摘 要：

針對(duì)混合儲(chǔ)能系統(tǒng)平抑微電網(wǎng)大功率負(fù)荷突變引起的直流母線電壓波動(dòng)過(guò)程中控制響應(yīng)速度慢、儲(chǔ)能功率分配不合理等問(wèn)題，提出混合儲(chǔ)能系統(tǒng)快速功率響應(yīng)模型預(yù)測(cè)控制。首先，根據(jù)儲(chǔ)能系統(tǒng)預(yù)測(cè)電流值與系統(tǒng)功率補(bǔ)償量得到儲(chǔ)能系統(tǒng)預(yù)測(cè)功率并將其作為參考功率，設(shè)計(jì)基于有理函數(shù)擬合的功率配置方案對(duì)參考功率進(jìn)行優(yōu)化配置，得到鋰電儲(chǔ)能與飛輪儲(chǔ)能的參考功率，實(shí)現(xiàn)飛輪儲(chǔ)能系統(tǒng)容量的最大化利用，減少突變功率對(duì)電池影響，延長(zhǎng)電池使用壽命。其次，通過(guò)儲(chǔ)能系統(tǒng)功率電流變換關(guān)系獲得參考電流值，并采用增量式模型預(yù)測(cè)控制算法對(duì)鋰電-飛輪儲(chǔ)能系統(tǒng)進(jìn)行控制，得到最優(yōu)控制輸出，使實(shí)際電流快速跟隨參考電流以抑制直流母線電壓波動(dòng)。最后，通過(guò)仿真和硬件在環(huán)半實(shí)物仿真驗(yàn)證所提控制策略的有效性及實(shí)用性。

關(guān)鍵詞：混合儲(chǔ)能系統(tǒng)；負(fù)荷突變；功率預(yù)測(cè)；有理函數(shù)擬合；功率配置；增量式模型預(yù)測(cè)控制

DOI：10.15938/j.emc.2024.09.003

中圖分類號(hào)：TM46

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1007-449X（2024）09-0022-14

收稿日期： 2024-06-17

基金項(xiàng)目：國(guó)家自然科學(xué)基金（52177211）；國(guó)家自然科學(xué)基金（52201396）

作者簡(jiǎn)介：佀 想（2000—），男，碩士研究生，研究方向?yàn)榛旌蟽?chǔ)能系統(tǒng)快速功率控制;

段建東（1985—），男，博士，教授，博士生導(dǎo)師，研究方向?yàn)樾履茉窗l(fā)電與電儲(chǔ)能、微網(wǎng)能量變換與協(xié)調(diào)控制等；

王露霄（1996—），男，博士研究生，研究方向?yàn)榇拔㈦娋W(wǎng)能量管理；

徐一明（1999—），男，碩士研究生，研究方向?yàn)轱w輪儲(chǔ)能高速永磁同步電機(jī)控制；

趙 克（1973—），男，博士，副教授，研究方向?yàn)榻涣饔来烹姍C(jī)控制與驅(qū)動(dòng)、大功率能量變換系統(tǒng)等。

通信作者：段建東

Fast-power-response model predictive control for hybrid energy storage systems

SI Xiang1， DUAN Jiandong1，2， WANG Luxiao1， XU Yiming1， ZHAO Ke1

（1.School of Electrical Engineering and Automation， Harbin Institute of Technology， Harbin 150001， China；2.State Key Laboratory of Hydro-Power Equipment， Harbin 150001， China）

Abstract：

In order to address issues such as slow control response speed and unreasonable energy storage power distribution in the process of hybrid energy storage system stabilizing DC bus voltage fluctuation caused by high-power load mutation of microgrid， a fast power response model predictive control for hybrid energy storage systems was proposed. Firstly， according to the predicted current value of the energy storage system and the system power compensation amount， the predicted power of the energy storage system was obtained and used as the reference power. The power configuration scheme based on rational function fitting was designed to optimize the reference power to obtain the reference power of lithium battery energy storage and flywheel energy storage. In the method， the maximum utilization of the capacity of the flywheel energy storage system was realized， and the influence of the sudden power was reduced on the battery and prolongs the service life of the battery. Secondly， the reference current value was obtained through the power-current transformation relationship of the energy storage system， and the incremental model predictive control algorithm was used to unify the control of the lithium-flywheel energy storage system to obtain the optimal control output， ensuring that the actual current quickly follows the reference current to suppress DC bus voltage fluctuations. Finally， effectiveness and practicability of the proposed control strategy are verified by simulation and hardware-in-the-loop semi-physical simulation.

