分布式储能型MMC电池荷电状态均衡优化控制策略_汪晋安.pdf

第 43 卷 第 7 期2023 年 7 月电 力 自 动 化 设 备Electric Power Automation EquipmentVol.43 No.7Jul.2023分布式储能型MMC电池荷电状态均衡优化控制策略汪晋安，许建中（华北电力大学 新能源电力系统国家重点实验室，北京 102206）摘要：为提高电池的能量利用率和解决电池因制造工艺、循环充放电次数不同以及老化程度不一致等因素导致的荷电状态（SOC）极度不均衡问题，提出一种兼顾电流波动抑制的分布式储能型模块化多电平换流器的电池SOC均衡优化控制策略。为准确控制充放电功率，采用双环控制：外环针对相间、桥臂间和子模块间电池SOC差异，建立离散时域预测功率模型，通过负反馈控制生成动态电流参考值；内环设计了模型预测优化控制策略，准确追踪动态电流参考值，实现电池SOC均衡、提高电池能量利用率，并提高系统的动态响应能力以及抑制电池电流纹波，延长电池使用寿命。最后通过在PSCADEMTDC中构建仿真模型对所提出的控制器性能进行验证。关键词：分布式储能型模块化多电平换流器；荷电状态；预测功率模型；连续控制集模型预测控制；电池电流波动抑制；优化中图分类号：TM46 文献标志码：ADOI：10.16081/j.epae.2022120190 引言储能作为能源转型的必要环节1，在能源变革和新能源消纳中，正以功率价值、容量价值和能量价值发挥作用2。分布式储能技术与特高压直流输电相结合的分布式储能型模块化多电平换流器（modular multilevel converter-distrusted energy storage，MMC-DES）具有高电平大功率3、储能能力强4、外送能力强5等显著优势，是电力系统转型的重要基石6。然而，制造工艺、电池状态等众多因素导致电池容量和等效电阻在投运时刻略有不同7。随着系统运行时间的推移，电池循环充放电次数的增多，各电池的性能以不同速率退化，导致电池荷电状态（state of charge，SOC）差异增大。若电池SOC不加以均衡控制，将导致部分电池过度放电或深度充电而退出运行，降低电池组的能量利用率8。针对需要附加均衡控制电路的硬件控制策略，文献 913 提出更为常用的电池SOC均衡软件控制策略。系统级控制采用经典的定功率双环控制。装置级控制采用差分电流直流分量控制或通过注入零序电压9，实现相间SOC均衡；采用注入桥臂电流基频电流分量10，实现桥臂间 SOC均衡；采用 SOC排序11、叠加各个交流电压分量或直流电压分量12，实现各子模块间电池SOC均衡。触发级控制则采用载波移相调制13。然而在高电压大功率的直流输电系统中，随着电平数的增多，系统控制愈加复杂、波形调制困难，载波移相控制不再适用于大功率高电平场景。同时采用排序均压的最近电平逼近调制无法微调子模块参考电压。因此，叠加各子模块参考电压方法均衡电池SOC方法失效。MMC-DES系统的主要控制目标为当储能系统与MMC能量交互时，精准控制储能系统充放电功率。因此，将MMC与储能系统控制分开管理是控制复杂度低且适合MMC-DES系统的控制策略。MMC 与双向 DCDC变换器控制相配合的均衡电池SOC将成为趋势14。近年来，模型预测控制（model predictive control，MPC）具有动态响应快、处理系统约束灵活等优点，被广泛用于永磁同步电机、无人驾驶等领域15。也有学者将预测电流控制引入新能源并网系统领域中。针对非隔离型双向DCDC变换器，文献 16提出一种有限集MPC实现光储系统双向DCDC变换器系统综合优化。虽然此控制方法对系统响应速度有所改善，但由于开关频率不固定，电池电流纹波增大。文献 17 提出近似定频控制的基于开关序列的双向DCDC变换器MPC方法，解决开关频率不固定问题，然而上述控制在每个周期内需考虑众多因素，加大了处理器的运算量，不易在实际工程中推广应用。