本发明涉及混合储能系统的，尤其涉及一种基于模型预测控制的混合储能系统控制延时补偿方法。
背景技术：
1、为了减少温室气体的排放，实现可持续发展，可再生能源被越来越多的选为能源供应以部分取代传统的化石燃料。例如许多微电网中都采用了风能、太阳能等，尤其是在可再生能源丰富的偏远地区。但是，可再生能源的波动很大，例如光伏发电受到光照、温度和气候等环境因素的影响，如果不加以控制，这会导致微电网的母线电压产生较大的波动，严重损害微电网的供电质量。所以，通常将光伏发电和由多个能源存储系统组成的混合储能系统结合起来使用，再选用控制策略，以解决此问题。
2、各种各样的控制策略已经应用在了混合储能系统中，比如，神经网络、下垂控制、模型预测控制和模糊逻辑控制等。近年来随着微处理器计算能力的提升，模型预测控制在微电网中得到了广泛的应用，通过设定合适的目标函数和约束条件，求解出最优的控制信号并作用于混合储能系统,使其表现符合预期。但模型预测控制由于计算量大而引起的时滞会大大降低系统的控制性能。
3、例如申请号为202310462415.x的发明专利公开了一种基于一致性的综合能源系统低碳经济调度方法，包括以下步骤：步骤1、建立通信关系拓扑图；步骤2、基于通信关系拓扑图，采用一致性算法建立每个智能体节点的状态信息方程；步骤3、建立每个智能体的目标函数，并建立供需平衡约束方程；步骤4、利用拉格朗日乘子法结合步骤3得到供需平衡约束方程，对步骤3建立的目标函数进行求解，得到每个智能体供电、供热、供气的最优输出功率；步骤5、基于步骤4计算结果控制调节每个智能体供电、供热、供气的当前输出功率。本发明将碳交易机制应用于综合能源系统的分布式调度问题中，达到在经济最优时碳排放量最少的效果，使经济性和环保性提升到最好。但是，该算法较为简单，在数据量较大的情况想容易出现时滞情况。
技术实现思路
1、针对现有模型计算量较大的技术问题，本发明提出一种基于模型预测控制的混合储能系统控制方法，通过对传统的模型预测控制进行改进，补偿了延时问题。
2、为了达到上述目的，本发明的技术方案是这样实现的：一种基于模型预测控制的混合储能系统控制延时补偿方法，步骤包括：
3、s1：构建双层模型，在第一层模型的预测控制中基于电路建立功率环的状态空间方程，根据基尔霍夫定律确定状态空间方程中各系数的值，得到输出电压；
4、s2：利用输出电压，基于状态空间方程利用拉格朗日乘子法求出约束条件下目标函数的最优解的功率；
5、s3：利用约束条件下目标函数的最优解的功率减去光伏部分的功率，得到储能系统模型需要提供的功率，并将需要提供的功率分配给超级电容和电池，得到超级电容参考的电流iref,sc和电池的参考电流iref,b；
6、s4：在第二层模型的预测控制中，分别建立电池和超级电容的状态空间方程，并确定电池和超级电容的状态空间方程中各系数的值；
7、s5：利用得到的超级电容参考的电流iref,sc和电池的参考电流iref,b，通过拉格朗日乘子法将输出变量和约束条件结合起来求出电池和超级电容的状态空间方程满足约束条件的最优解，得到电池电路和超级电容电路的占空比，进而维持直流微电网母线电压的稳定。
8、步骤s1所述根据基尔霍夫定律确定状态空间方程中各系数的值的方法为：
9、功率环的状态空间方程为：
10、
11、其中，k为时间，a、b、c分别是电路当前时刻状态变量、电路控制量的变化量和电路下一时刻状态变量的系数矩阵，δs(k)为电路占空比，x(k)、x(k+1)分别是电路当前时刻和下一时刻的状态变量，y(k+1)是超级电容在下一时刻的输出变量；
12、根据基尔霍夫电压定律和基尔霍夫电流定律确定功率环的状态空间方程中各系数的值。
13、所述电路包括电池电路、电容电路、光伏电路和阻性负载，电池电路、电容电路、光伏电路均通过转换器与直流母线相连接，阻性负载与直流母线相连接，阻性负载两端电压为输出电压v。
14、步骤s2所述求出约束条件下目标函数的最优解的功率的方法为：
15、s21：建立功率环的目标函数，确定目标函数的形式和控制量变化部分在目标函数中的权重；
16、建立功率环的目标函数jo为：
17、
18、其中，vref为设定的参考电压，yo为实际的输出电压，δuo是控制量的变化量，r是单位矩阵和权重相乘的结果，为控制量的变化量的转置；
19、s22：根据参考功率和输出电压，确定功率环各变量相应的约束条件；
20、负载所需的功率由光伏部分和储能系统提供，则约束条件为：
21、pref+ppv＝pload；
22、其中，pref是功率环所得的参考功率，ppv是光伏部分的功率，pload是为负载提供的功率；