Keywords：hybrid energy storage system; load mutation; power prediction; rational function fitting; power allocation; incremental model predictive control

0 引 言

微電網(wǎng)電壓波動(dòng)可以采用儲(chǔ)能系統(tǒng)進(jìn)行抑制［1-2］。儲(chǔ)能系統(tǒng)可分為功率型儲(chǔ)能和能量型儲(chǔ)能。能量型儲(chǔ)能能量密度高，可以長(zhǎng)時(shí)間放電，但功率密度低；功率型儲(chǔ)能功率密度高，能實(shí)現(xiàn)快速充放電，但能量密度低。將二者結(jié)合起來(lái)構(gòu)成混合儲(chǔ)能系統(tǒng)，克服單一儲(chǔ)能的缺點(diǎn)以提升微電網(wǎng)性能［3-5］。

目前混合儲(chǔ)能系統(tǒng)（hybrid energy storage system，HESS）抑制電壓波動(dòng)的控制方法以雙比例積分（proportional integral，PI）控制為主。文獻(xiàn)［6］將PI控制器產(chǎn)生的HESS電流參考值轉(zhuǎn)化為正的下降信號(hào)，補(bǔ)償動(dòng)態(tài)電壓誤差，使動(dòng)態(tài)電壓穩(wěn)定收斂于期望值，避免了過(guò)沖現(xiàn)象。文獻(xiàn)［7］提出一種PI和滑模技術(shù)相結(jié)合的控制技術(shù)，以改善蓄電池和超級(jí)電容之間的均流，從而減小需求功率與發(fā)電功率間的差距，調(diào)節(jié)直流母線電壓。文獻(xiàn)［8］提出變?cè)鲆姹壤刂撇呗?，根?jù)母線電壓與空載電壓偏移量調(diào)整比例增益，抑制電壓外環(huán)超調(diào)過(guò)大。文獻(xiàn)［9］提出一種無(wú)差拍控制方法，可以在一個(gè)控制周期內(nèi)產(chǎn)生最優(yōu)占空比，具有更快的響應(yīng)速度。文獻(xiàn)［10］提出一種基于強(qiáng)化學(xué)習(xí)的電流控制策略，在系統(tǒng)參數(shù)未知的微電網(wǎng)中控制HESS平滑地進(jìn)行充放電，避免了微電網(wǎng)中不規(guī)范充放電引起的擾動(dòng)。文獻(xiàn)［11］設(shè)計(jì)了模型預(yù)測(cè)電流控制及模型預(yù)測(cè)功率控制方案，該方案避免了PI的參數(shù)整定、PWM調(diào)制和復(fù)雜的坐標(biāo)變換，但此方案采用多個(gè)模型預(yù)測(cè)部分，增加了運(yùn)算的復(fù)雜程度，耗費(fèi)時(shí)間長(zhǎng)。文獻(xiàn)［12］提出一種基于實(shí)時(shí)非線性模型預(yù)測(cè)的混合儲(chǔ)能系統(tǒng)控制策略，通過(guò)補(bǔ)償線性模型預(yù)測(cè)控制中線性化伴隨的誤差，實(shí)現(xiàn)更優(yōu)的控制性能。文獻(xiàn)［13］設(shè)計(jì)超螺旋滑?？刂破骶S持系統(tǒng)功率平衡，進(jìn)而抑制直流母線電壓波動(dòng)。文獻(xiàn)［14］提出自適應(yīng)模糊比例積分微分控制器，該控制器以較小的電池應(yīng)力抑制直流母線電壓波動(dòng)，提高電池的使用時(shí)間。