针对MMC，文献 18 提出一种基于连续控制集模型预测控制（continuous control set-MPC，CCS-MPC）的桥臂电流控制策略，实现跟踪桥臂电流多频带复合信号，并与比例积分（proportional integral，PI）控制进行分析比较。然而，当前研究中尚未提出通过设计CCS-MPC控制策略的动态电流参考值解决电池SOC不均衡问题的方法，CCS-MPC作为一种发展成熟的控制策略有利于延长电池寿命以及提高系统能量利用率。本文设计了一套适用于高电平大功率 MMC-收稿日期：20220616；修回日期：20220904在线出版日期：20221230基金项目：北京市自然科学基金资助项目（3222059）Project supported by the Natural Science Foundation of Beijing Municipality（3222059）44第 7 期汪晋安，等：分布式储能型MMC电池荷电状态均衡优化控制策略DES系统的基于离散时域预测功率模型的电池SOC均衡优化控制策略。针对相间、桥臂间和子模块间电池SOC差异，应用梯形积分法离散电池SOC方程，构建离散时域电池SOC预测功率模型得到动态功率参考值，设计MPC与负反馈控制相结合的混合控制器，对各电池SOC进行动态均衡控制。最后，通过在PSCADEMTDC中构建仿真模型，并与PI控制器进行详细对比，验证所提控制算法的有效性。1 MMC-DES系统拓扑与分析1.1MMC-DES系统拓扑高电平大容量MMC-DES为三相电压源换流器的一种引申结构，是附加储能端的三端口换流器，其整体拓扑如图1（a）所示。图1（b）为子模块拓扑图，子模块采用电池经非隔离型双向DCDC变换器并联于半桥子模块电容侧，使电池电压与电容电压解耦，降低电池制造难度以及减少对直流滤波器的需求。图1（c）为锂电池等效模型电路图。图中：iAu、iAl和 UAu、UAl分别为 A 相上、下桥臂电流和电压；SMi（i=1，2，NSM，NSM为桥臂内子模块总数）为第i个子模块；Larm为桥臂电感；is为交流侧电流；Idc、Udc分别为直流侧电流、电压；T1 T4为绝缘栅双极型晶体管（insulated gate bipolar transistor，IGBT）开关管；io为流入子模块电流；ub为锂电池端口输出电压；ib为电池电流；Lb为储能电感；uC为子模块电容C电压；Eb为锂电池开路电压；Rb为锂电池等效模型的等效内阻。1.2锂电池模型依据磷酸铁锂电池的Shepherd模型，将电池充放电过程简化成可逆过程，可划分为指数状态、额定工作状态和深度放电状态19。电池等效模型由非线性受控电压源和等效内阻Rb串联而成，其端口输出电压ub为：ub=Eb-ibRb（1）电池开路电压Eb受电池电流大小ib和剩余容量影响，其控制方程可由式（2）给出：Eb=E0-KQmQm-ibdt+Ae-1Bibdt（2）式中：E0为电池常数电压；K为电池极化电压；Qm为电池容量；A、B分别为充放电指数状态下的电压幅值和时间常数。电池常数电压E0受电池初始状态和极化电压K随电池工作状态的改变而变化，可由式（3）和式（4）分别计算得到。E0=Ef+K+Rbib-A（3）K=(Ef-En+Ae-QtB)Qm-QtQt（4）式中：Ef为电池全电压；En为电池额定电压；Qt为电池额定状态终止容量。2 电池SOC均衡控制器设计由于将MMC-DES系统中的MMC与储能系统分开管理，储能系统控制部分的增加对MMC控制系统影响较小20。MMC部分采用柔性直流输电工程中常用的定有功功率和定无功功率控制以及排序均压和最近电平逼近调制，进而减小MMC-DES系统波形调制难度，详细控制过程见附录A图A1（a）。本文针对储能系统控制开展研究，为准确控制储能系统充放电功率，设计附录A图A1（b）、（c）所示的双环控制策略。功率外环控制基于电池功率电流特性和电池SOC变化提出一种监测交、直流侧功率变化的动态功率参考值设计方法，通过负反馈控制生成动态电流参考值。