一种混合储能系统预测控制方法

1.本发明涉及混合储能系统控制技术领域，尤其是指一种混合储能系统预测控制方法。


背景技术：

2.预测控制是20世纪70年代产生于工业过程控制领域的一类新型计算机控制算法。近些年来，预测控制理论和实践的发展都取得了丰硕的成果，不仅受到工业界的青睐，成为最有代表性的先进控制算法，而且形成了具有滚动优化特色的不确定性系统稳定和鲁棒设计的理论。
3.混合储能系统是指至少两种储能的组合，它的主要目标是以最优的方式利用可用储能的优势。一种常见的组合是电池和超级电容,因其具有互补的能量特性和功率特性。电池能量密度高，负责提供长时间的能量缓冲；相应的，超级电容功率密度高，适用于实现快速的功率响应。两者的组合可以在不牺牲整个系统性能的情况下延长电池的寿命。因此，由电池和超级电容组合形成的混合储能系统在电动汽车、新能源发电等领域得到了广泛的应用。为了使混合储能系统具有良好的动态性能，提出了多种控制策略。而以往的模型大多采用开环无限时域模型预测控制方法或者闭环大时间尺度的模型预测控制方法，但是这种方法在长时间的预测时会不断的积累误差，一定时间后反而控制效果变差，并且现有的模型在存在扰动的情况下控制的准确性会出现偏差。


技术实现要素：

4.为此，本发明所要解决的技术问题在于克服现有技术中无限时域模型预测控制方法在长时间的预测时会不断的积累误差，一定时间后反而控制效果变差，并且现有的模型在存在扰动的情况下控制的准确性会出现偏差的问题。
5.为解决上述技术问题，本发明提供了一种混合储能系统预测控制方法，包括：
6.s1：根据混合储能系统中获得的输入输出数据，建立混合储能系统状态空间模型，并将其作为预测控制策略的预测模型；
7.s2：根据预测模型构建递减权重成本函数，以递减权重成本函数的值最小化为目标，建立反馈控制率以及约束条件，根据反馈控制率以及约束条件对混合储能系统当前状态进行计算求解得到最优值，输出对混合储能系统下一时刻的预测控制参数；
8.s3：将得到的对系统的控制参数施加给混合储能系统，实现对混合储能系统的预测控制。
9.进一步地，所述预测控制策略的预测模型为：
10.x(k+i+1|k)＝ax(k+i|k)+bu(k+i|k)
11.其中，为常数矩阵，为系统的状态矢量和输入矢量。x(k+i|k)表示基于时间k的时间瞬间k+i对应的状态预测量，x(k+i+1|k)表示基于时间k的时间瞬间k+i+1对应的状态预测量，u(k+i|k)表示基于时间k的时间瞬间k+i对
应的输入预测量，
12.即混合储能系统下一时刻的预测控制参数。
13.进一步地，所述递减权重成本函数包括两部分：第一部分为状态变量偏差的成本项，第二部分是输入变量偏差的成本项，其表达式为：
[0014][0015]
其中，α∈[0，1]为一个正标量，q＞0和r＞0为对称加权矩阵，αi[0016]
为递减权重。符号||
·
||表示一个向量的欧几里得范数；
[0017]
||x(k+i|k)||q表示||u(k+i|k)||r表示
[0018]
进一步地，所述反馈控制率为状态反馈控制率，其表达式为：
[0019]
u(k+i|k)＝kx(k+i|k)，i≥0
[0020]
其中，k为控制增益。
[0021]
进一步地，所述约束条件包括一个上界约束、两个稳定性约束和一个输入约束，具体为：
[0022]
上界约束的表达式为：
[0023]
v(x(k|k))≤γ
[0024]
其中，v(x)：＝x
t
px为一个二次函数，户为一个正定矩阵，使递减权重成本函数的上界v(x(k|k))小于等于一个正标量γ；
[0025]
稳定性约束的表达式为：
[0026][0027][0028]
其中，f：＝kλ为一个矩阵，u为一个单位矩阵，符号*表示位于对称位置的方块，稳定性约束保证被控系统的稳定性；
[0029]
输入约束的表达式为：
[0030][0031]
其中，为每个输入的最大值，
[0032]
输入约束保证输入的绝对值小于等于某一预设值。