為了充分利用儲(chǔ)能系統(tǒng)能量，需要進(jìn)行功率配置設(shè)計(jì)。文獻(xiàn)［15］將用于解耦平均和暫態(tài)的低通濾波器替換為單一的倍率限制器，但是單一的倍率控制器的斜率設(shè)計(jì)是一大難點(diǎn)，需要考慮如何最大化儲(chǔ)能的利用率。文獻(xiàn)［16］提出一種基于不同儲(chǔ)能系統(tǒng)之間功率共享的能量管理方案，具有更快的電壓調(diào)節(jié)速度以應(yīng)對(duì)負(fù)荷擾動(dòng)，降低瞬態(tài)功率波動(dòng)期間電池電流的充電/放電率，延長(zhǎng)電池使用壽命。文獻(xiàn)［17］提出的控制策略引入充放電閾值優(yōu)化功率分配的方法，采用最優(yōu)化算法不斷修正閾值系數(shù)，實(shí)現(xiàn)功率的優(yōu)化分配。文獻(xiàn)［18-19］提出的HESS控制器利用超級(jí)電容電壓的低頻分量來(lái)產(chǎn)生電池參考電流，為電池分配低頻功率的同時(shí)將電池電流和超級(jí)電容電壓維持在預(yù)定的范圍內(nèi)。文獻(xiàn)［20］提出一種基于儲(chǔ)能單元荷電狀態(tài)（state of charge，SOC）與累計(jì)放電量的正比關(guān)系進(jìn)行功率分配的方法，沒(méi)有綜合考慮儲(chǔ)能不同階段SOC的特性，儲(chǔ)能系統(tǒng)利用率低。文獻(xiàn)［21］將功率需求分解為本征模態(tài)函數(shù)分量并重構(gòu)為高低頻分量分配給鋰電池和超級(jí)電容，有效地降低電池的最大放電電流。文獻(xiàn)［22］通過(guò)優(yōu)化梯度算法對(duì)高頻和中頻的參考功率進(jìn)行二次優(yōu)化，平抑風(fēng)電功率波動(dòng)，提高混合儲(chǔ)能系統(tǒng)利用率。

針對(duì)微電網(wǎng)中混合儲(chǔ)能系統(tǒng)功率配置與電壓波動(dòng)抑制的問(wèn)題，本文提出混合儲(chǔ)能系統(tǒng)快速功率響應(yīng)模型預(yù)測(cè)控制。首先，根據(jù)儲(chǔ)能系統(tǒng)預(yù)測(cè)電流值與系統(tǒng)功率補(bǔ)償量得到儲(chǔ)能系統(tǒng)預(yù)測(cè)功率并作為參考功率，設(shè)計(jì)基于有理函數(shù)擬合的功率配置方案對(duì)參考功率進(jìn)行優(yōu)化配置，得到鋰電儲(chǔ)能與飛輪儲(chǔ)能的參考功率，實(shí)現(xiàn)飛輪儲(chǔ)能系統(tǒng)容量的最大化利用，減少突變功率對(duì)電池影響，延長(zhǎng)電池使用壽命。其次，通過(guò)儲(chǔ)能系統(tǒng)功率電流變換關(guān)系獲得參考電流值，并采用增量式模型預(yù)測(cè)控制（incremental model predictive control considering optimal power allocation，IMPC）算法對(duì)鋰電-飛輪儲(chǔ)能系統(tǒng)統(tǒng)一控制，得到最優(yōu)控制輸出，使實(shí)際電流快速跟隨參考電流以抑制直流母線電壓波動(dòng)。所提控制策略具有一定的通用性，體現(xiàn)在其能夠根據(jù)不同儲(chǔ)能系統(tǒng)數(shù)學(xué)模型設(shè)計(jì)功率預(yù)測(cè)控制及IMPC，使儲(chǔ)能系統(tǒng)快速輸出期望功率，提高儲(chǔ)能系統(tǒng)的動(dòng)態(tài)性能。最后，通過(guò)仿真和實(shí)驗(yàn)驗(yàn)證所提控制策略的有效性及實(shí)用性。

