基于自抗擾控制器的蓄電池儲能參數優化研究

馬 臻，張恒陽

（國電電力雙維內蒙古上海廟能源有限公司，鄂爾多斯 016200）

近幾年，風力發電、光伏發電的發展速度不斷加快，但是天然能源如風力、太陽能等自身的隨機性、不確定性等特點限制了其發展。儲能設備是一種可控制的電力供應設備，利用儲能設備進行電能的吸收與排放，達到“蓄能-系統”的互動，從而在一定程度上減輕了新能源對電網的沖擊。在此背景下，蓄電池儲能技術得到了快速發展，其主要由分布式發電、負載、儲能以及控制單元構成，是一個整體的受控單元。其中，蓄電池儲能系統在應用時會受到環境的影響，從而導致發電功率的大幅波動。為保證系統穩定運行，較多學者都研究了儲能參數優化方法。文獻[1]研究了帶蓄電池儲能系統的DSTATCOM有功無功聯合優化控制方法，首先對系統的工作原理進行了分析，以電壓偏移、網損、電壓不均衡為目標函數，構建了一個多目標的優化模型，從而達到最佳的控制效果。文獻[2]研究了平抑電網大功率擾動的規模化電池儲能系統控制方法，利用改進的響應曲線，對模型中的控制參數進行了優化，從而達到了能量存儲系統的最優控制。上述方法能夠對儲能系統參數優化，但是優化效果不是很好。

自抗擾控制器主要沿用了PID 的誤差反饋控制思想，在沿用的基礎上進行了優化，該控制器主要對轉換過程控制，給出合理控制信號，具有較快的響應速度，并且能夠調節系統矛盾。基于這個優點，設計了基于自抗擾控制器的蓄電池儲能參數優化方法，期望提高蓄電池儲能參數優化效果。

1 基于自抗擾控制器的蓄電池儲能參數優化方法

1.1 蓄電池儲能系統的物理模型

蓄電池儲能系統的物理模型如圖1所示，系統中微電源包含較多能源，這些能源能夠構建成一個混合的分布式發電系統，為用戶提供高質量和較為穩定的電能。這些能源受到可再生能源影響較大，會導致發電功率受到較大的波動。儲能系統中，除了電池以外的部分相互獨立，為使蓄電池儲能系統穩定運行，將系統建模為一個馬爾科夫過程，經過處理后，將連續狀態轉化為相應的離散狀態[3]。

圖1 蓄電池儲能系統物理模型Fig.1 Physical model of the battery energy storage system

不同發電等級狀態下都會等待一定的時間，將其記作逗留時間，將逗留時間的概率密度函數[4]表示為

式中：εgn為服從參數；e-εgnt為負荷需求轉移參數。

設當前時刻下，系統的電池狀態為ESOC∈［0，H］。其中，H 代表電池容量，為了簡化分析，將電池容量離散化處理，將單位等級的電池容量記作δ，某一時刻下，將電池狀態等級對應的狀態記作Eb∈｛E0，E1，…，EB｝，當Eb為0 時，代表電池狀態為空，則不能放電也不能對其調頻操作，如果電池狀態為Eb=EB時，代表電池狀態為滿，此時不能再進行充電，經過一段時間后，將電池狀態公式表示為

式中：Pb（s，vs）為蓄電池儲能系統的凈充放電功率；Δt 為時間。

上述過程建立起蓄電池儲能系統模型，能夠為后續參數優化提供基礎。

1.2 信號分解

變分模態分解是一組能讀取信號分析的振型函數，并且能夠讀取一組中心頻率[5]，并在對信號進行分解時能夠再生輸入信號[6]，其表達式為

式中：Ak（t）為t 時刻的瞬間幅值變化參數；φk（t）為相位函數。

將構造變分問題轉化為求解變分問題[7]，將蓄電池儲能參數中的每個模態函數記作uk（t），然后計算單側頻譜值，主要采用希爾伯特變換方法解決，為了保證調制后的頻譜能夠修正到相應的中心頻率上，添加修正系數，將約束性變分問題[8]表示為

式中：* 為卷積符號；j 為修正系數；δ（t）為模態函數的帶寬；?i為時刻為t 時的頻率。

采用二次懲罰項對非約束性問題轉化[9]，公式如下：

同時為了避免分解的信號出現偏差，采用粒子群優化算法對波動功率抑制，其工作過程如圖2所示。

圖2 基于粒子群優化方法的參數優化流程Fig.2 Parameter optimization process based on the particle swarm optimization method

經過上述處理后，能夠得到蓄電池儲能系統相應的時域分量，為后續參數優化提供基礎。

1.3 基于自抗擾控制器的儲能參數優化

最優控制的目標是從行為集中選出一個能使系統得到最大或最小的控制決策，為此采用自抗擾控制器進行優化，自抗擾控制器中包括差動跟蹤、擴展狀態觀測、非線性反饋等模塊[10]，將動態誤差、負載擾動和位置擾動所引起的擾動頻率等因素考慮為電池儲能系統的擾動[11]。基于上述分析，采用自抗擾控制器對干擾因素分析與調節，自抗擾控制器的工作方式如圖3所示。

