inf }\{U(x\left(t\right),u\left(t\right))+\alpha J^{*}\left(x(t+1)\right)\}$

其中，α表示折扣因子。

最优控制律可以表示为

$u^{*}\left(x\left(t\right)\right)=\arg \underset{u\left(t\right)}{\inf }\{U(x\left(t\right),u\left(t\right))+\alpha J^{*}\left(x(t+1)\right)\}$

令J(x(t))表示迭代性能指标函数，则最优控制算法依据下式进行迭代：

J(x(t))＝U(x(t)，u(t))+αJ(x(t+1))

记迭代性能指标函数为J(x(t))＝Vⁱ(x(t))＝x^T(t)P_ix(t)，其中i表示迭代 指数，则

Vⁱ⁺¹(x(t))＝U(x(t)，u(t))+αVⁱ(x(t+1))

根据线性二次型最小值原理，令

可以得到最优控制律为u(t)＝-α(R+αB^TP_iB)^-1B^TP_iAx(t)。

记K_i＝-α(R+αB^TP_iB)^-1B^TP_iA，则u(t)＝K_ix(t)

进而将Vⁱ⁺¹(x(t))＝U(x(t)，u(t))+αVⁱ(x(t+1))化为

x^TP_i+1x＝x^TQx+(K_ix)^TR(K_ix)+α(Ax+B(K_ix))^TP_i(Ax+B(K_ix))

即P_i+1＝Q+K_i^TRK_i+α(A+BK_i)^TP_i(A+BK_i)

最坏情况优化中，利用上式进行迭代，直至P_i收敛，即性能指标函数 满足收敛精度，迭代结束。

S3、将所述智能微电网系统模型的各电池的参数依次还原为初始参数， 每还原一个电池的参数，获得该电池的最优控制策略。

最坏情况优化结束后，开始进行逐次优化，即依次改变各电池性能参 数，直至还原成初始的智能微电网系统。优化算法依然采用基于线性二次 型的最优控制算法。每次优化过程只改变一块电池的性能参数，同时只获 得该电池的最优控制策略。

下面以还原第1块电池为例进行说明。

还原第1块电池后，只调节该电池的控制律，其他电池的控制律保持 不变。

$\left(\begin{array}{c}x(t+1)=A·x\left(t\right)+B·u\left(t\right)\\ =\mathrm{Ax}\left(t\right)+B\left(\begin{array}{c}0\\ u_2\left(t\right)\\ .\\ .\\ .\\ u_N\left(t\right)\end{array}\right)+B\left(\begin{array}{c}{u}_1\left(t\right)\\ 0\\ .\\ .\\ .\\ 0\end{array}\right)\\ =\mathrm{Ax}\left(t\right)+B{K}^{\text{'}}x\left(t\right)+B^{\text{'}}{u}_1\left(t\right)\\ =(A+B{K}^{\text{'}})x\left(t\right)+B^{\text{'}}{u}_1\left(t\right)\end{array}\right)$

其中，记最坏情况优化中$K=\left(\begin{array}{c}{K}_1\\ K_2\\ .\\ .\\ .\\ K_N\end{array}\right),$则$K^{\text{'}}=\left(\begin{array}{c}0\\ K_2\\ .\\ .\\ .\\ K_N\end{array}\right),$B′为矩阵B的第 一列构成的矩阵。

类似地，性能指标函数可以写成

Vⁱ⁺¹(x)＝x^TP_i+1x＝x^TQx+u₁^TRu₁+α[(A+BK′)x+B′u₁]^TP_i[(A+BK′)x+B′u₁]

根据线性二次型最小值原理，令

贝最优控制u₁＝-α(R+αB′^TP_iB′)^-1B′^TP_i(A+BK′)x

记K₁′＝-α(R+αB′^TP_iB′)^-1B′^TP_i(A+BK′)

则u₁＝K₁′x，从而更新$K_i=\left(\begin{array}{c}{K_1}^{\text{'}}\\ K_2\\ .\\ .\\ .\\ K_N\end{array}\right).$

进而仍根据P_i+1＝Q+K_i^TRK_i+α(A+BK_i)^TP_i(A+BK_i)进行迭代，直至 P_i收敛，即性能指标函数满足收敛精度，迭代结束。

接下来，对其他电池进行相同的处理，直至将所有电池还原成初始状 态，从而逐次优化过程结束。

S4、再次根据所述性能指标函数计算所述智能微电网系统的各电池的 统一控制策略。

与步骤S2类似，所有电池还原为初始参数后，再次采用基于线性二 次型的最优控制算法进行循环优化。

如果性能指标函数满足收敛精度，则结束循环优化，并可根据最优性 能指标函数获得各电池的最优统一控制策略，并计算用电成本；如果性能 指标函数未满足收敛精度，则继续进行循环优化。

在步骤S4的基础上，根据最优性能指标函数，得到各电池的最优控 制策略，实现各电池的分布式优化控制，进而计算各时刻电网供电功率以 及各电池的电量变化，并根据相应的结果以及实时电价计算用户的成本。

可见，本发明通过不断寻找最优的电池控制策略并保存用户成本最小 时性能指标函数对应的矩阵P_i，直到迭代结束。

本发明采用基于线性二次型的最优控制算法，最大的优点是实现稳定、 准确、快速的最优控制。采用线性系统模拟实际智能微电网，克服了理论 模型与实际应用之间的矛盾，获取各电池最优的控制策略，具有较好的分 布式控制效果。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行 了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已， 并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、 等同替换、改进等，均应包含在本发明的保护范围之内。