孔令國 王嘉祺 韓子?jì)?閆華光 王士博 劉 闖 蔡國偉

基于權(quán)重調(diào)節(jié)模型預(yù)測(cè)控制的風(fēng)-光-儲(chǔ)-氫耦合系統(tǒng)在線功率調(diào)控

孔令國1王嘉祺1韓子?jì)?閆華光3王士博1劉 闖1蔡國偉1

（1. 現(xiàn)代電力系統(tǒng)仿真控制與綠色電能新技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室（東北電力大學(xué)） 吉林 132012 2. 國網(wǎng)遼寧省電力有限公司 沈陽 110006 3. 中國電力科學(xué)研究院 北京 100192）

該文針對(duì)風(fēng)-光-儲(chǔ)-氫系統(tǒng)中風(fēng)光的波動(dòng)性、儲(chǔ)氫的動(dòng)態(tài)響應(yīng)特性，實(shí)時(shí)在線優(yōu)化匹配儲(chǔ)-氫功率與風(fēng)-光功率問題，提出基于權(quán)重調(diào)節(jié)模型預(yù)測(cè)控制（MPC）的風(fēng)-光-儲(chǔ)-氫耦合系統(tǒng)在線功率調(diào)控方法。文中構(gòu)建了風(fēng)-光-儲(chǔ)-氫耦合能源系統(tǒng)拓?fù)浣Y(jié)構(gòu)，建立了耦合系統(tǒng)狀態(tài)空間模型，以耦合系統(tǒng)功率平衡為目標(biāo)，以制氫功率、燃料電池功率和電池功率為控制變量，根據(jù)氫儲(chǔ)能和電池儲(chǔ)能的特性及各約束條件將目標(biāo)函數(shù)轉(zhuǎn)換為二次規(guī)劃問題進(jìn)行求解，并在自定義s-函數(shù)建立的MPC控制器中依據(jù)復(fù)合儲(chǔ)能系統(tǒng)的狀態(tài)信息對(duì)權(quán)重因子進(jìn)行調(diào)節(jié)，實(shí)現(xiàn)了控制器的參數(shù)自適應(yīng)，最后完成了功率控制層與能量管理層的閉環(huán)仿真。通過仿真分析，對(duì)比三種調(diào)控方法，驗(yàn)證了該文所提基于變權(quán)重MPC功率調(diào)控方法的有效性和優(yōu)越性。

風(fēng)-光-儲(chǔ)-氫耦合系統(tǒng) 權(quán)重調(diào)節(jié) 模型預(yù)測(cè)控制 功率調(diào)控 閉環(huán)仿真

0 引言

2021年10月，國務(wù)院印發(fā)《2030年前碳達(dá)峰行動(dòng)方案》，方案提出在“十四五”期間要加快新型電力系統(tǒng)的構(gòu)建，推動(dòng)能源綠色低碳轉(zhuǎn)型，確保2030年前實(shí)現(xiàn)碳達(dá)峰目標(biāo)。因此，大力發(fā)展以風(fēng)電和光伏為代表的新能源是實(shí)現(xiàn)“雙碳”目標(biāo)的必經(jīng)之路，是構(gòu)建新型電力系統(tǒng)的當(dāng)務(wù)之急[1-4]。同時(shí)，氫能作為一種新興的電力系統(tǒng)儲(chǔ)能方式，具有綠色低碳、功率和能量可分開設(shè)計(jì)的特點(diǎn)，并具有長期大容量能量存儲(chǔ)潛力，故將電-氫儲(chǔ)能進(jìn)行協(xié)調(diào)配合可以提高對(duì)可再生能源的消納能力及電網(wǎng)的調(diào)節(jié)能力。因此風(fēng)-光-儲(chǔ)-氫耦合系統(tǒng)的開發(fā)利用將成為充分利用風(fēng)光資源的優(yōu)選方案之一[5-13]。目前可再生能源的研究主要以風(fēng)光發(fā)電為主，由于受季節(jié)性和天氣的影響，風(fēng)光發(fā)電具有間歇性和不確定性，加之負(fù)荷的隨機(jī)性，使得源-儲(chǔ)-荷在功率動(dòng)態(tài)平衡方面研究的重要性逐漸體現(xiàn)。由于在風(fēng)-光-儲(chǔ)-氫系統(tǒng)中各單元工作狀態(tài)不盡相同，電池儲(chǔ)能的壽命受到循環(huán)次數(shù)的限制，因此電池儲(chǔ)能不適用于深度充放電的轉(zhuǎn)換；氫氣罐作為氫氣的存儲(chǔ)容器對(duì)于儲(chǔ)氫水平也有著較高的要求，可見在平抑由負(fù)荷變化及風(fēng)光發(fā)電系統(tǒng)引起的功率波動(dòng)時(shí)，不僅要兼顧考慮各儲(chǔ)能元件的功率約束條件，而且也要考慮電池的荷電水平和儲(chǔ)氫罐的儲(chǔ)氫含量滿足在正常區(qū)間內(nèi)。因此提高系統(tǒng)的動(dòng)態(tài)功率平衡能力、增強(qiáng)氫儲(chǔ)系統(tǒng)的安全性與電儲(chǔ)系統(tǒng)的可靠性是目前風(fēng)-光-儲(chǔ)-氫耦合系統(tǒng)亟須解決的問題。

國外對(duì)風(fēng)-光-儲(chǔ)-氫能源耦合系統(tǒng)運(yùn)行的優(yōu)選方法進(jìn)行了大量研究。西班牙學(xué)者P. García等針對(duì)風(fēng)-光-儲(chǔ)-氫系統(tǒng)采用了自適應(yīng)神經(jīng)模糊推理方法，結(jié)合并網(wǎng)功率約束、氫氣罐液位、電池荷電狀態(tài)（State of Charge, SOC）提出了基于自適應(yīng)神經(jīng)模糊系統(tǒng)（Adaptive Network-based Fuzzy Inference System, ANFIS）的并網(wǎng)能量管理策略[14]。文獻(xiàn)[15]采用兩級(jí)轉(zhuǎn)換器將風(fēng)光系統(tǒng)和電池集成，與光伏組件接口的DC-DC轉(zhuǎn)換器采用基于模型預(yù)測(cè)控制（Model Predictive Control, MPC）的最大功率點(diǎn)跟蹤（Maximum Power Point Tracking, MPPT）方法。文獻(xiàn)[16]介紹了一個(gè)位于加拿大薩尼亞地區(qū)的風(fēng)-光-儲(chǔ)-氫可再生能源混合系統(tǒng)，針對(duì)電解槽和燃料電池的優(yōu)化運(yùn)行設(shè)計(jì)了模型預(yù)測(cè)控制器，以實(shí)現(xiàn)更好的功率管理。F. R. S. Sevilla等學(xué)者將模型預(yù)測(cè)方法應(yīng)用到含有電轉(zhuǎn)氣裝置的混合能源系統(tǒng)中，通過氫氣儲(chǔ)能提高了夏季光伏的利用率，在瑞士引起了廣泛的關(guān)注[17]。文獻(xiàn)[18-19]提出了基于MPC方法的并網(wǎng)系統(tǒng)能量管理策略，該方法有效地提高了可再生能源的利用率并減少了電網(wǎng)的電力消耗。國內(nèi)也有很多學(xué)者展開了研究，蔡國偉等構(gòu)造了一種風(fēng)電/制氫/燃料電池/超級(jí)電容器，其耦合于直流母線的結(jié)構(gòu)，基于規(guī)則的控制，根據(jù)電容器的荷電狀態(tài)及功率約束條件獲得10種運(yùn)行模式，確保了功率的協(xié)調(diào)流動(dòng)[20]。文獻(xiàn)[21]在此基礎(chǔ)上考慮了儲(chǔ)氫罐壓力，實(shí)現(xiàn)了風(fēng)光氫系統(tǒng)的在線能量調(diào)控。新疆大學(xué)鄧浩等針對(duì)風(fēng)-儲(chǔ)-氫系統(tǒng)考慮了燃料電池和電解槽的響應(yīng)延遲問題，結(jié)合超級(jí)電容的荷電狀態(tài)，提出了含有8種運(yùn)行模式的能量管理控制策略[22]。

