一种智能微电网分布式储能设备控制优化方法.pdf

摘要
申请专利号：	CN201410440567.0	申请日：	2014.09.01
公开号：	CN104201705A	公开日：	2014.12.10
当前法律状态：	授权	有效性：	有权
法律详情：	授权\|\|\|实质审查的生效IPC(主分类):H02J 3/28申请日:20140901\|\|\|公开
IPC分类号：	H02J3/28	主分类号：	H02J3/28
申请人：	中国科学院自动化研究所
发明人：	刘德荣; 魏庆来; 石光
地址：	100190 北京市海淀区中关村东路95号
优先权：
专利代理机构：	中科专利商标代理有限责任公司 11021	代理人：	宋焰琴
PDF下载：	PDF下载

内容摘要

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。

权利要求书

权利要求书1. 一种智能微电网分布式储能设备控制优化方法，所述智能微电网系统包括多个分布式的电池，其特征在于，所述方法包括：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。2. 如权利要求1所述的智能微电网分布式储能设备控制优化方法，其特征在于，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。3. 如权利要求2所述的智能微电网分布式储能设备控制优化方法，其特征在于，在步骤S1中，所述收敛精度为1.0×10-5。4. 如权利要求1所述的智能微电网分布式储能设备控制优化方法，其特征在于，在步骤S1中，记x1(t)表示电网供电功率Pg(t)，x2i(t)，i＝1，2，…N表示各电池归一化电量Ebi(t)-0.5，i＝1，2，…，N，ui(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(t),u(t))=m1[C(t)·x1(t)]2+Σi=1N[m2x2i2(t)+γui2(t)],]]>其中，m1、m2和γ为常数。5. 如权利要求1所述的智能微电网分布式储能设备控制优化方法，其特征在于，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。6. 如权利要求1所述的智能微电网分布式储能设备控制优化方法，其特征在于，步骤S2中，令x(t)＝[x1(t)，x21(t)，x22(t)，…，x2N(t)]T， u(t)＝[u1(t)，u2(t)，…，uN(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*(x(t))=infu(t){U(x(t),u(t))+αJ*(x(t+1))},]]>其中，α表示折扣因子；最优控制律可以表示为u*(x(t))=arginfu(t){U(x(t),u(t))+αJ*(x(t+1))},]]>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))。7. 如权利要求1所述的智能微电网分布式储能设备控制优化方法，其特征在于，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。8. 如权利要求1所述的智能微电网分布式储能设备控制优化方法，其特征在于，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。

说明书

说明书一种智能微电网分布式储能设备控制优化方法
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Pg(t)，x2i(t)，i＝1，2，…N表示各电池归一化电量Ebi(t)-0.5，i＝1，2，…，N，ui(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(t),u(t))=m1[C(t)·x1(t)]2+Σi=1N[m2x2i2(t)+γui2(t)],]]>
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)，…，x2N(t)]T，u(t)＝[u1(t)，u2(t)，…，uN(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*(x(t))=infu(t){U(x(t),u(t))+αJ*(x(t+1))},]]>
其中，α表示折扣因子；
最优控制律可以表示为
u*(x(t))=arginfu(t){U(x(t),u(t))+αJ*(x(t+1))},]]>
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Pg(t)，PL(t)为用户负载，x2i(t)，i＝1，2，…N表示该系统中各分布式储能设备(电池)的电量Ebi(t)-0.5，i＝1，2，…，N，ui(t)，u＝1，2，…，N表示各分布式储能设备的充放电功率，ηi，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)，…，x2N(t)]T，
u(t)＝[u1(t)，u2(t)，…，uN(t)]T
F(x0(t),u(t))=PL(t)-u1(t)-u2(t)-...-uN(t)x21(t)-η1·u1(t)x22(t)-η2·u2(t)...x2N(t)-ηN·uN(t)]]>
令C0=100...0,]]>
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·PL(t)
为了计算方便，引入x3(t)表示用户负载项PL(t)。
记x(t)＝[x1(t)，x21(t)，x22(t)，…，x2N(t)，x3(t)]T，