[0033]
进一步地，所述递减权重成本函数的值最小化的实现方式具体为：
[0034]
在满足上述约束，预测模型和状态反馈控制率的前提下，寻找矩阵λ，f和对称矩阵z使得正标量γ最小，其表达式为：
[0035][0036]
进一步地，当混合储能系统受到外部扰动时在预测模型中加入扰动预测量得到受扰动状态下的预测模型，并设计h
∞
型递减权重成本函数，建立受扰动状态下的反馈控制率和受扰动状态下的约束条件，根据受扰动状态下的反馈控制率以及受扰动状态下的约束条件对受到外部扰动的混合储能系统状态进行计算求解，输出对系统的控制参数。
[0037]
进一步地，所述外部扰动为有界扰动，表达式为：
[0038]
||d||2≤δ
[0039]
其中，为系统的额外扰动，δ为一个正标量。
[0040]
进一步地，所述受扰动状态下的预测模型的表达式为：
[0041]
x(k+i+1|k)＝ax(k+i|k)+bu(k+i|k)+d(k+i|k)
[0042]
其中，为常数矩阵，为系统的状态矢量和输入矢量。x(k+i|k)表示基于时间k的时间瞬间k+i对应的状态预测量，x(k+i+1|k)表示基于时间k的时间瞬间k+i+1对应的状态预测量，u(k+i|k)表示基于时间k的时间瞬间k+i对应的输入预测量，d(k+i|k)表示基于时间k的时间瞬间k+i对应的扰动预测量。
[0043]
进一步地，所述h
∞
型递减权重成本函数主要由三部分组成，第一部分是状态变量偏差的成本项，第二部分是输入变量偏差的成本项，第三部分是关于扰动的成本项，通过整体乘以一个递减量实现要求，其表达式为：
[0044][0045]
其中，μ为一个正标量。
[0046]
本发明的上述技术方案相比现有技术具有以下优点：
[0047]
本发明所述的一种混合储能系统预测控制方法采用基于递减权重成本函数的模型预测控制方法，相比传统无限时域模型预测控制方法在控制上更加注重短时间内的状态控制，使系统不会在进行控制时累计误差导致一定时间后控制效果变差，保证了系统的精确性，进一步提升了模型预测控制的闭环性能。并且本发明建立了混合储能系统受到外部扰动时的控制模型并对其进行求解，构建出受到外部扰动时的预测模型具有更强的扰动抑制能力以及更强的鲁棒性。
附图说明
[0048]
为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明，其中：
[0049]
图1是本发明实施例一一种混合储能系统预测控制方法的流程图；
[0050]
图2是本发明实施例一的基于递减权重成本函数的模型预测控制方法结构图；
[0051]
图3是本发明实施例二基于递减权重成本函数的鲁棒模型预测控制方法结构图。
具体实施方式
[0052]
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
[0053]
参照图1所示，本发明的实施例一一种混合储能系统预测控制方法的流程包括：
[0054]
根据混合储能系统中获得的输入输出数据，建立混合储能系统状态空间模型，并将其作为预测控制策略的预测模型；
[0055]
预测模型具体为：
[0056]
x(k+i+1|k)＝ax(k+i|k)+bu(k+i|k)
[0057]
其中，为常数矩阵，为系统的状态矢量和输入矢量。x(k+i|k)表示基于时间k的时间瞬间k+i对应的状态预测量，x(k+i+1|k)表示基于时间k的时间瞬间k+i+1对应的状态预测量，u(k+i|k)表示基于时间k的时间瞬间k+i对应的输入预测量即混合储能系统下一时刻的预测控制参数。
[0058]
根据预测模型构建递减权重成本函数，以递减权重成本函数的值最小化为目标，建立反馈控制率以及约束条件，根据反馈控制率以及约束条件对混合储能系统当前状态进行计算求解得到最优值，输出对混合储能系统下一时刻的预测控制参数；
[0059]