上述研究均對(duì)混合能源系統(tǒng)的功率調(diào)控有著重要意義。文獻(xiàn)[20-22]中基于規(guī)則的控制策略邏輯簡(jiǎn)單且便于實(shí)現(xiàn)，能夠?qū)崿F(xiàn)系統(tǒng)功率的動(dòng)態(tài)平衡，減小風(fēng)電、光伏隨機(jī)性與波動(dòng)性對(duì)系統(tǒng)的影響，但是基于規(guī)則控制策略的好壞取決于規(guī)則的設(shè)定，因此會(huì)存在棄風(fēng)、棄光現(xiàn)象，從而導(dǎo)致可再生能源不能得到充分的利用。文獻(xiàn)[14]中基于模糊控制的調(diào)控方法不需要被控對(duì)象模型和輸入輸出關(guān)系，但是模糊控制的設(shè)計(jì)依賴設(shè)計(jì)者的經(jīng)驗(yàn)，因此其準(zhǔn)確性受到影響。針對(duì)混合能源系統(tǒng)儲(chǔ)能對(duì)象不單一、約束條件較為復(fù)雜的特點(diǎn)，更多學(xué)者將模型預(yù)測(cè)方法應(yīng)用到功率調(diào)控中[17-19]。但是文獻(xiàn)[17]對(duì)于電轉(zhuǎn)氣裝置沒有考慮電-氫和氫-電轉(zhuǎn)換電氣特性上的不同，且在控制器中在同一時(shí)間只有一種儲(chǔ)能方式參與功率調(diào)節(jié)。文獻(xiàn)[19]針對(duì)不同情景進(jìn)行了驗(yàn)證，但是在每種情景采用了固定權(quán)重作為分配原則。文獻(xiàn)[23]在電氫耦合系統(tǒng)中應(yīng)用的模型預(yù)測(cè)控制可以處理多變量問題，具有優(yōu)越的在線優(yōu)化性能，但是只考慮了在能量管理層進(jìn)行模擬而未結(jié)合功率控制層進(jìn)行閉環(huán)仿真。

從當(dāng)前的研究結(jié)果可以看出，MPC算法已在能量管理策略中得到初步應(yīng)用，但研究人員都沒有依據(jù)復(fù)合儲(chǔ)能系統(tǒng)的狀態(tài)變量信息對(duì)權(quán)重因子進(jìn)行調(diào)節(jié)，而復(fù)合儲(chǔ)能系統(tǒng)的狀態(tài)變量與權(quán)重調(diào)節(jié)對(duì)耦合系統(tǒng)的儲(chǔ)能功率分配有著重大的影響。因此基于電池荷電狀態(tài)（SOC）與儲(chǔ)氫罐荷氫水平（State of Hydrogen, SOH）信息提出了權(quán)重可調(diào)節(jié)的MPC方法。本文的主要貢獻(xiàn)在于使得耦合能源系統(tǒng)與電網(wǎng)交互功率最小，在混合儲(chǔ)能裝置得到充分利用的同時(shí)增強(qiáng)了氫儲(chǔ)系統(tǒng)的安全性與電儲(chǔ)系統(tǒng)的可靠性。為了增強(qiáng)可控功率設(shè)備的可靠性，本文根據(jù)9種運(yùn)行模式設(shè)定了權(quán)重因子的變化規(guī)則。首先構(gòu)建耦合能源系統(tǒng)拓?fù)浣Y(jié)構(gòu)，在自定義s-函數(shù)模塊模擬的MPC控制器中建立狀態(tài)空間方程，以耦合能源系統(tǒng)與電網(wǎng)交互功率最小為目標(biāo)函數(shù)，并進(jìn)行優(yōu)化問題的求解；然后將能量管理層產(chǎn)生的功率輸入到功率控制層進(jìn)行閉環(huán)仿真，實(shí)現(xiàn)風(fēng)-光-儲(chǔ)-氫耦合系統(tǒng)的在線能量調(diào)控；最后定義相關(guān)指標(biāo)評(píng)價(jià)不同控制策略的效果，驗(yàn)證本文所提策略的有效性。

1 模型構(gòu)建

1.1 風(fēng)-光-儲(chǔ)-氫耦合系統(tǒng)結(jié)構(gòu)

風(fēng)-光-儲(chǔ)-氫耦合系統(tǒng)結(jié)構(gòu)如圖1所示。系統(tǒng)由風(fēng)電、光伏、電解槽、儲(chǔ)氫罐、燃料電池、電池、負(fù)荷及電網(wǎng)構(gòu)成。風(fēng)電、光伏為本系統(tǒng)的主要能量來源，直流母線電壓由電網(wǎng)維持穩(wěn)定，MPC控制器將電儲(chǔ)能和氫儲(chǔ)能的功率進(jìn)行在線調(diào)控分配。當(dāng)風(fēng)電、光伏出力大于負(fù)荷需求時(shí)，控制系統(tǒng)啟動(dòng)電池DC-DC變流器和電解槽DC-DC變流器，多余功率由電池和電解槽吸收，電解槽通過電解水制氫將電能以氫能形式存儲(chǔ)，若電池SOC和儲(chǔ)氫罐SOH均達(dá)到上限，此時(shí)電池和電解槽停止工作，系統(tǒng)剩余功率由電網(wǎng)消納；當(dāng)風(fēng)電、光伏出力小于負(fù)荷需求時(shí)，控制系統(tǒng)啟動(dòng)電池DC-DC變流器和燃料電池DC-DC變流器，缺額功率由電池和燃料電池供給，燃料電池通過消耗氫氣來供電，若電池SOC和儲(chǔ)氫罐SOH均到達(dá)下限，此時(shí)電池和燃料電池停止工作，電網(wǎng)為系統(tǒng)提供缺額功率。

圖1 風(fēng)-光-儲(chǔ)-氫耦合系統(tǒng)結(jié)構(gòu)

1.2 風(fēng)/光模型

風(fēng)電機(jī)組機(jī)械功率[21]為

式中，air為空氣密度；w為風(fēng)輪機(jī)葉輪半徑；p為葉片的風(fēng)能轉(zhuǎn)換效率系數(shù)；w為風(fēng)速。

光伏陣列-方程為

式中，pv_p與pv_s分別為光伏陣列中光伏組件并聯(lián)數(shù)和串聯(lián)數(shù)；sc為短路電流；oc為開路電壓；1、2為修正系數(shù)[19]。

1.3 電解槽模型

本文電解采用堿式電解模型，則電解槽數(shù)學(xué)模型[21]可表示為

式中，el為電解槽輸出電壓；el為電解槽串聯(lián)個(gè)數(shù)；el為直流電流；Δ為電化學(xué)反應(yīng)過程的Gibbs自由能變；為每次反應(yīng)電子轉(zhuǎn)移數(shù)；為法拉第常數(shù)；1、2為電解液歐姆電阻參數(shù)；el為電解槽溫度；cell為電解模塊面積；s和t均為電極過電壓系數(shù)，=1, 2, 3。

電解槽的產(chǎn)氫速率可以根據(jù)法拉第定律獲得，其數(shù)學(xué)模型可表示為

1.4 燃料電池模型

本文燃料電池采用質(zhì)子交換膜燃料電池（Proton Exchange Membrane Fuel Cell, PEMFC），其數(shù)學(xué)模型[21]可表示為