其中l(t)＝PL(t+1)/PL(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(t),u(t)]=m1[C(t)·x1(t)]2+Σi=1N[m2x2i2(t)+γui2(t)],]]>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)]＝xT(t)Q(t)x(t)+uT(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)，x2ρ(t)，x2ρ(t)，…，x2ρ(t)]T，
u(t)＝[uρ(t)，uρ(t)，…，uρ(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*(x(t))=infu(t){U(x(t),u(t))+αJ*(x(t+1))}]]>
其中，α表示折扣因子。
最优控制律可以表示为
u*(x(t))=arginfu(t){U(x(t),u(t))+αJ*(x(t+1))}]]>
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))＝xT(t)Pix(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+αBTPiB)-1BTPiAx(t)。
记Ki＝-α(R+αBTPiB)-1BTPiA，则u(t)＝Kix(t)
进而将Vi+1(x(t))＝U(x(t)，u(t))+αVi(x(t+1))化为
xTPi+1x＝xTQx+(Kix)TR(Kix)+α(Ax+B(Kix))TPi(Ax+B(Kix))
即Pi+1＝Q+KiTRKi+α(A+BKi)TPi(A+BKi)
最坏情况优化中，利用上式进行迭代，直至Pi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。

x(t+1)=A·x(t)+B·u(t)=Ax(t)+B0u2(t)...uN(t)+Bu1(t)0...0=Ax(t)+BK'x(t)+B'u1(t)=(A+BK')x(t)+B'u1(t)]]>
其中，记最坏情况优化中K=K1K2...KN,]]>则K'=0K2...KN,]]>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)＝xTPi+1x＝xTQx+u1TRu1+α[(A+BK′)x+B′u1]TPi[(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′TPiB′)-1B′TPi(A+BK′)x
记K1′＝-α(R+αB′TPiB′)-1B′TPi(A+BK′)
则u1＝K1′x，从而更新Ki=K1'K2...KN.]]>
进而仍根据Pi+1＝Q+KiTRKi+α(A+BKi)TPi(A+BKi)进行迭代，直至Pi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Pi，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。

资源描述

《一种智能微电网分布式储能设备控制优化方法.pdf》由会员分享，可在线阅读，更多相关《一种智能微电网分布式储能设备控制优化方法.pdf（13页珍藏版）》请在专利查询网上搜索。

1、(10)申请公布号 CN 104201705 A (43)申请公布日 2014.12.10 CN 104201705 A (21)申请号 201410440567.0 (22)申请日 2014.09.01 H02J 3/28(2006.01) (71)申请人中国科学院自动化研究所地址 100190 北京市海淀区中关村东路 95 号 (72)发明人刘德荣魏庆来石光 (74)专利代理机构中科专利商标代理有限责任公司 11021 代理人宋焰琴 (54) 发明名称一种智能微电网分布式储能设备控制优化方法 (57) 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。

2、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。 (51)Int.Cl. 权利要求书 2 页。

3、说明书 8 页附图 2 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请权利要求书2页说明书8页附图2页 (10)申请公布号 CN 104201705 A CN 104201705 A 1/2 页 2 1. 一种智能微电网分布式储能设备控制优化方法，所述智能微电网系统包括多个分布式的电池，其特征在于，所述方法包括： 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。

4、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。 2. 如权利要求 1 所述的智能微电网分布式储能设备控制优化方法，其特征在于，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。 3. 如权利要求 2 所述的智能微电网分布式储能设备控制优化方法，其特征在于，在步骤 S1 中，所述收敛精度为 1.010-5。 4. 如权利要求 1 所述的智。

5、能微电网分布式储能设备控制优化方法，其特征在于，在步骤 S1 中，记 x1(t) 表示电网供电功率 Pg(t)， x2i(t)， i 1， 2，N 表示各电池归一化电量 Ebi(t)-0.5， i 1， 2， N， ui(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：其中， m1、 m2和为常数。 5. 如权利要求 1 所述的智能微电网分布式储能设备控制优化方法，其特征在于，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。 6. 如权利要求 1 所述的智能微电网分布式储能。