圖3 自抗擾控制器的工作原理Fig.3 Working principle of the self-disturbance resistance controller

圖3中，r（z）為輸入信號；x1（z），x2（z）分別為頻率擾動的跟蹤信號和微分信號[12]；e1（z），e2（z）分別為蓄電池儲能系統頻率擾動信號誤差和微分誤差；y1（z），y2（z），y3（z）分別為輸出信號的微分信號；y（z）為輸出的頻率總擾動信號。

采用自抗擾控制器中的微分信號跟蹤模塊對頻率擾動信號中的跟蹤信號和微分信號提取[13]，保證過渡過程更加平穩，將跟蹤模塊的表達式表示為

式中：x1（k），x2（k）分別為k 時刻的頻率擾動跟蹤信號與微分信號；Ts為采樣時間；g 為濾波參數。

在此基礎上估算頻率總擾動信號[14]，將觀測模塊表示為

式中：e（k）代表時刻為k 時的誤差信號；y1（k），y2（k），y3（k）分別為當前時刻的輸出信號；α1，α2，α3分別為擴張狀態觀測模塊參數；δ 代表選擇區間域；h 代表冪次函數；bu 為調節函數。

將非線性反饋模塊表示為

式中：e1（k），e2（k）分別為擾動信號誤差和擾動信號微分誤差；ξ 代表非線性函數。

經過自抗擾控制器控制，能夠有效抑制各種擾動對蓄電池儲能系統造成的危害，以此完成蓄電池儲能參數優化。

2 仿真實驗

2.1 實驗參數設置

為驗證基于自抗擾控制器的蓄電池儲能參數優化方法的有效性，進行實驗，實驗參數如表1所示。在相同實驗環境下，選擇有功無功聯合優化控制方法，平抑電網大功率擾動方法進行對比實驗，以驗證本文方法的優越性。

表1 仿真實驗參數的具體設置Tab.1 Specific setting of the simulation experiment parameters

2.2 頻率控制效果對比

本文方法與另外2 個方法的頻率控制效果如圖4所示。基于圖4能夠看出，本文方法優化后的頻率偏移量不大于0.1 Hz，原因是所研究的優化方法能夠對系統的擾動實時補償，抑制負荷以及其他波動情況對于系統頻率的影響，從而能夠保證蓄電池儲能系統頻率穩定在額定值中。而對比方法波動較大，這2 個方法雖然建立了目標函數，但是可能受到放電功率以及充電功率等因素的影響，導致頻率控制效果較差。

圖4 頻率控制效果Fig.4 Frequency control effect

2.3 充放電功率分析

本文方法與對比方法的蓄電池儲能系統的充放電功率對比曲線如圖5所示。從圖5結果可以看出，本文方法的控制效果更好，由于該方法可以根據負載的變化和風電場的變化來實現充電和放電，從而獲得更高的輸出功率，而使用了自抗擾控制器后，由于電流的干擾會被實時地補償，因此能夠更好地調節，從圖5中可以看到它是一條直線，比其他兩種方法都要好。

圖5 蓄電池儲能系統輸出功率對比圖Fig.5 Comparison diagram of the output power of the battery energy storage system

2.4 充放電模式下不同優化方法優化效果對比

預先分析本文方法與對比方法在充電模式下的調節時間，對比結果如表2所示。從表2能夠發現，本文方法控制后，在短時間內就能夠實現充電功率調節，較對比方法調節效果好。

表2 充電模式下調節時間Tab.2 Adjustment time in charging mode

接下來對比不同方法的超調量，結果如表3所示。從表3可知，本文方法具有較好的抗干擾能力，能夠有效降低系統的超調量，較對比方法優化效果好。

表3 充電模式下超調量對比Tab.3 Comparison of overshoot quantity in charging mode

在此基礎上，對比放電模式下3 種方法的調節時間，結果如表4所示，放電模式下的電壓變化量對比結果如表5所示。基于表4與表5能夠發現，本文方法在放電模式調節上，動態響應速度也較快，并且電壓變化量小，小于對比方法，說明本文方法在參數優化過程中能夠維持母線電壓穩定，具有較好的優化效果。

表4 放電模式下調節時間Tab.4 Adjustment time in discharge mode

表5 放電模式下電壓變化量對比Tab.5 Comparison of voltage changes in discharge mode

3 結語

本文設計了基于自抗擾控制器的蓄電池儲能參數優化方法，通過實驗結果表明，本文方法具有較好的參數優化效果，是可行、有效的。而在進一步改善電池的使用壽命方面，本文的研究仍存在一些缺陷，有待于進一步的改進。