递减权重成本函数为无限时间的正定函数的和的形式，通过乘以一个递减量实现要求。主要由两部分组成，第一部分是状态变量偏差的成本项，第二部分是输入变量偏差的成本项，其表达式为：
[0060][0061]
其中，α∈[0，1]为一个正标量，q＞0和r＞0为对称加权矩阵，αi为递减权重。符号||
·
||表示一个向量的欧几里得范数；
[0062]
||x(k+i|k)||q表示||u(k+i|k)||r表示
[0063]
反馈控制律为状态反馈控制律，是系统的状态变量通过比例环节传送到输入端去的反馈方式，其表达式为：
[0064]
u(k+i|k)＝kx(k+i|k)，i≥0
[0065]
其中，k为控制增益，
[0066]
约束条件包括一个上界约束、两个稳定性约束和一个输入约束，具体为：
[0067]
上界约束的表达式为：
[0068]
v(x(k|k))≤γ
[0069]
其中，v(x)：＝x
t
px为一个二次函数，p为一个正定矩阵，使递减权重成本函数的上界v(x(k|k))小于等于一个正标量γ；
[0070]
上述上界约束可以进一步转化为一个线性矩阵不等式(lmi)，其表达式为：
[0071][0072]
其中，λ：＝γp-1
为一个矩阵。
[0073]
稳定性约束的表达式为：
[0074][0075][0076]
其中，f：＝kλ为一个矩阵，i为一个单位矩阵，符号*表示位于对称位置的方块，稳定性约束保证被控系统的稳定性；
[0077]
输入约束的表达式为：
[0078][0079]
其中，为每个输入的最大值，输入约束保证输入的绝对值小于等于某一预设值。
[0080]
输入约束可以进一步转化为一个lmi，其表达式为：
[0081][0082]
其中，z为一个矩阵，z
jj
为矩阵z的第j个对角元素。
[0083]
上述在线优化问题以最小化递减权重成本函数为优化目标，在满足上述约束，预测模型和状态反馈控制率的前提下，寻找矩阵λ，f和对称
[0084]
矩阵z使得正标量γ最小，其表达式为：
[0085][0086]
将得到的对系统的控制参数施加给混合储能系统，实现对混合储能系统的预测控制。
[0087]
本发明提出的一种混合储能系统预测控制方法采用基于递减权重成本函数的模型预测控制方法，由于采用递减权重成本函数，相比传统无限时域模型预测控制方法在控制上更加注重短时间内的状态控制，避免了系统在进行控制时累计误差导致一定时间后控制效果变差的问题，系统不会产生累计误差，保证了系统的精确性。
[0088]
实施例二：
[0089]
在被控系统受到外部扰动时构建基于递减权重成本函数的鲁棒模型预测控制方法，结构如图3所示，包括：
[0090]
考虑存在外部扰动的混合储能系统中获得的输入输出数据，建立并使用受到外部
扰动时的混合储能系统状态空间模型，并将其作为受扰动状态下的预测模型；
[0091]
外部扰动为有界扰动，表达式为：
[0092]
||d||2≤δ
[0093]
其中，为系统的额外扰动，δ为一个正标量。
[0094]
受扰动状态下的预测模型具体为：
[0095]
x(k+i+1|k)＝ax(k+i|k)+bu(k+i|k)+d(k+i|k)
[0096]
其中，为常数矩阵，为系统的状态矢量和输入矢量。x(k+i|k)表示基于时间k的时间瞬间k+i对应的状态预测量，x(k+i+1|k)表示基于时间k的时间瞬间k+i+1对应的状态预测量，u(k+i|k)表示基于时间k的时间瞬间k+i对应的输入预测量，d(k+i|k)表示基于时间k的时间瞬间k+i对应的扰动预测量。
[0097]
根据被控系统获得受扰动状态下的预测模型，设计h
∞
型递减权重成本函数，确定反馈控制率和约束条件，进而构建相应的在线优化问题，从而实现具有较高鲁棒性的rmpc控制器设计
[0098]
根据预测模型构建递减权重成本函数，以递减权重成本函数的值最小化为目标，建立受扰动状态下的反馈控制率以及受扰动状态下的约束条件，根据受扰动状态下的反馈控制率以及受扰动状态下的约束条件对混合储能系统当前状态进行计算求解，输出对系统的控制参数；
