電力系統直流裝置蓄電池組充電控制方法設計

摘"要：蓄電池組在現代電力系統中是關鍵的儲能設備，其高效可靠的充電控制對于系統穩定運行和延長電池壽命至關重要。本文提出了一種基于模型預測控制（MPC）的蓄電池組充電控制方法，通過實驗信號設計和系統辨識，建立了蓄電池組的數學模型，并設計了MPC控制器。與傳統PID控制的對比實驗表明，MPC顯著提高了充電系統的控制精度和穩定性。實際應用證明，該方法在提高智能運維、延長設備壽命和提升供電可靠性方面效果顯著，具有重要的實用價值和廣闊的推廣前景。

關鍵詞：電力系統；直流裝置；蓄電池組；模型預測控制；建模

Design"of"Charging"Control"Method"for

DC"Device"Battery"Pack"in"Power"System

Lu"Yuhai1"Hua"Weidong1"Zhu"Xinrong1"Fang"Xiaoyu1"Zhu"Weihong2

1.State"Grid"Jiangsu"Electric"Power"Co.，Ltd.Wuxi"Power"Supply"Branch"JiangsuWuxi"214000;

2.Wuxi"Tongjia"Automation"Control"Equipment"Factory"JiangsuWuxi"214187

Abstract：Battery"packs"are"key"energy"storage"devices"in"modern"power"systems，and"their"efficient"and"reliable"charging"control"is"crucial"for"stable"system"operation"and"extended"battery"life.This"article"proposes"a"charging"control"method"for"battery"packs"based"on"Model"Predictive"Control（MPC）.A"mathematical"model"of"the"battery"pack"was"established"through"experimental"signal"design"and"system"identification，and"an"MPC"controller"was"designed.The"comparative"experiment"with"traditional"PID"control"shows"that"MPC"significantly"improves"the"control"accuracy"and"stability"of"the"charging"system.Practical"application"has"proven"that"this"method"has"significant"effects"in"improving"intelligent"operation"and"maintenance，extending"equipment"life，and"enhancing"power"supply"reliability，and"has"important"practical"value"and"broad"promotion"prospects.

Keywords：power"system;DC"device;Battery"pack;Model"predictive"control;Modeling

蓄電池組是現代電力系統中重要的儲能設備，高效可靠的充電控制對于系統穩定運行、延長電池壽命和提升系統性能至關重要。

蓄電池組在充電過程中需要恒壓或者恒流，這需要自動控制手段。PID控制是最常見的方法，近年來進行了許多改進，如結合模糊控制、神經網絡和粒子群算法等［1］。有將專家控制和模糊PID相結合，利用專家經驗推理模糊PID參數［2］；有通過模糊PID和粒子群優化算法結合，優化模糊控制中的量化因子［3］；有基于模糊神經網絡的控制策略，能實時調整充電電流［4］。此外，內部電流、外部電壓的雙閉環控制策略也被用于蓄電池充電控制［5］。

模型預測控制（MPC）是一種通過系統模型預測未來行為并優化控制輸入的先進控制策略。相比傳統PID控制，MPC能更有效地處理系統約束，適應時變性，已在新能源供電系統中應用［6］。

本文首先介紹了蓄電池組充電系統的辨識實驗設計，包括初步實驗和實驗信號設計，采用最小二乘法辨識出控制模型。其次，設計并實現了基于MPC的充電控制方法，并通過仿真和實際應用驗證了其有效性。

1"直流裝置蓄電池組充電過程設計

本文采取階段充電和脈沖充電相結合的方法，其充電過程為：

（1）恒流充電：檢測端電壓，若大于115V，以6A電流充電6分鐘；若小于115V，以6A充電18分鐘。

（2）恒流脈沖充電：使用70A恒定電流充電，6分鐘后停止，檢測電壓是否大于138V；若小于則重復步驟（2），否則轉入恒壓模式。

（3）恒壓充電：使用138V恒定電壓充電，隨著電壓增大，電流會慢慢減小。當電壓超過138V時，判斷電流是否大于9A，是則重復步驟（3），否則繼續充電12分鐘后，轉入浮充充電模式。

（4）浮充充電：使用6A電流進行充電，端電壓達到130V后，結束充電。

2"直流裝置蓄電池組建模

在上述充電過程中，為實現高效、安全充電，本文引入了MPC取代傳統PID。為了實現MPC，需要獲得其模型。下面以恒流充電階段為例，對電池組充電過程進行建模。

2.1"實驗信號設計

實驗設計分為初步實驗和最終實驗。在初步實驗中，蓄電池組在電流控制器開環情況下充電，對移相角施加階躍輸入并記錄響應，估計過程響應時間Tst、過程增益K和時延Td。然后根據這些參數設計最終實驗的激勵信號ur（t），加在蓄電池組充電電流控制回路的設定值上。其中ur（t）均值Eur（t）=0，幅值在V和-V之間切換，V＞0，在每個采樣時刻t的切換概率P為：