1 系統(tǒng)建模與控制

1.1 儲(chǔ)能數(shù)學(xué)建模

微電網(wǎng)系統(tǒng)框圖如圖1所示，其構(gòu)成包括發(fā)電機(jī)、AC/DC變換器、DC/AC變換器、DC/DC變換器、直流負(fù)載、交流負(fù)載及HESS，HESS包括鋰電儲(chǔ)能系統(tǒng)及飛輪儲(chǔ)能系統(tǒng)。

鋰電儲(chǔ)能系統(tǒng)拓?fù)淙鐖D2所示，主要由鋰電池和DC/DC變換器組成。其中：C1、C為穩(wěn)壓電容；S1、S2為IGBT；LB為穩(wěn)流電感；iB為電感電流；Vin為輸入電壓；Vdc為輸出電壓；iB1為鋰電儲(chǔ)能系統(tǒng)輸出電流；ic為直流母線電容吸收電流。

為了研究鋰電儲(chǔ)能系統(tǒng)的控制策略，需要獲得鋰電儲(chǔ)能系統(tǒng)的數(shù)學(xué)模型［23-24］，可以得到不同開(kāi)關(guān)狀態(tài)下對(duì)應(yīng)的數(shù)學(xué)模型為：

S2=1，S1=0∶Vin=LBdiBdt+Vdc；

S2=0，S1=1∶Vin=LBdiBdt。（1）

由式（1）得到鋰電儲(chǔ)能系統(tǒng)DC/DC變換器一個(gè)開(kāi)關(guān)周期內(nèi)對(duì)應(yīng)的數(shù)學(xué)模型為

LBdiBdt=Vin－Vdc（1－d）。（2）

式中d為開(kāi)關(guān)占空比。

飛輪儲(chǔ)能系統(tǒng)主要由雙向DC/AC變換器、永磁同步電機(jī)和飛輪組成，飛輪儲(chǔ)能系統(tǒng)拓?fù)淙鐖D3所示。其中：Pe是永磁同步電機(jī)電磁功率；Pf是飛輪儲(chǔ)能系統(tǒng)輸出功率；if是飛輪儲(chǔ)能系統(tǒng)輸出電流；ua、ub、uc是永磁同步電機(jī)端電壓。

飛輪儲(chǔ)能系統(tǒng)在d-q軸的電氣模型［25-26］為：

vd=Rsid+ddtλd－ωeλq ；

vq=Rsiq+ddtλq+ωeλd；

λd=Ldid+λf；

λq=Lqiq。（3）

式中：vd和vq是定子電壓；id和iq是定子電流；變量ωe、Rs和λf分別是電角速度、定子電阻和電機(jī)磁鏈；Ld和Lq是定子電感。由式（3）得到飛輪儲(chǔ)能系統(tǒng)的狀態(tài)空間方程為

ddtidiq=－RsLdωeLqLd－ωeLdLq－RsLqidiq+

1Ld001Lqvdvq+0－ωeλfLq。（4）

永磁同步電機(jī)功率控制模型可以表示為：

Pe=32pλfiqωm；

Pf=Pe+ΔPf。（5）

式中：ωm為永磁同步電機(jī)機(jī)械轉(zhuǎn)速；ΔPf為飛輪儲(chǔ)能系統(tǒng)機(jī)械損耗及電阻損耗。

1.2 系統(tǒng)控制目標(biāo)及約束

直流微電網(wǎng)系統(tǒng)面對(duì)大功率負(fù)荷突變時(shí)，母線電壓會(huì)發(fā)生波動(dòng)。混合儲(chǔ)能系統(tǒng)的加入能夠抑制直流母線電壓的波動(dòng)。當(dāng)大功率負(fù)荷突變時(shí)，微電網(wǎng)系統(tǒng)的功率流動(dòng)方向如圖4所示。其中：PHESS為儲(chǔ)能系統(tǒng)需要釋放或吸收的功率；Pload為負(fù)荷功率。不良的控制策略使得HESS功率響應(yīng)慢，導(dǎo)致母線電壓波動(dòng)。其次，儲(chǔ)能功率的不合理配置不能充分發(fā)揮HESS的作用。

基于上述問(wèn)題設(shè)計(jì)HESS控制策略。首先要使HESS輸出功率快速跟隨負(fù)荷功率，其次要合理利用混合儲(chǔ)能系統(tǒng)能量，提高儲(chǔ)能系統(tǒng)利用率。系統(tǒng)的控制目標(biāo)及約束可表示為：