1.5 儲(chǔ)氫模型

儲(chǔ)氫罐的氫氣含量取決于電解槽的產(chǎn)氫速率和燃料電池的耗氫速率，這里認(rèn)為儲(chǔ)氫模型為理想模型，不存在氫氣泄漏的情況，其模型[21]可表示為

儲(chǔ)氫罐的荷氫水平可以根據(jù)理想氣體狀態(tài)方程獲得，其數(shù)學(xué)模型為

式中，為氣體常數(shù)；sto為儲(chǔ)氫罐溫度；sto為儲(chǔ)氫罐體積；sto_max為儲(chǔ)氫罐壓力上限。

1.6 電池模型

電池?cái)?shù)學(xué)模型[21]可表示為

式中，為電池電動(dòng)勢(shì)；SOC為電池荷電狀態(tài)；0為初始內(nèi)電動(dòng)勢(shì)；為極化電壓常數(shù)；u為電壓變化系數(shù)；c為容量變化系數(shù)；n為電池額定容量；()為充放電電流；t為極化效應(yīng)系數(shù)；b為電池溫度；SOC(0)為電池荷電狀態(tài)初值；b-s和b-p分別為電池組中電池串聯(lián)和并聯(lián)個(gè)數(shù)。

2 耦合系統(tǒng)控制策略

風(fēng)電、光伏、電解槽、燃料電池、電池、負(fù)荷及電網(wǎng)通過變流器匯集于直流母線，各單元變流器控制策略如圖2所示。

圖2 系統(tǒng)各單元變流器控制策略

2.1 電網(wǎng)/風(fēng)電控制

基于反饋線性化方法完成定有功功率和定無功功率的非線性解耦控制，其中電網(wǎng)無功功率參考值1ref=0，風(fēng)電無功功率參考值2ref=0。整個(gè)系統(tǒng)分為內(nèi)環(huán)和外環(huán)控制，內(nèi)環(huán)控制解決電流的快速跟蹤控制問題，外環(huán)控制用于確定d和q參考值的大小。

2.2 電解槽控制

由MPC控制器計(jì)算獲得電解槽參考功率elref，elref與電解槽端電壓el相除產(chǎn)生電流參考值elref，電流參考值elref與電流實(shí)際值el的誤差經(jīng)過PI控制產(chǎn)生控制信號(hào)。

2.3 燃料電池控制

由MPC控制器計(jì)算獲得燃料電池參考功率fcref，fcref與燃料電池電壓fc相除產(chǎn)生電流參考值fcref，電流參考值fcref與電流實(shí)際值fc的誤差經(jīng)過PI控制產(chǎn)生控制信號(hào)。

2.4 光伏控制

光伏系統(tǒng)采用單向DC-DC控制器，其控制結(jié)構(gòu)如圖2所示。

2.5 電池控制

電池采用雙向DC-DC控制器，由MPC控制器計(jì)算獲得參考功率batref，batref與電池電壓bat相除，產(chǎn)生的電流參考值batref與bat的誤差經(jīng)過PI控制產(chǎn)生控制信號(hào)。

3 在線功率調(diào)控預(yù)測(cè)控制器設(shè)計(jì)

權(quán)重可調(diào)節(jié)MPC的功率調(diào)控方法如圖3所示。該方法是基于閉環(huán)控制的功率調(diào)控方案，能夠隨著系統(tǒng)的變化實(shí)現(xiàn)在線動(dòng)態(tài)調(diào)整可控能源設(shè)備的功率。

圖3 風(fēng)-光-儲(chǔ)-氫在線能量調(diào)控方法框圖

3.1 耦合系統(tǒng)預(yù)測(cè)模型構(gòu)建

風(fēng)-光-儲(chǔ)-氫耦合系統(tǒng)功率平衡方程可表示為

式中，wt與pv分別為風(fēng)電和光伏的有功功率；bat、fc和el分別為電池、燃料電池和電解槽的有功功率；load為負(fù)荷需求功率；grid為電網(wǎng)與耦合系統(tǒng)的交互功率。本文參考功率方向選取規(guī)則為：fc＜0表示燃料電池發(fā)出功率，bat＞0表示電池發(fā)出功率，el＞0表示電解槽吸收功率，grid＞0表示電網(wǎng)從耦合系統(tǒng)中吸收電能。

凈功率與可控能源設(shè)備產(chǎn)生的功率可以分別表示為

式中，net為凈功率，是可再生能源與負(fù)荷需求之間的差額；gen為可控能源設(shè)備產(chǎn)生的功率。net可能會(huì)出現(xiàn)正、負(fù)、零三種情況，當(dāng)net=0時(shí)，風(fēng)電、光伏產(chǎn)生的電能恰好滿足負(fù)荷的需求；當(dāng)發(fā)電能力過剩（net＞0）時(shí)，燃料電池停止工作，若電池SOC和儲(chǔ)氫罐SOH均在約束范圍內(nèi)，則由電解槽和電池吸納剩余功率；當(dāng)發(fā)電能力不足時(shí)（net＜0）時(shí)，電解槽停止工作，若電池SOC和儲(chǔ)氫罐SOH均在約束范圍內(nèi)，則由燃料電池和電池提供缺額功率。

線性離散系統(tǒng)狀態(tài)空間表達(dá)式為

系統(tǒng)矩陣、控制矩陣、被控輸出矩陣和約束輸出矩陣分別表示為

其中

式中，s為系統(tǒng)采樣時(shí)間。

3.2 控制器功率調(diào)控優(yōu)化模型構(gòu)建

風(fēng)-光-儲(chǔ)-氫耦合系統(tǒng)功率目標(biāo)函數(shù)為

其中

式中，+|表示時(shí)刻對(duì)+時(shí)刻的預(yù)測(cè)；ref為給定的參考軌跡；Δ為控制變量的增量；p為預(yù)測(cè)時(shí)域；c為控制時(shí)域；m為對(duì)輸出誤差的加權(quán)矩陣；為預(yù)測(cè)控制輸出誤差的加權(quán)因子；m為對(duì)控制增量的加權(quán)矩陣；(=1, 2, 3)為控制增量的加權(quán)因子，1、2、3分別為對(duì)電解槽功率el、燃料電池功率fc、電池功率bat的重視程度[24]。本文選取凈功率net作為參考軌跡ref(|)，控制目標(biāo)是被控輸出gen跟蹤給定的參考輸入net。

可控能源設(shè)備功率約束條件為

電池SOC及儲(chǔ)氫罐SOH約束條件為

控制增量約束條件為

式中，下標(biāo)“max”和下標(biāo)“min”分別代表對(duì)應(yīng)變量上、下限。

3.3 MPC控制器權(quán)重設(shè)置

將電-氫混合儲(chǔ)能進(jìn)行協(xié)調(diào)配合可以有效提高儲(chǔ)能單元對(duì)可再生能源的消納，減少對(duì)電網(wǎng)的沖擊。考慮到電池深度充放電對(duì)其循環(huán)次數(shù)及壽命的影響，故本文將電池SOC狀態(tài)范圍劃分為安全區(qū)間和緩沖區(qū)間；考慮到氫氣罐作為氫氣的存儲(chǔ)容器對(duì)于儲(chǔ)氫水平也有著較高的要求，因此將儲(chǔ)氫罐SOH狀態(tài)范圍也分為安全區(qū)間和緩沖區(qū)間。MPC控制器權(quán)重工況如圖4所示。圖中，SOC_op1、SOC_op2分別為電池安全區(qū)間下限、電池安全區(qū)間上限；SOH_op1、SOH_op2分別為儲(chǔ)氫罐安全區(qū)間下限、儲(chǔ)氫罐安全區(qū)間上限。