23、s23：将目标函数转换为二次规划的形式，得到满足约束条件的功率环功率；
24、目标函数的二次规划形式为：
25、
26、通过拉格朗日乘子法，利用拉格朗日乘子λ将目标函数和不等式约束条件结合起来，并计算约束条件下目标函数的最优解：
27、
28、m为约束条件矩阵，目标函数的约束条件为：
29、mx-γ≤0；
30、首先，求解目标函数的最优解，并将目标函数的最优解代入约束条件检验目标函数的最优解是否符合约束条件；若符合，则目标函数的最优解为约束条件下目标函数的最优解；若不符合，则需要重新求解满足所有约束条件的目标函数的最优解，得到约束条件下的最优解，经过迭代得到满足约束条件的最优解时对应的拉格朗日乘子λ的值。
31、步骤s3所述储能系统模型为：
32、储能系统模型为等效电路模型，储能系统模型包括并联连接的超级电容电路与电池电路；其中，电池电路包括电池、电感lb、变流器sw1、sw2、电容chess和电阻r，电池的正极与电感lb的一端相连接，电池的负极与变流器sw2的一端相连接，变流器sw2的另一端和电感lb的另一端均与变流器sw1的一端相连接，变流器sw1的另一端与电容chess的一端相连接，开关s2的另一端与电容chess的另一端相连接，电阻r与电容chess并联连接，电容chess的一端和另一端均与超级电容电路相连接；超级电容电路包括超级电容c、电感lsc、变流器sw3和sw4；超级电容c的一端与电感lsc的一端相连接，超级电容c的另一端与变流器sw4的一端相连接，电感lsc的另一端与变流器sw4的另一端相连接；电感lsc的另一端和变流器sw4的另一端均与变流器sw3的一端相连接，变流器sw3的另一端与电容chess的一端相连接，变流器sw4的一端与电容chess的另一端相连接。
33、步骤s3将功率分配给超级电容和电池的方法为：
34、将功率环的功率减去光伏部分的功率，得到储能系统的功率，通过低通滤波器将功率分为高频部分和低频部分，高频部分的功率则由超级电容来提供，低频部分的功率则由电池提供；
35、超级电容和电池的电流计算公式为：
36、
37、vb是电池两端的电压，io是流过负载的电流，pb为电池分配功率，phess为超级电容的分配功率，电池和超级电容各自分配的功率除以两端的电压分别得到超级电容参考的电流iref,sc和电池的参考电流iref,b。
38、步骤s4所述建立电池和超级电容的状态空间方程的方法为：
39、将超级电容c的电流isc、超级电容c的电压vsc、电池的电压vb和电池的电流ib变化量作为状态变量x，y是输出变量，k，k+1表示时间；
40、超级电容的状态空间方程如下：
41、
42、其中，xsc(k)、xsc(k+1)是超级电容当前时刻和下一时刻的状态变量，asc、bsc、csc分别是超级电容当前时刻状态变量、超级电容控制量的变化量和超级电容下一时刻状态变量的系数矩阵，δssc(k)超级电容的占空比变化量、ysc(k+1)是超级电容在下一时刻的输出变量；
43、电池的状态空间方程如下：
44、
45、其中，xb(k)、xb(k+1)是电池当前时刻和下一时刻的状态变量，ab、bb、cb分别是电池当前时刻状态变量、电池控制量的变化量和电池下一时刻状态变量的系数矩阵，δsb(k)为电池的占空比变化量、yb(k+1)为电池在下一时刻的输出变量；
46、根据基尔霍夫定律确定电池的状态空间方程和超级电容的状态空间方程中各参数的表达式：
47、
48、其中rl是电感的内阻，lsc、csc是超级电容电路部分的电感和电容，s2是占空比，ts是采样时间；
49、经过滚动优化对任意时刻的输出由状态变量和控制变量进行表达：
50、
51、步骤s5所述得到电池电路和超级电容电路的占空比的方法为：
52、s51：电池和超级电容的状态空间方程确定后，确定对应目标函数的形式和控制量变化部分在对应目标函数中的权重；
53、s52：根据状态变量的选取和电路的实际情况，得到各变量相应的约束条件；
54、s53：对目标函数进行求解，先求出不考虑约束条件的最优解，再将不考虑约束条件的最优解代入到约束条件中，如果满足约束条件即为最优解，如果不满足则代入约束条件，求解目标函数满足约束条件的最优解。
55、步骤s51所述确定对应目标函数的形式和控制量变化部分在对应目标函数中的权重的方法为：
56、电流环中电池和超级电容的目标函数分别为：
57、
58、socb,min≤sokb≤socb,max
59、
60、s.t.0≤usc≤1,-il,max≤isc≤il,max,
61、vsc,min≤vsc≤vsc,max.
