ARTICLE · INTELLIGENCE

战地情报 · 详情页

来自尧图项目组的一线实战观察与深度解析

电路与系统|考虑电池动态退化与权重自适应的微网双层MPC调度

电路与系统|考虑电池动态退化与权重自适应的微网双层MPC调度 导读在汉斯出版社《电路与系统》期刊上有文章针对高比例可再生能源接入下微网运行的经济性与稳定性矛盾提出一种融合电池动态健康状态与下层权重自适应的双层模型预测控制(MPC)能量管理方法。作者信息李子恒, 方 宇, 陶钇沅, 和 祥, 徐伟杰, 曹松银, 周柳明扬州大学信息与人工智能学院(工业软件学院)江苏 扬州张继勇扬州大学电气与能源动力工程学院江苏 扬州论文详情含储能微网双层能量管理问题描述本文研究的微网由风电、光伏、锂电池储能和超级电容组成通过直流母线汇集后经并网逆变器接入公共耦合点(PCC)其结构如图 1 所示。核心优化难点在于(1) 电池全寿命周期退化成本需在短期调度中合理货币化且退化速率与 SOC、放电深度(DoD)、倍率以及当前健康状态(SOH)呈非线性关系(2) 下层控制的三个目标(并网跟踪精度、超级电容动作幅度、母线电压稳定)在不同运行阶段存在冲突固定权重难以全局最优。基于 MPC 的双层能量管理优化调度模型构建上层能源管理系统(EMS)采用模型预测控制(MPC)框架在 15~60 min 滚动时间窗内制定并网功率计划与电池运行走廊。其核心目标是最小化微网的短期运行成本该成本由两部分构成向电网购售电产生的直接电费以及电池在充放电过程中产生的等效寿命退化成本。下层能源管理系统采用模型预测控制(MPC)框架在 1~10 s 时间尺度内滚动优化以消除风光出力预测误差和负荷波动引起的功率扰动。上层 MILP 模型通过 YALMIP 建模后调用 CPLEX 求解器退化惩罚因子 ω (SOH) ω (SOH)的分段线性化采用 SOS2 约束实现。下层 QP 模型直接使用 MATLAB 的 quadprog 函数求解。模型效果评估与分析为验证本文所提双层能量管理方法的有效性仿真场景基于中国西北地区(甘肃酒泉)典型气象特征构建。风光出力数据参考中国标准气象年数据集(CSWD)中该地区的太阳辐射与风速日变化规律进行缩比适配本地负荷采用西北某工业园区典型日负荷模式。关键设备参数见表 1。选取春季某典型日24 小时风光出力及负荷数据如表 2 所示。分时电价依据甘肃省工商业分时电价政策设置如表 3 所示。优化前后微网运行指标对比汇总于表 5。仿真验证与结果分析图 2 展示了本次仿真的基础出力数据。该基础出力曲线为双层能量管理模型提供了符合西北实际气象特征的扰动源保障了仿真实验的有效性。图 4 对比了场景 1 (传统单层调度)与场景 3 (本文改进模型)的电池 SOC 轨迹。图 6、图 7 进一步对比了场景 2 (原双层模型固定权重)与场景 3 (本文改进)的电池功率。通过与传统单层调度模型的对比验证了所提模型在降低运行成本、抑制电池退化、平抑并网功率波动三个方面的综合优势第一经济层面总运行成本降低约 11.0%电池退化成本占比从 21%降至 15%第二设备寿命层面电池等效循环次数减少 30.4% (2.3→1.6 次/日)第三运行可靠性层面并网功率最大波动量从 26 kW 降至 17 kW直流母线电压最大偏差从 4.5 V降至 3.2 V。结论本文提出的混合储能微网双层 MPC 计划–控制协同方法具有经济性好、电池寿命保护显著、运行可靠性强的综合优势。基金项目国家级大学生创新创业训练计划项目(202511117048)扬州市厅科技合作资金计划项目(YZ2025201)原文链接https://doi.org/10.12677/ojcs.2026.15210
RELATED READING

延伸阅读

更多一线实战笔记与深度复盘,助您持续精进