| 以下仅列出文章摘要、提纲简介，如需获取全文阅读权限，或原创定制、长期合作，请随时联系。 微信QQ:312050216 |
 |
 |
| 基于电池储能系统特性的微电网建模与优化控制研究 摘 要 能源是人类社会得以延续和发展的重要物质基础。为保障能源安全，推动能源转型，构建低碳、高效的能源体系，发展可再生能源已经成为国际社会的广泛共识。然而，由于可再生能源在发电过程中表现出的随机性、间歇性、不确定性和不可调度的特点，若单纯的使用可再生能源发电将不可避免地降低能源利用效率、影响电网和用户的正常运行。通过储能技术与可再生能源的组合集成与协同增效，形成容纳可再生能源电力的集“发-输-配-储-用”为一体的微电网，是提升可再生能源的渗透率、利用率及其电网友好性的有效手段。 本文主要以电池储能系统和微电网为研究对象，以储能电池的特性分析和行为描述为切入点，为实现可再生能源与电池储能系统间的协同增效，对微电网的优化控制和能量管理问题进行了深入的研究，提出了一些新的控制方法和管理策略。研究工作的主要内容如下： 1）考虑在不同荷电状态（State of Charge，SoC）下锂离子电池的极化效应对其端电压影响的差异性，本文建立了一种考虑滞后电压的电池模型，对动态工况下锂离子电池端电压进行了精确地跟踪和仿真。同时，考虑实际应用环境下，传感器噪声对SoC估计的影响，本文使用自适应卡尔曼滤波算法消除了测量噪声并实现了对SoC的估计。实验结果表明该算法可以实现实际工况电流下SoC的准确估计。 2）电池健康状态（State of Health，SoH）和剩余使用寿命（Remaining Useful Life，RUL）是从长时间尺度上反应电池内部状态的重要参数。本文研究了SoH对电池端电压曲线形状的影响，提出了利用电压曲线微分几何特性描述电池SoH的方法，并在此描述方法的基础上使用集群数据处理方法建立了电池的健康模型，实现了电池SoH的估计。实验结果表明，本文提出的电池健康状态估计方法具有良好的准确性和一定的普适性。另外，本文还研究了电池充放电行为在不同循环寿命下的变化情况，提出了一种基于重要性采样和神经网络的电池RUL估计方法。实验获得的电池电压数据经重要性采样方法筛选后，将被用来描述电池RUL并作为神经网络的训练数据集。文中还讨论了不同隐含层节点数对估计结果的影响，通过实验确定了合理的神经网络结构从而实现电池管理系统的计算能力和剩余使用寿命估计精度之间平衡。 3）由于微电网中的不同储能系统间容量、老化程度等性能可能存在差别，因此需要针对不同的电池储能系统制定相应的控制策略，从而实现对储能系统整体的优化控制。通过对不同放电倍率下电池性能的研究，本文确定了电池剩余可用能量的数学表达式，完成了对电池储能系统可放电时间的估计，并在此基础上提出了一种最优化储能系统放电时间的协调控制方法，实现了对各子储能系统的功率分配。对比实验结果表明，本文提出的方法可以通过协调各储能子系统的功率输出来延长系统工作时间。 4）储能系统是提高微电网能量利用效率的关键。对储能电池充放电行为及特性参量描述的准确度将直接影响微电网的安全和稳定。本文研究了不同充放电电流下对电池储能效率，在实验数据和电池机理分析的基础上，明确了电池储能效率的数学表达。此外，本文通过对典型天气下微电网能量调度方案的分析，制定了微电网实时控制规则，并在此基础上提出了双层微电网能量管理策略，实现了微电网的优化控制，减轻了光伏发电量预测误差对微电网管理、运行结果的影响。实验表明，本文提出的微电网优化控制方法可以有效提高能量利用效率、降低电力费用。此外，考虑到储能系统在微电网中不同的存在形式，本文针对包含电动汽车的家庭微电网，构建了一种以用户为中心的家庭微电网能量调度与管理策略。文中综合考虑了电能供应偏差、电动汽车剩余循环次数和电动汽车SoC等因素对用户舒适度的影响，建立了用户舒适度模型。同时，为满足不同用户对微电网管理的要求，本文为微电网优化目标函数各子目标设置了可调的权值。用户可以通过对权值的调整，实现对微电网的个性化管理。对比实验表明，本文提出的微电网能量管理方法可以在满足用户舒适度需求和使用偏好的基础上实现系统能量的最优化调度。 关键词：微电网 电池储能系统 电动汽车 能量管理系统 荷电状态 健康状态 剩余使用寿命 协调控制 能量调度 目 录 摘 要 I 目 录 III 第1章 绪论 1 1.1 研究背景与意义 1 1.2 分布式发电与微电网 2 1.3 国内外研究现状 4 1.3.1 储能电池建模与状态估计 4 1.3.2 微电网优化控制与能量管理 7 1.4 本文主要工作 10 1.4.1 研究内容 10 1.4.2 论文内容安排 11 第2章 锂离子电池特性分析 14 2.1 引言 14 2.2 锂离子电池基本信息 14 2.2.1 锂离子电池分类 14 2.2.2 锂离子电池相关参数定义 16 2.3 锂离子电池动态特性 17 2.4 锂离子电池老化特性 19 2.5 本章小结 20 第3章 锂离子电池建模与多时间尺度状态估计 21 3.1 引言 21 3.2 端电压建模与荷电状态估计 21 3.2.1 考虑滞后电压的锂离子电池建模 22 3.2.2 基于自适应卡尔曼滤波算法的SoC估计 26 3.3 健康状态估计 28 3.3.1 电池健康状态描述 28 3.3.2 基于GMDH的SoH估计 31 3.3.3 实验结果分析 33 3.4 剩余使用寿命估计 37 3.4.1 基于电池充电过程的剩余使用寿命描述 37 3.4.2 基于神经网络方法的RUL估计 39 3.4.3 实验结果分析 41 3.5 本章小结 43 第4章 电池储能系统协调控制 45 4.1 引言 45 4.2 储能系统剩余放电时间 45 4.2.1 微电网架构 45 4.2.1 储能电池可用电量 46 4.3 DC/DC变换器效率模型 47 4.4 电池储能系统协调控制 48 4.5 仿真与实验 51 4.5.1 算法仿真 51 4.5.2 硬件在环实验 53 4.6 本章小结 54 第5章 微电网能量管理与优化控制 56 5.1 引言 56 5.2 含单一类型电池储能系统的微电网优化控制 56 5.2.1 系统框架 57 5.2.2 优化问题的数学表达 58 5.2.3 微电网优化控制 61 5.2.4 仿真与实验 65 5.3 含多种类型电池储能系统的微电网能量管理 71 5.3.1 应用背景 71 5.3.2 优化问题的数学表达 72 5.3.3 微电网优化管理 77 5.3.4 仿真与实验 79 5.4 本章小结 82 第6章 总结和展望 83 6.1 研究成果和创新点 83 6.2 工作展望 84 参考文献 86 |