圖4 MPC控制器權(quán)重取值工況

對(duì)于輸出誤差的加權(quán)矩陣m，若加權(quán)因子越大，表明對(duì)應(yīng)的控制輸出越接近給定的參考輸入，當(dāng)加權(quán)因子增加到一定數(shù)值時(shí)，曲線跟蹤效果不會(huì)再發(fā)生明顯提升。本文重點(diǎn)是對(duì)控制增量的加權(quán)矩陣m進(jìn)行分析，控制增量加權(quán)因子越大，表明對(duì)應(yīng)的控制動(dòng)作變化越小[23]。當(dāng)凈功率net＞0時(shí)，系統(tǒng)存在剩余功率，此時(shí)燃料電池發(fā)出功率為0，對(duì)應(yīng)于20，電解槽與電池吸收的功率取決于31；當(dāng)凈功率net＜0時(shí)，系統(tǒng)存在缺額功率，此時(shí)電解槽吸收功率為0，對(duì)應(yīng)于10時(shí)，燃料電池與電池發(fā)出的功率取決于32。

情況1：若滿足

若net＞0，電池被充電，電解槽和燃料電池不工作，令權(quán)重矩陣m=diag[1 0 0]；若net＜0，燃料電池放電，電解槽和電池不工作，令權(quán)重矩陣m=diag[0 0 1]。

情況2：若滿足

在此情況下，操作與情況1相同。

情況3：若滿足

若net＞0，電池和電解槽同時(shí)繼續(xù)吸收功率直至飽和，令權(quán)重矩陣m=diag[1 0 1]；若net＜0，則電池優(yōu)先輸出功率，令權(quán)重矩陣m=diag[0 1 0]。

情況4：若滿足

此時(shí)與情況1相同。

情況5：若滿足

若net＞0，燃料電池不工作，電池和電解槽同時(shí)吸收功率，設(shè)置電解槽承擔(dān)較多的不平衡功率，令權(quán)重矩陣m=diag[1 0 5]；若net＜0，電解槽不工作，電池和燃料電池同時(shí)發(fā)出功率，設(shè)置燃料電池承擔(dān)較多的不平衡功率，令m=diag[0 1 5]。

情況6：若滿足

若net＞0，電解槽工作，電池和燃料電池不工作，令權(quán)重矩陣m=diag[0 0 1]；若net＜0，電池發(fā)電，電解槽和燃料電池不工作，令權(quán)重矩陣m=diag[0 1 0]。

情況7：若滿足

若net＞0，令電池優(yōu)先充電到正常區(qū)間，然后電解槽再恢復(fù)儲(chǔ)氫工作，權(quán)重矩陣m=diag[1 0 0]；若net＜0，燃料電池先發(fā)電直至SOH為0，然后電池開始放電，令權(quán)重矩陣m=diag[0 0 1]。

情況8：若滿足

在此情況下，操作與情況6相同。

情況9：若滿足

在此情況下，操作與情況6相同。

3.4 控制器模型求解

含有約束MPC的優(yōu)化問題可以轉(zhuǎn)換為二次規(guī)劃問題，求解步驟如下所示。

1）設(shè)置MPC算法采樣時(shí)間s、預(yù)測(cè)時(shí)域p、控制時(shí)域c、輸出誤差的加權(quán)矩陣m、控制增量的加權(quán)矩陣m。

2）計(jì)算MPC算法中應(yīng)用到的系數(shù)矩陣、、x1、u1、Δu1、、。

其中，定義向量分別為

耦合系統(tǒng)目標(biāo)函數(shù)向量形式為

故原優(yōu)化問題轉(zhuǎn)換為

其中

由式（37）可知矩陣和分別為

3）采用Matlab工具箱中的quadprog函數(shù)求解MPC問題的最優(yōu)解，獲得使得目標(biāo)函數(shù)最小的Δ()，進(jìn)而可以求得當(dāng)前時(shí)刻的控制量為

3.5 功率調(diào)控流程

風(fēng)-光-儲(chǔ)-氫耦合系統(tǒng)功率調(diào)控具體步驟如下：

1）采集狀態(tài)參數(shù)，包括電解槽功率el、燃料電池功率fc、電池功率bat、電池SOC、儲(chǔ)氫罐SOH、電解槽電壓el、燃料電池電壓fc、電池電壓bat。

2）根據(jù)凈功率、電池SOC及儲(chǔ)氫罐SOH，由圖4的9種運(yùn)行情況確定MPC的權(quán)重參數(shù)。

3）求解風(fēng)-光-儲(chǔ)-氫耦合系統(tǒng)目標(biāo)函數(shù)，可以將目標(biāo)函數(shù)轉(zhuǎn)換成二次規(guī)劃問題并計(jì)算出當(dāng)前控制增量最優(yōu)序列，從而得到當(dāng)前時(shí)刻控制量，輸出電解槽、燃料電池及電池的參考功率。

4）系統(tǒng)各單元變流器執(zhí)行基于PI理論的協(xié)調(diào)控制策略，如圖2所示。

5）更新系統(tǒng)狀態(tài)參數(shù)，包括電解槽功率el、燃料電池功率fc、電池功率bat、電池SOC、儲(chǔ)氫罐SOH、電解槽電壓el、燃料電池電壓fc、電池電壓bat。

6）判斷循環(huán)次數(shù)是否達(dá)到上限，若達(dá)到仿真時(shí)長，則結(jié)束仿真；否則繼續(xù)執(zhí)行步驟1）～步驟5）。

4 仿真分析

4.1 基于s-函數(shù)自定義模型預(yù)測(cè)控制器

利用s-函數(shù)自定義功能，在Matlab/Simulink中自定義開發(fā)模型預(yù)測(cè)控制器，如圖5所示。

圖5 自定義模型預(yù)測(cè)控制器

Simulink在仿真過程中反復(fù)調(diào)用s-函數(shù)，在調(diào)用過程中s-函數(shù)子程序?qū)⑼瓿梢韵鹿ぷ鲀?nèi)容：

1）在仿真循環(huán)之前，Simulink初始化s-函數(shù)。其中系統(tǒng)有14個(gè)離散變量，輸入端口有14個(gè)，分別為電解槽端電壓el、燃料電池端電壓fc、電池端電壓bat、儲(chǔ)氫罐SOH、電池SOC、可控能源功率gen、電解槽功率el、燃料功率fc，電池功率bat、凈功率net、電解槽工作效率F、控制變量的權(quán)重因子（=1，2，3）；輸出端口有3個(gè)，分別為協(xié)調(diào)控制策略中可控能源的參考功率，即電解槽功率el()、燃料功率fc()，電池功率bat()。

2）計(jì)算每個(gè)輸出端口的輸出值el(+)fc(+)、bat(+)。

3）調(diào)用mdlUpdate函數(shù)，此過程在每個(gè)采樣時(shí)間都要執(zhí)行一次，為當(dāng)前的仿真循環(huán)更新離散狀態(tài)。

4.2 參數(shù)設(shè)置

本文采用MW級(jí)別機(jī)組作為算例基礎(chǔ)，各機(jī)組通過不同的變換電路耦合于直流母線，被控直流母線電壓為1.1 kV，系統(tǒng)結(jié)構(gòu)如圖1所示。系統(tǒng)控制器參數(shù)及系統(tǒng)參數(shù)分別見附表1和附表2。MPC控制器每0.1 s進(jìn)行一次采樣，MPC算法中預(yù)測(cè)時(shí)域p=5，控制時(shí)域c=4。本文仿真時(shí)長為12 s，系統(tǒng)風(fēng)電、光伏、負(fù)荷及凈功率曲線如圖6所示。