[0099]h∞
型递减权重成本函数主要由三部分组成，第一部分是状态变量偏差的成本项，第二部分是输入变量偏差的成本项，第三部分是关于扰动的成本项，通过整体乘以一个递减量实现要求，其表达式为：
[0100][0101]
其中，μ为一个正标量。
[0102]
受扰动状态下的反馈控制律为状态反馈控制律，是系统的状态变量通过比例环节传送到输入端去的反馈方式，其表达式为：
[0103]
u(k+i|k)＝kx(k+i|k)，i≥0
[0104]
上述受扰动状态下的约束条件，其包括一个上界约束，两个稳定性约束，一个硬约束，一个输入约束和一个鲁棒正不变集约束。
[0105]
对所述上界约束，它用于保证递减权重成本函数上界v(x(k|k))小于等于一个正标量γ，其表达式为：
[0106]
v(x(k|k))≤γ
[0107]
上述上界约束可以进一步转化为一个lmi，其表达式为：
[0108][0109]
所述两个稳定性约束，它用于保证被控系统的稳定性，其表达式为：
[0110][0111][0112]
所述硬约束，它用于保证γ不会递增，其表达式为：
[0113]
γ≤γ0[0114]
其中，γ0是γ的上界值。
[0115]
输入约束，它用于保证输入的绝对值小于等于某一预设值，其表达式为：
[0116][0117]
上述输入约束可以进一步转化为一个lmi，其表达式为：
[0118][0119]
所述鲁棒正不变集约束，它用于当存在扰动时保证在线优化问题的递推可行性，其表达式为：
[0120][0121]
其中，λ为一个正标量。
[0122]
上述在线优化问题以最小化h
∞
型递减权重成本函数为优化目标，同时满足预测模型，反馈控制率和约束条件，寻找矩阵λ，f和正标量γ，λ使得一个正标量ζ最小，其表达式为：
[0123][0124]
其中，定义ζ：＝μγ。
[0125]
将得到的对系统的控制参数施加给混合储能系统，实现对混合储能系统的预测控制。
[0126]
本发明实施例二提出的一种混合储能系统预测控制方法建立了混合储能系统受到外部扰动时的控制模型并对其进行求解，构建出受到外部扰动时的预测模型具有更强的扰动抑制能力以及更强的鲁棒性。
[0127]
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0128]
本技术是参照根据本技术实施例的方法和计算机程序产品的流程图和来描述的。
应理解可由计算机程序指令实现流程图中的每一流程。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程中指定的功能的装置。
[0129]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程中指定的功能。
[0130]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程中指定的功能的步骤。

技术特征：
1.一种混合储能系统预测控制方法，其特征在于，包括：s1:根据混合储能系统中获得的输入输出数据，建立混合储能系统状态空间模型，并将其作为预测控制策略的预测模型；s2:根据预测模型构建递减权重成本函数，以递减权重成本函数的值最小化为目标，建立反馈控制率以及约束条件，根据反馈控制率以及约束条件对混合储能系统当前状态进行计算求解得到最优值，输出对混合储能系统下一时刻的预测控制参数；s3:将得到的对系统的控制参数施加给混合储能系统，实现对混合储能系统的预测控制。2.根据权利要求1所述的一种混合储能系统预测控制方法，其特征在于：所述预测控制策略的预测模型为：x(k+i+1|k)＝ax(k+i|k)+bu(k+i|k)其中，为常数矩阵，为系统的状态矢量和输入矢量。x(k+i|k)表示基于时间k的时间瞬间k+i对应的状态预测量，x(k+i+1|k)表示基于时间k的时间瞬间k+i+1对应的状态预测量，u(k+i|k)表示基于时间k的时间瞬间k+i对应的输入预测量，即混合储能系统下一时刻的预测控制参数。3.根据权利要求2所述的一种混合储能系统预测控制方法，其特征在于：所述递减权重成本函数包括两部分：第一部分为状态变量偏差的成本项，第二部分是输入变量偏差的成本项，其表达式为：其中，α∈[0,1]为一个正标量，q>0和r>0为对称加权矩阵，α