62、r是单位矩阵和权重相乘的结果，其中r是控制量变化量的权重；ib,ref、isc,ref分别是电池和超级电容的参考电流，yb、ysc分别是电池和超级电容的实际电流，δub、δusc分别是电池和超级电容的占空比变化量。
63、步骤s52所述得到各变量相应的约束条件的方法为：
64、将目标函数转换为二次规划的形式，
65、
66、再通过拉格朗日乘子法将目标函数和不等式约束条件结合起来：
67、
68、本发明的有益效果为：本发明提出了一种基于模型预测控制的混合储能系统控制方法，适用于直流微电网中。当可再生能源出现波动和负载发生突变时，采用该方法能够较快地恢复稳定并且电压出现较小的波动。在第一层控制方法中求解出储能系统的总功率，再通过低通滤波器分配给相应的储能系统并得到电流的参考值，在第二层控制方法中求解出各储能的充放电，让储能系统的电流尽可能地追踪参考值。和传统的模型预测控制方法相比，本发明对由于大量计算导致的延时，通过对传统的模型预测控制进行改进，补偿了延时问题，从而减小了微电网中母线电压的波动和恢复到稳定时所需要的时间，提高了微电网的可靠性。
1.一种基于模型预测控制的混合储能系统控制延时补偿方法，其特征在于，步骤包括：
2.根据权利要求1所述的基于模型预测控制的混合储能系统控制延时补偿方法，其特征在于，步骤s1所述根据基尔霍夫定律确定状态空间方程中各系数的值的方法为：
3.根据权利要求2所述的基于模型预测控制的混合储能系统控制延时补偿方法，其特征在于，所述电路包括电池电路、电容电路、光伏电路和阻性负载，电池电路、电容电路、光伏电路均通过转换器与直流母线相连接，阻性负载与直流母线相连接，阻性负载两端电压为输出电压v。
4.根据权利要求2或3所述的基于模型预测控制的混合储能系统控制延时补偿方法，其特征在于，步骤s2所述求出约束条件下目标函数的最优解的功率的方法为：
5.根据权利要求4所述的基于模型预测控制的混合储能系统控制延时补偿方法，其特征在于，步骤s3所述储能系统模型为：
6.根据权利要求5所述的基于模型预测控制的混合储能系统控制延时补偿方法，其特征在于，步骤s3将功率分配给超级电容和电池的方法为：
7.根据权利要求6所述的基于模型预测控制的混合储能系统控制延时补偿方法，其特征在于，步骤s4所述建立电池和超级电容的状态空间方程的方法为：
8.根据权利要求6或7所述的基于模型预测控制的混合储能系统控制延时补偿方法，其特征在于，步骤s5所述得到电池电路和超级电容电路的占空比的方法为：
9.根据权利要求8所述的基于模型预测控制的混合储能系统控制延时补偿方法，其特征在于，步骤s51所述确定对应目标函数的形式和控制量变化部分在对应目标函数中的权重的方法为：
10.根据权利要求9所述的基于模型预测控制的混合储能系统控制延时补偿方法，其特征在于，步骤s52所述得到各变量相应的约束条件的方法为：