圖6 新能源及負(fù)荷功率曲線

4.3 仿真驗(yàn)證

本文采用Matlab/Simulink仿真軟件搭建了風(fēng)-光-儲(chǔ)-氫耦合系統(tǒng)的仿真模型，為了驗(yàn)證本文所提策略的有效性，選取三種不同場(chǎng)景進(jìn)行分析研究，每種場(chǎng)景將狀態(tài)控制、固定權(quán)重MPC、可調(diào)節(jié)權(quán)重MPC下的電解槽功率el、燃料電池功率fc、電池功率bat、電池SOC和儲(chǔ)氫罐SOH進(jìn)行對(duì)比分析。本文采用的狀態(tài)控制策略如附圖1所示，為了避免儲(chǔ)能在進(jìn)行充放電后超限，因此對(duì)SOC和SOH的狀態(tài)信息進(jìn)行控制，附圖1中顯示了不同的操作狀態(tài)1～8。

4.3.1 電池處于深度充電區(qū)域下的仿真驗(yàn)證

設(shè)置SOC初始值為0.89，SOH初始值為0.5，MPC固定權(quán)重設(shè)定m=diag[1 1 5]。系統(tǒng)功率仿真結(jié)果如圖7～圖9所示。

在MPC中，MPC控制器的采樣時(shí)間為0.1 s，由MPC控制器輸出的el、fc及bat每間隔0.1 s進(jìn)行一次預(yù)測(cè)。MPC控制器將輸出的控制量作為風(fēng)-光-儲(chǔ)-氫耦合系統(tǒng)可控能源設(shè)備的參考功率，由圖7～圖9中MPC下的曲線可知，經(jīng)過圖2所示的變流器協(xié)調(diào)控制后，輸出的電解槽功率、燃料電池功率、電池功率也間隔0.1 s對(duì)新預(yù)測(cè)參考值進(jìn)行跟蹤，且跟蹤效果良好。

圖7 電池深度充電時(shí)電解槽功率對(duì)比結(jié)果

圖8 電池深度充電時(shí)電池功率對(duì)比結(jié)果

圖9 電池深度充電時(shí)燃料電池功率對(duì)比結(jié)果

0～7.7 s、9.2～12 s內(nèi)系統(tǒng)存在剩余功率，此時(shí)燃料電池停止出力。0～4.2 s狀態(tài)控制工作在方式7，電池以額定功率吸收功率，未完全消納的功率則被電解制氫存儲(chǔ)到氫氣罐中。4.2～6.6 s、9.2～10.2 s狀態(tài)控制工作在方式7，系統(tǒng)中的凈功率完全由電池消納。6.6～7.7 s、10.2～12 s內(nèi)SOC達(dá)到上限，電池不能再吸收功率，因此狀態(tài)控制工作在方式6。7.7～9.2 s內(nèi)系統(tǒng)存在缺額功率，此時(shí)電解槽停止出力，狀態(tài)控制工作在方式2，缺額功率完全由電池提供。固定權(quán)重MPC在0～7.7 s、9.2～12 s內(nèi)總是以5:1的比例將電解槽和電池吸收功率進(jìn)行分配，7.7～9.2 s內(nèi)總是以5:1的比例將燃料電池和電池發(fā)出功率進(jìn)行分配?？烧{(diào)節(jié)權(quán)重MPC中在1.2 s時(shí)進(jìn)行模式切換，使得電解槽承擔(dān)主要功率，SOC略有上升。7.7～8.1 s內(nèi)由于SOC略微超過安全區(qū)間上限，電池開始放電從而可以快速回到安全區(qū)間。

電池深度充電時(shí)不同控制下SOH對(duì)比如圖10所示。由圖10可知，0～1.2 s內(nèi)，SOH在三種不同控制方式作用下的變化近似相同，1.2 s后在可調(diào)節(jié)權(quán)重MPC方式中得到快速上升，由此可以看出電解槽在可調(diào)節(jié)權(quán)重MPC方法下可以得到最大利用效果。

圖10 電池深度充電時(shí)SOH對(duì)比結(jié)果

不同控制下SOC對(duì)比如圖11所示。由圖11可知，0.6 s后，狀態(tài)控制下的SOC已經(jīng)進(jìn)入電池緩沖區(qū)間，6.6 s時(shí)SOC第一次達(dá)到上限，經(jīng)過短暫放電后在10.2 s時(shí)第二次達(dá)到上限。1.2 s后經(jīng)過固定權(quán)重MPC的SOC進(jìn)入緩沖區(qū)間，雖然在仿真時(shí)長內(nèi)沒有達(dá)到上限，但是也極易發(fā)生停機(jī)。1.2 s后可調(diào)節(jié)權(quán)重MPC雖然也略超過安全區(qū)間上限從而進(jìn)入緩沖區(qū)間，但是8.1 s后受到凈功率變化的作用，SOC開始下降，因此可調(diào)節(jié)權(quán)重MPC是三種控制中最容易回到安全區(qū)間的方式。

圖11 電池深度充電時(shí)SOC對(duì)比結(jié)果

4.3.2 電池處于深度放電區(qū)域下的仿真驗(yàn)證

設(shè)置SOC初始值為0.06，SOH初始值為0.5，MPC固定權(quán)重設(shè)定為m=diag[1 1 5]。系統(tǒng)功率仿真結(jié)果如圖12～圖14所示。

圖12 電池深度放電時(shí)電解槽功率對(duì)比結(jié)果

圖13 電池深度放電時(shí)電池功率對(duì)比結(jié)果

圖14 電池深度放電時(shí)燃料電池功率對(duì)比結(jié)果

0～4.2 s、10.5～12 s內(nèi)狀態(tài)控制工作在方式7，電池以額定功率出力，剩余功率則由電解槽消納。4.2～7.7 s、9.2～10.5 s內(nèi)狀態(tài)控制工作在方式7，系統(tǒng)凈功率完全由電池消納。7.7～9.2 s內(nèi)凈功率小于0，此時(shí)電解槽停止出力，缺額功率可以完全由電池提供，狀態(tài)控制工作在方式2。固定權(quán)重MPC在仿真時(shí)長內(nèi)始終以5:1的比例分配氫儲(chǔ)能與電儲(chǔ)能獲得的功率。由于電池初始荷電狀態(tài)處于緩沖區(qū)間，2.1 s前可調(diào)節(jié)權(quán)重MPC應(yīng)當(dāng)以電池為優(yōu)先原則進(jìn)行充電，2.1 s后隨著SOC進(jìn)入安全區(qū)間，可調(diào)節(jié)權(quán)重MPC進(jìn)行情況切換，此時(shí)工作情況與固定權(quán)重MPC基本相同。

電池深度放電時(shí)不同控制下SOH對(duì)比如圖15所示。由圖15可知，2.1 s前由于三種控制方式下的電解槽吸收功率相差不大，因此SOH沒有發(fā)生明顯變化；2.1 s后固定權(quán)重MPC和可調(diào)節(jié)權(quán)重MPC方式中電解槽主要承擔(dān)系統(tǒng)中的剩余功率，因此SOH快速上升。

圖15 電池深度放電時(shí)SOH對(duì)比結(jié)果

不同控制下SOC對(duì)比如圖16所示。由圖16可知，由于電池初始荷電水平處于緩沖區(qū)，2.1 s前狀態(tài)控制和可調(diào)節(jié)權(quán)重MPC此時(shí)都優(yōu)先給電池充電；2.1 s后使得SOC進(jìn)入安全區(qū)間，而固定權(quán)重MPC在運(yùn)行6 s后才脫離緩沖區(qū)間，此時(shí)兩種控制均優(yōu)先于固定權(quán)重MPC方式。