i
为递减权重。符号||
·
||表示一个向量的欧几里得范数；||x(k+i|k)||
q
表示||u(k+i|k)||
r
表示4.根据权利要求3所述的一种混合储能系统预测控制方法，其特征在于：所述反馈控制率为状态反馈控制率，其表达式为：u(k+i|k)＝kx(k+i|k)，i≥0其中，k为控制增益。5.根据权利要求4所述的一种混合储能系统预测控制方法，其特征在于：所述约束条件包括一个上界约束、两个稳定性约束和一个输入约束，具体为：上界约束的表达式为：v(x(k|k))≤γ其中，v(x):＝x
t
px为一个二次函数，p为一个正定矩阵，使递减权重成本函数的上界v(x(k|k))小于等于一个正标量γ；稳定性约束的表达式为：
其中，f:＝kλ为一个矩阵，i为一个单位矩阵，符号*表示位于对称位置的方块，稳定性约束保证被控系统的稳定性；输入约束的表达式为：其中，其中，为每个输入的最大值，输入约束保证输入的绝对值小于等于某一预设值。6.根据权利要求5所述的一种混合储能系统预测控制方法，其特征在于：所述递减权重成本函数的值最小化的实现方式具体为:在满足上述约束，预测模型和状态反馈控制率的前提下，寻找矩阵λ，f和对称矩阵z使得正标量γ最小，其表达式为：7.根据权利要求1所述的一种混合储能系统预测控制方法，其特征在于：当混合储能系统受到外部扰动时在预测模型中加入扰动预测量得到受扰动状态下的预测模型，并设计h
∞
型递减权重成本函数，建立受扰动状态下的反馈控制率和受扰动状态下的约束条件，根据受扰动状态下的反馈控制率以及受扰动状态下的约束条件对受到外部扰动的混合储能系统状态进行计算求解，输出对系统的控制参数。8.根据权利要求7所述的一种混合储能系统预测控制方法，其特征在于：所述外部扰动为有界扰动，表达式为：||d||2≤δ其中，为系统的额外扰动，δ为一个正标量。9.根据权利要求8所述的一种混合储能系统预测控制方法，其特征在于：所述受扰动状态下的预测模型的表达式为：x(k+i+1|k)＝ax(k+i|k)+bu(k+i|k)+d(k+i|k)其中，为常数矩阵，为系统的状态矢量和输入矢量。x(k+i|k)表示基于时间k的时间瞬间k+i对应的状态预测量，x(k+i+1|k)表示基于时间k的时间瞬间k+i+1对应的状态预测量，u(k+i|k)表示基于时间k的时间瞬间k+i对应的输入预测量，d(k+i|k)表示基于时间k的时间瞬间k+i对应的扰动预测量。10.根据权利要求9所述的一种混合储能系统预测控制方法，其特征在于：所述h
∞
型递
减权重成本函数主要由三部分组成，第一部分是状态变量偏差的成本项，第二部分是输入变量偏差的成本项，第三部分是关于扰动的成本项，通过整体乘以一个递减量实现要求，其表达式为：其中，μ为一个正标量。

技术总结
本发明涉及混合储能系统控制技术领域。尤其是指一种混合储能系统预测控制方法。本发明所述的混合储能系统预测控制方法利用常规状态混合储能系统中获得的输入输出数据建立预测模型，并根据预测模型构建递减权重成本函数，以递减权重成本函数的值最小化为目标，建立反馈控制率以及约束条件，根据反馈控制率以及约束条件对混合储能系统当前状态进行计算求解，输出对系统的控制参数，递减权重成本函数算法更加注重短时间内的状态控制，系统不会产生累计误差，保证了系统的精确性，并且设计了系统在具有外部扰动状态下的模型并进行求解，提高了系统的抗扰动能力以及系统的鲁棒性。性。性。


技术研发人员：杨玮林 许德智 潘庭龙 窦真兰 沈婉琳
受保护的技术使用者：江南大学
技术研发日：2023.06.26
技术公布日：2023/9/7