电流内环控制设计了可固定IGBT开关管T3（T4）开关频率且抑制电池电流纹波的MPC策略，实现电池SOC均衡控制并提高系统动态响应能力。2.1基于MPC的电流内环控制策略图2为储能系统的电流内环控制框图。由图可知，电池经非隔离型BuckBoost双向DCDC变换器并联于半桥子模块电容两端。选取电池电流和电容电压为状态变量x=ib uCT。根据图2所示的非隔离型BuckBoost双向DCDC变换器拓扑结构，构建变换器平均状态空间模型为：|dibdt=1Lbub-1-d2LbuCduCdt=1-d2Cib-1Cio（5）式中：d2为 T4驱动信号的占空比。采用雅可比矩阵线性化法，在双向DCDC变换器平衡工作点处（X=Ib UCT，D=D2，Z=Ub IoT，以上大写形式变量为对应小写形式变量的稳态值）对式（5）进行线性化处理，可得双向DCDC变换器的状态空间方程，图1MMC-DES系统结构Fig.1Structure of MMC-DES system45电 力 自 动 化 设 备第 43 卷反映其在平衡工作点附近的电池电流和电容电压的动态特性。x?(t)=Ax(t)+Bd2(t)+Ez(t)-AX-BD2-EZ（6）式中：A=|0D2-1Lb1-D2C0；B=|UCLb-IbC；E=|1Lb00-1C；z=ub ioT。由图 2 可知，MPC 是利用双向 DCDC 变换器模型当前时刻 k 采样信息预测下一时刻 k+1 电池电流的在线时域滚动优化控制方法。为得到双向DCDC变换器的离散时域状态空间模型，采用前向欧拉法对式（6）进行离散化，得到双向DCDC变换器的离散模型为：|x(k+1)=Adx(k)+Bdd2(k)+Edz(k)-AdX-BdD2-EdZY(k+1)=Cx(k+1)（7）式中：Ad=I+ATs，Ts为采样周期，I为22维单位矩阵；Bd=BTs；Ed=ETs；C=1 0；Y为11维矩阵。为减小电池电流纹波以及提高系统控制精度，将预测模型改写为以IGBT开关管控制信号占空比变化量d2为控制变量的离散时域状态空间方程，如式（8）所示。|x(k+1)=Adx(k)+Bdd2(k-1)+Bdd2(k)+Edz(k)-AdX-BdD2-EdZY(k+1)=Cx(k+1)（8）构造以电池电流期望输出与电池电流预测输出的差值为目标函数以及列写约束条件，求解时刻k下 IGBT 开关管 T4的最优占空比变化控制量，如式（9）所示。|mind2(k)J=Q(ib(k+1)-ibref)2+R(d2(k)2s.t.0d21 ibIbmax（9）式中：Ibmax为电池输出最大功率对应电流；ibref为电池电流参考值；Q为误差加权系数，影响系统的响应速度；R 为控制加权系数，影响电池电流纹波幅值变化，即可通过调节加权系数权衡系统动态响应速度与系统稳定性能。将变换器控制问题转化为二次规划问题进行求解，如式（10）所示。J=(Y-Yref)TQ(Y-Yref)+(d2)R(d2)（10）式中：Yref 为矩阵Y的参考值。式（10）进一步简化得到二次规划标准型，如式（11）所示。J=(d2)H(d2)+2(d2)G+P（11）式中：H=(CBd)TQ(CBd)+R；G=(CBd)TQ(CM-Yref)，M=Ax(k)+Bdd2(k-1)+Edz(k)-AdX-BdD2-EdZ；P=(CM-Yref)TQ(CM-Yref)。矩阵 H 为正定矩阵，因此求解式（11）得到 d2复杂度类似于线性规划，进而通过式（12）求解得到IGBT 开关管 T4的占空比，精确跟踪动态电流参考值，其控制框图如图2所示。d2(k)=d2(k-1)+d2(k)（12）2.2基于交直流功率变化的动态电流参考值设计SOC是衡量电池剩余容量的重要参数，通过实时监测电池SOC判断下一时刻电池状态。在已知电池SOC初始值时可采用安时积分法计算系统运行过程中累积或消耗的电量，进而估算电池可用电量的百分比。因此，定