6、设备控制优化方法，其特征在于，步骤 S2 中，令 x(t) x1(t)， x21(t)， x22(t)， x2N(t)T， u(t) u1(t)， u2(t)， uN(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 方程其中，表示折扣因子；最优控制律可以表示为令 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)+J(x(t+1)。 7. 如权利要求 1 所述的智能微电网分布式储能设备控制优化方法，其特征在于，在步骤 S4 中，采用基于线性二次型的最优控。

7、制算法进行循环优化，直到性能指标函数满足收敛精度。 8. 如权利要求 1 所述的智能微电网分布式储能设备控制优化方法，其特征在于，步骤权利要求书 CN 104201705 A 2 2/2 页 3 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。权利要求书 CN 104201705 A 3 1/8 页 4 一种智能微电网分布式储能设备控制优化方法技术领域 0001 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 0002 随着全球资源环境压力的不断增大，。

8、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。 0003 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。

9、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 0004 ( 一 ) 要解决的技术问题 0005 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。 0006 ( 二 ) 技术方案 0007 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。 0008 本发明提出的智能微电网分布式储能设。

10、备控制优化方法包括： 0009 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； 0010 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； 0011 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； 0012 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。 0013 根据本发明的具体实施方式，在步骤 S1 中。

11、，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。 0014 根据本发明的具体实施方式，在步骤 S1 中，所述收敛精度为 1.010-5。 0015 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 Pg(t)，说明书 CN 104201705 A 4 2/8 页 5 x2i(t)， i 1， 2，N 表示各电池归一化电量 Ebi(t)-0.5， i 1， 2， N， ui(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： 0。

12、016 0017 其中， m1、 m2和为常数。 0018 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。 0019 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)， x2N(t)T， u(t) u1(t)， u2(t)， uN(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 0020 0021 其中，表示折扣因子； 0022 最优控制律可以表示为 0023 0024 令 J(x(t) 表示迭代性能指标函数。

13、，则最优控制算法依据下式进行迭代： 0025 J(x(t) U(x(t)， u(t)+J(x(t+1)。 0026 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。 0027 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。 0028 ( 三 ) 有益效果 0029 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。

14、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 0030 图 1 是本发明中智能微电网系统的结构示意图； 0031 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 0032 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。

15、的智能电网发展。 0033 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，并参照说明书 CN 104201705 A 5 3/8 页 6 附图，对本发明作进一步的详细说明。 0034 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。 0035 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，。

16、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。 0036 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。 0037 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： 0038 S1、为智能微电网系统建立模型，获取该智能微电。

17、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； 0039 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； 0040 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； 0041 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。 0042 下面分别介绍上述各个步骤。 0043 S1、为智能微电网系统建立模型，获取该智能。

18、微电网系统的初始化参数。 0044 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。 0045 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 Pg(t)， PL(t) 为用户负载， x2i(t)， i 1， 2，N 表示该系统中各分布式储能设备 ( 电池 ) 的电量 Ebi(t)-0.5， i 1， 2， N， ui(t)， u 1， 2， N 表示各分布式储能设备的充放电功率， i。

19、， 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。 0046 则智能微电网系统函数可以写成 0047 x0(t+1) F(x0(t)， u(t)， 0048 其中， x0(t) x1(t)， x21(t)， x22(t)， x2N(t)T， 0049 u(t) u1(t)， u2(t)， uN(t)T 说明书 CN 104201705 A 6 4/8 页 7 0050 0051 令 0052 则智能微电网系统函数可进一步表示为 0053 x0(t+1) A0x0(t)+B0u(t)+C0PL(t) 0054 为了计算方便，引入 x3(t) 表。