Min Vdcref－Vdc；（6）

PBmin≤PB≤PBmax；（7）

P·Bmin≤P·B≤P·Bmax；（8）

Pfmin≤Pf≤Pfmax。（9）

式（6）給出了最小化母線電壓波動(dòng)的控制目標(biāo)，以母線電壓波動(dòng)量及電壓恢復(fù)時(shí)間反應(yīng)功率響應(yīng)速度；式（7）給出了鋰電儲(chǔ)能系統(tǒng)輸出功率幅值的約束；式（8）給出了鋰電池儲(chǔ)能系統(tǒng)輸出功率變化率的約束；式（9）給出了飛輪儲(chǔ)能系統(tǒng)輸出功率大小的約束。

根據(jù)上述目標(biāo)約束條件設(shè)計(jì)混合儲(chǔ)能系統(tǒng)快速功率響應(yīng)模型預(yù)測(cè)控制，解決HESS功率響應(yīng)慢、功率分配不合理及系統(tǒng)動(dòng)態(tài)響應(yīng)差的問(wèn)題。

2 功率預(yù)測(cè)及配置方案

混合儲(chǔ)能系統(tǒng)快速功率響應(yīng)模型預(yù)測(cè)控制框圖如圖5所示。

所提控制方法通過(guò)功率預(yù)測(cè)獲得參考功率值，參考功率值經(jīng)功率配置得到鋰電儲(chǔ)能系統(tǒng)及飛輪儲(chǔ)能系統(tǒng)參考功率，進(jìn)一步通過(guò)功率電流關(guān)系獲得電流參考值。將電流參考值代入混合儲(chǔ)能系統(tǒng)數(shù)學(xué)模型中，并通過(guò)IMPC獲得控制輸出。最后，經(jīng)過(guò)PWM/SVPWM模塊得到開(kāi)關(guān)狀態(tài)，控制變換器輸出相應(yīng)功率。

2.1 功率預(yù)測(cè)

根據(jù)圖1所示的微電網(wǎng)結(jié)構(gòu)框圖可以得到直流微電網(wǎng)系統(tǒng)的功率平衡關(guān)系為

PHESS=Pload1+Pload2+…+Ploadn+Pg。（10）

式中Pg為發(fā)電機(jī)經(jīng)AC/DC變換器向直流母線提供的功率。

混合儲(chǔ)能系統(tǒng)的功率分配關(guān)系可表示為

PHESS=PB+Pf。（11）

式中PB為鋰電輸出功率。根據(jù)HESS功率分配關(guān)系可進(jìn)一步得到HESS電流分配關(guān)系為：

iHESS（t）=ic（t）+iload（t）；

iHESS（t）=iB1（t）+if（t）。（12）

式中iload為負(fù)載電流。根據(jù)式（12）負(fù)載電流觀測(cè)值可以表示為

i^load（t）=iHESS（t）－ic（t）。（13）

忽略飛輪儲(chǔ)能系統(tǒng)的機(jī)械損耗及電阻損耗，飛輪儲(chǔ)能系統(tǒng)電磁功率與輸出功率間的關(guān)系為

Vdcif=1.5pλfωm。（14）

由式（12）～式（14）得到負(fù)載電流的觀測(cè)模型為

i^load（t）=iB1（t）+if（t）－ic（t）=iB（t）（1－d）+

1.5pλfiq（t）Vdc（t）－CdVdc（t）dt。（15）

由于上式存在微分環(huán)節(jié)，會(huì)放大系統(tǒng)的噪聲，設(shè)計(jì)截止頻率為200 Hz以濾除系統(tǒng)的高頻噪聲，負(fù)載觀測(cè)器在頻域的表達(dá)式為

i^load（s）=［iB（s）（1－d）+1.5pλfiq（s）Vdc（s）－sCVdc（s）］ωs+ω。（16）

對(duì)式（16）進(jìn)行歐拉離散可得到iload（k）。進(jìn)一步對(duì)母線電容電流進(jìn)行分析，對(duì)于一個(gè)確定的電容，其電流電壓關(guān)系可以表示為

ic=CdVdcdt。（17）

由此可知，ic的變化會(huì)引起直流母線電壓的變化，因此直流母線電壓會(huì)在期望值附近波動(dòng)，并存在偏差。假設(shè)短時(shí)間內(nèi)偏差服從線性變化，如圖6所示。