圖16 電池深度放電時(shí)SOC對(duì)比結(jié)果

4.3.3 儲(chǔ)氫量處于極端值的仿真驗(yàn)證

設(shè)置SOC初始值為0.5，SOH初始值為0.78，MPC固定權(quán)重設(shè)定m=diag[1 1 5]。系統(tǒng)功率仿真結(jié)果如圖17～圖19所示。

圖17 儲(chǔ)氫量處于極端值時(shí)電解槽功率對(duì)比結(jié)果

圖18 儲(chǔ)氫量處于極端值時(shí)電池功率對(duì)比結(jié)果

圖19 儲(chǔ)氫量處于極端值時(shí)燃料電池功率對(duì)比結(jié)果

由圖17～圖19可知，0～1 s可調(diào)節(jié)權(quán)重與固定權(quán)重曲線相同，1 s后由于儲(chǔ)氫罐中SOH含量進(jìn)入緩沖區(qū)間，可調(diào)節(jié)權(quán)重MPC將電池滿發(fā)，剩余則由電解槽消納，因此在1～7.7 s可調(diào)節(jié)權(quán)重MPC與狀態(tài)控制基本相同，7.7～9.2 s由于系統(tǒng)存在缺額功率，可調(diào)節(jié)權(quán)重MPC此時(shí)則啟動(dòng)燃料電池使得儲(chǔ)氫罐荷氫水平進(jìn)入安全區(qū)間。

儲(chǔ)氫量處于極端值時(shí)不同控制下SOH對(duì)比如圖20所示。由圖20可知，0～1 s內(nèi)，SOH在三種不同控制方式作用下的變化近似相同，1 s后在固定權(quán)重MPC方式中得到快速上升，由此可以看出在該種情景下固定權(quán)重方式更容易發(fā)生電解槽的停機(jī)，此時(shí)狀態(tài)控制和可調(diào)節(jié)權(quán)重MPC要優(yōu)于固定權(quán)重MPC。7.7 s后在可調(diào)節(jié)權(quán)重MPC中由于燃料電池的放電作用使得儲(chǔ)氫罐含量下降，若實(shí)際中放電時(shí)長更長，則可以發(fā)現(xiàn)可調(diào)節(jié)權(quán)重MPC相較于狀態(tài)控制安全性明顯增強(qiáng)。

圖20 儲(chǔ)氫量處于極端值時(shí)SOH對(duì)比結(jié)果

不同控制下SOC對(duì)比如圖21所示。由圖21可知，0～1 s內(nèi)，SOC上升速度在兩種MPC方式中相同，1 s后可調(diào)節(jié)權(quán)重MPC和狀態(tài)控制SOC快速上升，電池得到充分利用，此時(shí)兩種方式要優(yōu)于固定權(quán)重MPC方式。

圖21 儲(chǔ)氫量處于極端值時(shí)SOC對(duì)比結(jié)果

本文選取電池處于深度充放電區(qū)域的時(shí)長和電解槽啟停次數(shù)作為評(píng)價(jià)三種控制效果優(yōu)劣的標(biāo)準(zhǔn)，在相同時(shí)間內(nèi)電池處于深度充放電區(qū)域時(shí)間越短、電解槽啟停次數(shù)越少，控制策略越有優(yōu)勢(shì)，三種控制策略的評(píng)價(jià)指標(biāo)對(duì)比見表3。

表3 控制策略評(píng)價(jià)指標(biāo)

Tab.3 Control strategy evaluation index

當(dāng)電池SOC處于低水平時(shí)，在可調(diào)節(jié)權(quán)重因子的MPC中，將會(huì)優(yōu)先給電池進(jìn)行充電，使電池SOC能夠快速回到正常范圍，防止電池長期處于深度放電區(qū)域；狀態(tài)控制和固定權(quán)重MPC雖然能夠使電池SOC和儲(chǔ)氫罐SOH維持在最大上下限區(qū)間，但是會(huì)存在某種儲(chǔ)能裝置被充分利用，另一種儲(chǔ)能裝置卻沒有達(dá)到理想工作情況的現(xiàn)象，因此電池更容易發(fā)生過充或過放現(xiàn)象，儲(chǔ)氫水平到達(dá)警戒范圍次數(shù)增多且兩者回歸正常水平的時(shí)間更慢。狀態(tài)控制和固定權(quán)重MPC在上限或下限的邊界時(shí)會(huì)引發(fā)電解槽或燃料電池的頻繁動(dòng)作，而可調(diào)節(jié)權(quán)重因子的MPC在達(dá)到安全限值時(shí)能夠及時(shí)切換儲(chǔ)能工作模式，提高了設(shè)備的可靠性。

5 結(jié)論

本文構(gòu)建了風(fēng)-光-儲(chǔ)-氫耦合系統(tǒng)結(jié)構(gòu)，建立了耦合系統(tǒng)的狀態(tài)空間，基于s-函數(shù)自定義了MPC控制器，針對(duì)系統(tǒng)的9種不同運(yùn)行模式，提出了契合的功率在線調(diào)控方法，通過仿真分析得到結(jié)論如下：

1）基于MPC的在線功率調(diào)控方法，實(shí)現(xiàn)了耦合系統(tǒng)的電-氫儲(chǔ)能在線定量比例調(diào)節(jié)。

2）基于自定義s-函數(shù)開發(fā)了參數(shù)自適應(yīng)的MPC在線控制器，且完成了系統(tǒng)的閉環(huán)仿真驗(yàn)證，為風(fēng)-光-儲(chǔ)-氫等多輸入多輸出系統(tǒng)提供了Simulink環(huán)境下靈活、開放在線MPC優(yōu)化控制模塊。

3）將三種不同控制策略進(jìn)行對(duì)比，相比于采用狀態(tài)控制、固定權(quán)重因子的MPC，本文根據(jù)不同工況對(duì)MPC權(quán)重因子進(jìn)行改變，提高了電-氫儲(chǔ)能參與度的靈活性和系統(tǒng)運(yùn)行可靠性。

1. 系統(tǒng)仿真參數(shù)設(shè)置

附表1 系統(tǒng)控制器參數(shù)

App.Tab.1 Controller parameters of the system

參數(shù)數(shù)值 電池充電比例積分時(shí)間常數(shù)kp6, ki60.4, 0.000 7 電池放電比例積分時(shí)間常數(shù)kp5, ki50.2, 0.01 電解槽比例積分時(shí)間常數(shù)kp10, ki100.08, 0.01 燃料電池比例積分時(shí)間常數(shù)kp9, ki91, 0.005 風(fēng)電比例積分時(shí)間常數(shù)kp1, kp2, ki1, ki2風(fēng)電模塊增益常數(shù)k1, k2電網(wǎng)比例積分常數(shù)kp3, kp4, ki3, ki4電網(wǎng)模塊增益常數(shù)k3, k4500, 200, 1, 1 25 000, 3 000 500, 50, 0, 70 1 500, 1 500

附表2 系統(tǒng)參數(shù)

App.Tab.2 Parameters of the system

設(shè)備參數(shù)數(shù)值 電池電池容量Qn/(A·h)10 荷電狀態(tài)范圍下限SOCmin(%)0 荷電狀態(tài)范圍上限SOCmax(%)100 電池安全區(qū)間下限SOC_op1(%)10 電池安全區(qū)間上限SOC_op2(%)90 電池放電功率上限Pbat_dismax/MW1 電池放電功率下限Pbat_dismin/MW0 電池充電功率上限Pbat_chmax/MW1 電池充電功率下限Pbat_chmin/MW0 電池電壓Ubat/kV0.5 電解槽法拉第常數(shù)F/(C/mol)96 845 自由能變?chǔ)/(kJ/mol)237 每次反應(yīng)電子轉(zhuǎn)移數(shù)z2 電解液歐姆電阻參數(shù)r1/(Ω·m2)7.33×10-5 電解液歐姆電阻參數(shù)r2/(Ω·m2)-1.11×10-7 電極過電壓系數(shù)s1/V0.159 電極過電壓系數(shù)s2/(V/K)1.38×10-3 電極過電壓系數(shù)s3/(V/K2)-1.61×10-5 電極過電壓系數(shù)t1/(m2/A)1.6×10-2 電極過電壓系數(shù)t2/(m2·K/A)-1.302 電極過電壓系數(shù)t3/(m2·K2/A)4.21×102 電解槽串聯(lián)個(gè)數(shù)Nel400 電解模塊面積Acell/m20.18 電解槽功率下限Pelmin/MW0 電解槽功率上限Pelmax/MW5 電解槽電壓Uel/kV0.5