20、示用户负载项 PL(t)。 0055 记 x(t) x1(t)， x21(t)， x22(t)， x2N(t)， x3(t)T， 0056 0057 其中 l(t) PL(t+1)/PL(t)，则系统函数转化为 0058 x(t+1) Ax(t)+Bu(t) 0059 接下来，定义效用函数如下： 0060 其中， m1、 m2和为常数。 0061 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。说明书 CN 104201705 A 7 5/8 页 8 0062 令 0063 则效用函数可以写成 ux(t)， u(t) xT(t)。

21、Q(t)x(t)+uT(t)Ru(t)。 0064 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。 0065 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。 0066 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。 0067 实时电价：采用峰谷定价策略，。

22、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 1.010-5。 0068 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。 0069 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。 0070 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。

23、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。 0071 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。 0072 统一控制策略即各电池的控制策略相同。 0073 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。

24、其参数相同，并且定义该电池为电池，此时系统状态及电池控制改变为 0074 记 x(t) x1(t)， x2(t)， x2(t)， x2(t)T， 0075 u(t) u(t)， u(t)， u(t)T，说明书 CN 104201705 A 8 6/8 页 9 0076 此时， 0077 则智能微电微系统模型函数为 x(t+1) Ax(t)+Bu(t)。 0078 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 0079 0080 其中，表示折扣因子。 0081 最优控制律可以表示为 0082 0083 令 J(x(t) 表。

25、示迭代性能指标函数，则最优控制算法依据下式进行迭代： 0084 J(x(t) U(x(t)， u(t)+J(x(t+1) 0085 记迭代性能指标函数为 J(x(t) Vi(x(t) xT(t)Pix(t)，其中 i 表示迭代指数，则 0086 Vi+1(x(t) U(x(t)， u(t)+Vi(x(t+1) 0087 根据线性二次型最小值原理，令 0088 可以得到最优控制律为 u(t) -(R+BTPiB)-1BTPiAx(t)。 0089 记 Ki -(R+BTPiB)-1BTPiA，则 u(t) Kix(t) 0090 进而将 Vi+1(x(t) U(x(t)， u(t)。

26、+Vi(x(t+1) 化为 0091 xTPi+1x xTQx+(Kix)TR(Kix)+(Ax+B(Kix)TPi(Ax+B(Kix) 0092 即 Pi+1 Q+KiTRKi+(A+BKi)TPi(A+BKi) 0093 最坏情况优化中，利用上式进行迭代，直至 Pi收敛，即性能指标函数满足收敛精度，迭代结束。 0094 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。 0095 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。

27、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。 0096 下面以还原第 1 块电池为例进行说明。 0097 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。 0098 说明书 CN 104201705 A 9 7/8 页 10 0099 0100 其中，记最坏情况优化中则B为矩阵 B 的第一列构成的矩阵。 0101 类似地，性能指标函数可以写成 0102 Vi+1(x) xTPi+1x xTQx+u1TRu1+(A+BK )x+B u1TPi(A+BK )x+B u1 0103 根据线性二次型最小值原理，令 0。

28、104 贝最优控制 u1 -(R+B TP iB ) -1BTP i(A+BK )x 0105 记 K1 -(R+B TP iB ) -1BTP i(A+BK ) 0106 则 u1 K1 x，从而更新 0107 进而仍根据Pi+1Q+KiTRKi+(A+BKi)TPi(A+BKi)进行迭代，直至Pi收敛，即性能指标函数满足收敛精度，迭代结束。 0108 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。说明书 CN 104201705 A 10 8/8 页 11 0109 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。

29、池的统一控制策略。 0110 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。 0111 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。 0112 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。 0113 可见，本发明通过不断寻找最优的电池控制。

30、策略并保存用户成本最小时性能指标函数对应的矩阵 Pi，直到迭代结束。 0114 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。 0115 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。说明书 CN 104201705 A 11 1/2 页 12 图 1 说明书附图 CN 104201705 A 12 2/2 页 13 图 2 说明书附图 CN 104201705 A 13 。

展开阅读全文