由于消除母線電壓偏差的ic值并非無(wú)窮大，故而引入預(yù)測(cè)區(qū)間N預(yù)測(cè)母線電壓值達(dá)到期望值所需的離散時(shí)間。當(dāng)前時(shí)刻直流母線電壓可能比期望母線電壓值高或低，因此需要通過(guò)減小或增大ic使直流母線電壓達(dá)到期望。N表示母線電壓將在N步之內(nèi)達(dá)到期望電壓值，考慮k+1時(shí)刻母線電壓值可以得到

Vdc（k）－Vdc（k+1）1=Vdc（k）－V*dcN。（18）

式中V*dc為母線電壓期望值。進(jìn)一步得到

Vdc（k+1）=Vdc（k）+1N［V*dc－Vdc（k）］。（19）

對(duì)式（17）離散化，得到第k+1步母線電容電流為

ic（k+1）=CT［Vdc（k+1）－Vdc（k）］=

CNT［V*dc－Vdc（k）］。（20）

式中N為整數(shù)，用于限制電容電流。根據(jù)式（12），第k+1步混合儲(chǔ)能系統(tǒng)預(yù)測(cè)電流值可以表示為

iHESS（k+1）=i^load（k+1）+ic（k+1）=

i^load（k）+Δi+ic（k+1）。（21）

式中Δi為一個(gè)離散周期內(nèi)，由負(fù)荷突變帶來(lái)的負(fù)荷電流變化量。穩(wěn)態(tài)狀況下，第k+1步混合儲(chǔ)能預(yù)測(cè)電流值可表示為

iHESS（k+1）=i^load（k）+ic（k+1）。（22）

根據(jù)直流系統(tǒng)電流功率變換關(guān)系，第k+1步混合儲(chǔ)能系統(tǒng)預(yù)測(cè)功率為

P*HESS（k+1）=V*dciHESS（k+1）。（23）

P*HESS（k+1）是在理想、無(wú)損耗的情況下得到的，而在實(shí)際情況下系統(tǒng)會(huì)產(chǎn)生損耗，使系統(tǒng)輸出功率產(chǎn)生偏移，其次在非穩(wěn)態(tài)狀況下，系統(tǒng)將產(chǎn)生Δi，使母線電壓偏離參考值，因此采用PI控制獲得功率補(bǔ)償，消除由突變功率及系統(tǒng)損耗引起的電壓偏差，得到最終的參考功率值為

PHref=P*HESS+ΔP。（24）

其中

ΔP=［kpz+kiz（V*dc－Vdc）］V*dc。（25）

2.2 功率配置

根據(jù)儲(chǔ)能系統(tǒng)特性，飛輪儲(chǔ)能系統(tǒng)提供高頻功率波動(dòng)分量，鋰電儲(chǔ)能系統(tǒng)提供低頻功率波動(dòng)分量。采用一階低通濾波器，分離功率波動(dòng)中的高低頻分量，可表示為：

PL=PHrefωrs+ωr；

PH=PHref（1－ωrs+ωr）。（26）

式中：PL為低頻功率分量；PH為高頻功率分量；ωr為低通濾波器截止頻率。

為了充分利用飛輪儲(chǔ)能系統(tǒng)快速功率響應(yīng)特性，并減緩快速的負(fù)荷沖擊對(duì)鋰電儲(chǔ)能系統(tǒng)的影響，進(jìn)一步對(duì)低頻功率分量進(jìn)行設(shè)計(jì)。當(dāng)大功率負(fù)荷突變時(shí)，飛輪儲(chǔ)能系統(tǒng)承擔(dān)全部的功率沖擊，并逐步減小出功，由鋰電儲(chǔ)能系統(tǒng)承擔(dān)全部負(fù)載功率。采用速率限制器分離低頻分量中的突變分量并滿足式（8）的要求。當(dāng)鋰電儲(chǔ)能系統(tǒng)功率變化率超過(guò)最大變化率時(shí)，輸出功率可表示為：