（續(xù)）

設(shè)備參數(shù)數(shù)值 燃料電池燃料電池功率下限Pfcmin/MW0 燃料電池功率上限Pfcmax/MW2 燃料電池電壓Ufc/kV0.5 燃料串聯(lián)個(gè)數(shù)Nfc450

（續(xù)）

設(shè)備參數(shù)數(shù)值 儲(chǔ)氫罐荷氫狀態(tài)下限SOHmin(%)0 荷氫狀態(tài)上限SOHmax(%)100 儲(chǔ)氫罐安全區(qū)間下限SOH_op1(%)20 儲(chǔ)氫罐安全區(qū)間上限SOH_op2(%)80

2. 狀態(tài)控制策略圖

附圖1 狀態(tài)控制策略框圖

App.Fig.1 State control strategy block diagram

[1] 黃雨涵, 丁濤, 李雨婷, 等. 碳中和背景下能源低碳化技術(shù)綜述及對(duì)新型電力系統(tǒng)發(fā)展的啟示[J]. 中國電機(jī)工程學(xué)報(bào), 2021, 41(增刊1): 28-51. Huang Yuhan, Ding Tao, Li Yuting, et al. Decarbonization technologies and inspirations for the development of novel power systems in the context of carbon neutrality[J]. Proceedings of the CSEE, 2021, 41(S1): 28-51.

[2] 張智剛, 康重慶. 碳中和目標(biāo)下構(gòu)建新型電力系統(tǒng)的挑戰(zhàn)與展望[J]. 中國電機(jī)工程學(xué)報(bào), 2022, 42(8): 2806-2819. Zhang Zhigang, Kang Chongqing. Challenges and prospects for constructing the new-type power system towards a carbon neutrality future[J]. Proceedings of the CSEE, 2022, 42(8): 2806-2819.

[3] 潘光勝, 顧鐘凡, 羅恩博, 等. 新型電力系統(tǒng)背景下的電制氫技術(shù)分析與展望[J]. 電力系統(tǒng)自動(dòng)化, 2023, 47(10): 1-13. Pan Guangsheng, Gu Zhongfan, Luo Enbo, et al. Analysis and prospect of electrolytic hydrogen technology under background of new power systems[J]. Automation of Electric Power Systems, 2023, 47(10): 1-13.

[4] 李建林, 李雅欣, 劉海濤, 等. 計(jì)及儲(chǔ)能電站安全性的功率分配策略研究[J]. 電工技術(shù)學(xué)報(bào), 2022, 37(23): 5976-5986.Li Jianlin, Li Yaxin, Liu Haitao, et al. Research on power distribution strategy considering the safety of energy storage power station[J]. Transactions of China Electrotechnical Society, 2022, 37(23): 5976-5986.

[5] 楊煒晨, 苗世洪, 劉志偉, 等. 面向分布式電源功率波動(dòng)平抑的變頻空調(diào)集群多時(shí)間尺度模型預(yù)測(cè)控制策略[J]. 電工技術(shù)學(xué)報(bào), 2022, 37(19): 4848-4861.Yang Weichen, Miao Shihong, Liu Zhiwei, et al. Multi-time-scale model predictive control of inverter air conditioner cluster for distributed power fluctuation stabilization[J]. Transactions of China Electrotechnical Society, 2022, 37(19): 4848-4861.

[6] 袁鐵江, 孫傳帥, 譚捷, 等. 考慮氫負(fù)荷的新型電力系統(tǒng)電源規(guī)劃[J]. 中國電機(jī)工程學(xué)報(bào), 2022, 42(17): 6316-6326. Yuan Tiejiang, Sun Chuanshuai, Tan Jie, et al. Generation planning of new power system considering hydrogen load[J]. Proceedings of the CSEE, 2022, 42(17): 6316-6326.

[7] 郭立東, 雷鳴宇, 楊子龍, 等. 光儲(chǔ)微網(wǎng)系統(tǒng)多目標(biāo)協(xié)調(diào)控制策略[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(19): 4121-4131. Guo Lidong, Lei Mingyu, Yang Zilong, et al. Multi-objective coordinated control strategy for photovoltaic and energy-storage microgrid system[J]. Transactions of China Electrotechnical Society, 2021, 36(19): 4121-4131.

[8] 肖朝霞, 賈雙, 朱建國, 等. 風(fēng)光儲(chǔ)微電網(wǎng)并網(wǎng)聯(lián)絡(luò)線功率控制策略[J]. 電工技術(shù)學(xué)報(bào), 2017, 32(15): 169-179. Xiao Zhaoxia, Jia Shuang, Zhu Jianguo, et al. Tie-line power flow control strategy for a grid-connected microgrid containing wind, photovoltaic and battery[J]. Transactions of China Electrotechnical Society, 2017, 32(15): 169-179.

[9] 周強(qiáng), 汪寧渤, 何世恩, 等. 高棄風(fēng)棄光背景下中國新能源發(fā)展總結(jié)及前景探究[J]. 電力系統(tǒng)保護(hù)與控制, 2017, 45(10): 146-154. Zhou Qiang, Wang Ningbo, He Shien, et al. Summary and prospect of China’s new energy development under the background of high abandoned new energy power[J]. Power System Protection and Control, 2017, 45(10): 146-154.

[10] 李奇, 趙淑丹, 蒲雨辰, 等. 考慮電氫耦合的混合儲(chǔ)能微電網(wǎng)容量配置優(yōu)化[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(3): 486-495. Li Qi, Zhao Shudan, Pu Yuchen, et al. Capacity optimization of hybrid energy storage microgrid considering electricity-hydrogen coupling[J]. Transactions of China Electrotechnical Society, 2021, 36(3): 486-495.

[11] 郭小強(qiáng), 魏玉鵬, 萬燕鳴, 等. 新能源制氫電力電子變換器綜述[J]. 電力系統(tǒng)自動(dòng)化, 2021, 45(20): 185-199. Guo Xiaoqiang, Wei Yupeng, Wan Yanming, et al. Review on power electronic converters for producing hydrogen from renewable energy sources[J]. Automation of Electric Power Systems, 2021, 45(20): 185-199.

[12] 李爭(zhēng), 張蕊, 孫鶴旭, 等. 可再生能源多能互補(bǔ)制-儲(chǔ)-運(yùn)氫關(guān)鍵技術(shù)綜述[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(3): 446-462. Li Zheng, Zhang Rui, Sun Hexu, et al. Review on key technologies of hydrogen generation, storage and transportation based on multi-energy complementary renewable energy[J]. Transactions of China Electrotechnical Society, 2021, 36(3): 446-462.

[13] 楊文強(qiáng), 邢小文, 覃姝儀, 等. 大規(guī)模風(fēng)/光互補(bǔ)制儲(chǔ)氫系統(tǒng)協(xié)調(diào)控制策略研究[J]. 電力電子技術(shù), 2020, 54(12): 24-27, 55. Yang Wenqiang, Xing Xiaowen, Qin Shuyi, et al. Study of coordination control strategy of large-scale wind/PV hybrid hydrogen energy system[J]. Power Electronics, 2020, 54(12): 24-27, 55.