P［ur（t）=-V］=Psw；P［ur（t）=V］=1-Psw（1）

式（1）中，Psw為切換概率，0＜Psw＜1，urt的平均切換時間ETsw：

ETsw=Tst3（2）

采樣時間ts設置為：

ts=Tst50（3）

最終實驗時間T設置為：

T=10×Tst（4）

2.2"模型辨識

將實驗信號ur（t）加在蓄電池組電流閉環控制回路設定值上，收集蓄電池組的輸入與輸出數據ZN=［y，u］，N為樣本數：

N=Tts（5）

輸出y是蓄電池組的充電電流，輸入u是晶閘管的移相角。

根據數據序列ZN，使用最小二乘方法，選擇ARX的模型進行估計：

A（q）y（t）=B（q）u（t）+ε（t）（6）

其中A（q）=1+a1q-1+…+anq-n，a1…an是常數，B（q）=b1q-1+…+bnq-n，b1…bn是常數，q-1是單位時延因子，n為模型階次，ε（t）為噪聲。

運用最小二乘法求參數θ︿的解析解：

θ︿=［φTφ］-1φTy（7）

其中：

y=y（n+1）

y（n+2）

y（N），θ︿=a1

an

b1

bn；

φ=y（n）…y（1）

y（N-1）…y（N-n）"u（n）…u（1）

"u（N-1）…u（N-n）

可得蓄電池組的控制模型為：

G（q）=b1q-1+…+bnq-n1+a1q-1+…+anq-n（8）

2.3"仿真研究

在控制器開環情況下充電，對移相角施加階躍輸入結果如圖1所示。計算響應時間Tst=10ms，過程增益K=1.0。

由式（2）可將ETsw設為3ms，V=2（A），加在充電電流閉環控制回路的設定值上。圖2為實驗信號ur（t）的波形圖。

由式（3）設置ts=0.2ms，T=100ms，由式（5）得到樣本數N=500。

根據收集到的輸入輸出序列，使用最小二乘法對式（6）的ARX模型進行參數估計。階次n選擇為2。下表為辨識的ARX模型的參數，其中，A為多項式A（q）的系數，B為多項式B（q）的系數。

3"蓄電池組充電控制方法設計

MPC通過被控對象的模型來預測未來行為，假設系統輸入為u，輸出為y，參考值為r，當前時刻為k，MPC基本原理可分為三個步驟。

（1）在時刻k，讀取系統的輸出y（k）。

（2）施加控制輸入u（k|k），預測未來Np個時刻的系統輸出：

Ypre=［yp（k+1|k），yp（k+2|k），…，yp（k+Np|k）］T（9）

式中，Np為預測時域，yp（k+1|k）為當前時刻k預測k+1時刻的輸出。

U（k）=［u（k|k），u（k+1|k），…，u（k+M|k）］T（10）

式中，M為控制時域，u（k|k）表示當前時刻k計算出的k時刻的控制輸入。

（3）在k時刻，優化計算出控制序列Uk：

J（y（k），U（k））=∑k+Npi=k+1（r（i）-Yp（i|k））2（11）

式中U（k）為控制序列，r（i）為跟蹤參考信號。

此外，還需要考慮觸發角及其變化幅度約束：

0°lt;u（k+j）lt;180°，j=1，2，…，M

5°lt;Δu（k+j）lt;15°，j=1，2，…，M

與傳統PID控制器進行對比實驗，結果如圖3所示，MPC表現出更快的響應和更高的穩態精度。

目前，上述研發成果已經在江蘇省某公配所示范應用。該直流裝置通過采用全新的充電管控，顯著提高了設備的自動化程度。

結語

本文設計了一種電力系統直流裝置蓄電池組充電控制方法，通過設計實驗信號對蓄電池組模型進行辨識，并采用模型預測控制進行充電控制。研發成果在某公配所示范應用，驗證了系統在提高智能運維、延長設備壽命以及提升供電可靠性方面效果顯著，具有實用價值和推廣前景。

參考文獻：

［1］張瑞芳.基于ARM的蓄電池智能充電系統研究［D］.西安：西安科技大學，2014.

［2］黃芳芳.基于專家模糊PID的電動汽車多模塊充電機控制研究［D］.馬鞍山：安徽工業大學，2016.

［3］SINGH"A，KARANDIKAR"P"B.Leadacid"Battery"for"HEV"Using"Fuzzy"Controller"and"Ultracapacitor［C］.2016"Biennial"International"Conference"on"Power"and"Energy"Systems：Towards"Sustainable"Energy，2016.

［4］李敬兆.采用神經網絡預測和變結構模糊控制的鉛酸蓄電池最優充電技術研究［D］.合肥：合肥工業大學，2003.

［5］QIN"Z，HUANG"S，ZOU"X，et"al.The"Research"of"Battery"Model"and"Intelligent"Charging"in"the"Rail"Transport"System［C］.International"Conference"on"Power"Electronics"Systems"amp;"Applications.IEEE，2016.

［6］LIU"B，LU"Z，YAO"K，et"al.A"MPC"Operation"Method"for"a"Photovoltaic"System"with"Batteries［J］.IFAC，2015，48（8）：807812.

作者簡介：陸育海（1970—"），男，漢族，江蘇無錫人，本科，工程師，研究方向：電力系統測量與控制。