[14] García P, García C A, Fernández L M, et al. ANFIS-based control of a grid-connected hybrid system integrating renewable energies, hydrogen and batteries[J]. IEEE Transactions on Industrial Informatics, 2014, 10(2): 1107-1117.

[15] Ghosh S, Barman J C, Batarseh I. Model predictive control of multi-input solar-wind hybrid system in DC community with battery back-up[C]//2021 IEEE 12th International Symposium on Power Electronics for Distributed Generation Systems (PEDG), Chicago, IL, USA, 2021: 1-8.

[16] Trifkovic M, Sheikhzadeh M, Nigim K, et al. Modeling and control of a renewable hybrid energy system with hydrogen storage[J]. IEEE Transactions on Control Systems Technology, 2014, 22(1): 169-179.

[17] Sevilla F R S, Park C, Knazkins V, et al. Model predictive control of energy systems with hybrid storage[C]//2016 IEEE Power and Energy Society General Meeting (PESGM), Boston, MA, USA, 2016: 1-5.

[18] Aguilera Gonzalez A, Bottarini M, Vechiu I, et al. Model predictive control for the energy management of a hybrid PV/battery/fuel cell power plant[C]//2019 International Conference on Smart Energy Systems and Technologies (SEST), Porto, Portugal, 2019: 1-6.

[19] Valverde L, Bordons C, Rosa F. Integration of fuel cell technologies in renewable-energy-based microgrids optimizing operational costs and durability[J]. IEEE Transactions on Industrial Electronics, 2016, 63(1): 167-177.

[20] 蔡國偉, 陳沖, 孔令國, 等. 風(fēng)電/制氫/燃料電池/超級(jí)電容器混合系統(tǒng)控制策略[J]. 電工技術(shù)學(xué)報(bào), 2017, 32(17): 84-94. Cai Guowei, Chen Chong, Kong Lingguo, et al. Control of hybrid system of wind/hydrogen/fuel cell/supercapacitor[J]. Transactions of China Electrotechnical Society, 2017, 32(17): 84-94.

[21] 孔令國, 蔡國偉, 李龍飛, 等. 風(fēng)光氫綜合能源系統(tǒng)在線能量調(diào)控策略與實(shí)驗(yàn)平臺(tái)搭建[J]. 電工技術(shù)學(xué)報(bào), 2018, 33(14): 3371-3384. Kong Lingguo, Cai Guowei, Li Longfei, et al. Online energy control strategy and experimental platform of integrated energy system of wind, photovoltaic and hydrogen[J]. Transactions of China Electrotechnical Society, 2018, 33(14): 3371-3384.

[22] 鄧浩, 陳潔, 焦東東, 等. 風(fēng)氫耦合并網(wǎng)系統(tǒng)能量管理控制策略[J]. 高電壓技術(shù), 2020, 46(1): 99-106. Deng Hao, Chen Jie, Jiao Dongdong, et al. Control strategy for energy management of hybrid grid-connected system of wind and hydrogen[J]. High Voltage Engineering, 2020, 46(1): 99-106.

[23] 孔令國, 于家敏, 蔡國偉, 等. 基于模型預(yù)測(cè)控制的離網(wǎng)電氫耦合系統(tǒng)功率調(diào)控[J]. 中國電機(jī)工程學(xué)報(bào), 2021, 41(9): 3139-3149. Kong Lingguo, Yu Jiamin, Cai Guowei, et al. Power regulation of off-grid electro-hydrogen coupled system based on model predictive control[J]. Proceedings of the CSEE, 2021, 41(9): 3139-3149.

[24] 陳虹. 模型預(yù)測(cè)控制[M]. 北京: 科學(xué)出版社, 2013.

On-Line Power Regulation of Wind-Photovoltaic-Storage-Hydrogen Coupling System Based on Weight Adjustment Model Predictive Control

Kong Lingguo1Wang Jiaqi1Han Zijiao2Yan Huaguang3Wang Shibo1Liu Chuang1Cai Guowei1

（1. Key Laboratory of Modern Power System Simulation and Control & Renewable Energy Technology Northeast Electric Power University Jilin 132012 China 2. State Grid Liaoning Electric Power Co. Ltd Shenyang 110006 China 3. China Electric Power Research Institute Beijing 100192 China）

With the proposal of carbon peaking and carbon neutrality, the development of renewable energy has become a top priority in the construction of a new green power system. The development and utilization of wind-photovoltaic-storage-hydrogen coupling system will become one of the best options to make full use of solar energy resources. Due to the intermittency and uncertainty of wind power generation, coupled with the randomness of load, the importance of source-storage-load research in dynamic power balance is gradually manifested. In addition, the working state of each unit in the coupling system is not the same, so enhancing the safety of the hydrogen storage system and the reliability of the electric storage system is an urgent problem to be solved in the wind-photovoltaic-storage-hydrogen coupling system. In this paper, an online power regulation method of wind-photovoltaic-storage-hydrogen coupling system based on weight regulation model predictive control is proposed to optimize and match storage-hydrogen power and wind- photovoltaic power in real time, aiming at the wind wave fluctuation and the dynamic response characteristics of hydrogen storage.

Firstly, the topological structure of the wind-photovoltaic-storage-hydrogen coupling energy system was constructed in Matlab/Simulink, and the state-space model of the coupling system was established. The power balance of the coupling system was taken as the goal, and hydrogen production power, fuel cell power and battery power were taken as the control variables. According to the characteristics of hydrogen energy storage and battery energy storage and the objective function of each constraint condition, it is transformed into the quadratic programming problem for solving. In the MPC controller, the weight factors are adjusted according to the state information of the energy storage system, and the parameter adaptive of the controller is realized. Finally, the closed-loop simulation of the power control layer and the energy management layer is completed, and the three different control methods are compared and analyzed.

The results show that: (1) the online power control method based on MPC can realize the online quantitative proportional regulation of the electric-hydrogen energy storage in the coupled system. (2) Based on the custom s-function, the MPC online controller with self-adaptive parameters is developed, and the closed-loop simulation verification of the system is completed, which provides a flexible and open online MPC optimization control module under Simulink environment for multi-input and multi-output systems such as wind-photovoltaic-storage-hydrogen. (3) By comparing three different control strategies, the simulation shows that although state control and fixed weight MPC control can maintain SOC and SOH in the maximum upper and lower limits, some energy storage device will be fully utilized while another energy storage device does not reach the ideal working condition, so the battery is more likely to overcharge or overdischarge. Hydrogen storage levels reached the warning range more often and the time for both to return to normal level was slower. Compared with MPC control which adopts state control and fixed weight factor, this paper changes MPC weight factor according to different working conditions. In the MPC control with adjustable weight, the battery is in the deep charge and discharge area for a shorter time, and the number of start-stop of electrolytic cell is less, thus increasing the flexibility of electric-hydrogen energy storage participation and system operation reliability.

Wind-photovoltaic-storage-hydrogen coupling system, weight adjustment, model predictive control, power regulation, closed-loop simulation

10.19595/j.cnki.1000-6753.tces.230227

TM73

國家重點(diǎn)研發(fā)計(jì)劃（2018YFB1503100）和國家自然科學(xué)基金（51907021）資助項(xiàng)目。

2023-02-27

2023-04-04

孔令國 1984年生，男，博士，副教授，研究方向?yàn)榭稍偕茉瘩詈蠚淠荜P(guān)鍵技術(shù)。E-mail：klgwin@neepu.edu.cn（通信作者）

王嘉祺 1997年生，女，碩士研究生，研究方向?yàn)榭稍偕茉瘩詈蠚淠芸刂萍夹g(shù)。E-mail：2835595815@qq.com

（編輯 李冰）