Psm（k+1）=PL（k）+FT；

Pbr（k+1）=PL（k+1）－Psm（k+1）。（27）

式中：Pbr為突變分量；Psm為慢變分量；F為最大變化率；T為離散時(shí)間。

考慮儲(chǔ)能系統(tǒng)輸出功率與儲(chǔ)能容量之間的關(guān)系并基于式（7）和式（9）的約束，設(shè)計(jì)基于有理數(shù)擬合的閾值分配方案來(lái)優(yōu)化儲(chǔ)能系統(tǒng)之間的功率分配。

鋰電儲(chǔ)能系統(tǒng)及飛輪儲(chǔ)能系統(tǒng)正常運(yùn)行時(shí)的容量范圍為：

20%SOCLimax≤SOCLi≤80%SOCLimax；

5%SOCfmax≤SOCf≤95%SOCfmax 。

（28）

首先建立飛輪儲(chǔ)能系統(tǒng)容量與輸出功率邊界之間的關(guān)系，假定存在變換因子a和b，變換因子由下式?jīng)Q定：

P-fmax=aPfmax；

P-fmin=bPfmin。（29）

由于飛輪儲(chǔ)能系統(tǒng)為功率型儲(chǔ)能，不能提供長(zhǎng)時(shí)間功率支撐，當(dāng)飛輪儲(chǔ)能系統(tǒng)能量耗盡時(shí)，傳統(tǒng)的輸出邊界使得儲(chǔ)能輸出具有較大的功率變化，直流母線電壓易于發(fā)生振蕩。基于有理數(shù)擬合的功率輸出邊界曲線與傳統(tǒng)邊界曲線對(duì)比如圖7所示。

a因子的設(shè)計(jì)原則如圖7（a）所示。a可表示為

a=0，0≤SOCf≤5%SOCfmax；

γ，5%SOCfmax≤SOCf≤15%SOCfmax；

1，15%SOCfmax≤SOCf≤SOCfmax。（30）

通過(guò)最小二乘法進(jìn)行有理數(shù)擬合，得到γ的表達(dá)式為

γ=p1x4+p2x3+p3x2+p4x+p5x5+q1x4+q2x3+q3x2+q4x+q5。（31）

式中：p1－p5和q1－q5為擬合后的常量數(shù)值；x表示系統(tǒng)當(dāng)前時(shí)刻容量狀態(tài)，即x=SOCf。

同理，對(duì)b因子進(jìn)行修正，如圖7（b）所示?？梢缘玫絙因子的表達(dá)式為

b=0，95%SOCfmax≤SOCf≤SOCfmax；

β，85%SOCfmax≤SOCf≤95%SOCfmax；

1，0≤SOCf≤85%SOCfmax。（32）

通過(guò)最小二乘法進(jìn)行有理數(shù)擬合，得到β的計(jì)算式同式（31）。采用所提功率輸出閾值方案，在飛輪儲(chǔ)能能量將要達(dá)到閾值時(shí)，輸出功率會(huì)有一個(gè)緩慢減小的過(guò)程，避免了系統(tǒng)的振蕩。

考慮閾值邊界，飛輪儲(chǔ)能系統(tǒng)參考功率可表示為：

Pf=PH+Pbr。（33）

Pf=Pf，P-fmin≤Pf≤P-fmax；

P-fmin，Pf≤P-fmin；

P-fmax，Pf≥P-fmax。（34）

進(jìn)一步鋰電儲(chǔ)能系統(tǒng)參考功率可表示為

PB=PHref－Pf。（35）

所提基于有理數(shù)擬合的功率分配方案避免了優(yōu)化分配算法的在線運(yùn)算過(guò)程，提高了系統(tǒng)運(yùn)算效率。

3 增量式模型預(yù)測(cè)電流控制方案

永磁同步電機(jī)采用id=0控制方式并通過(guò)控制q軸電流輸出功率。根據(jù)鋰電儲(chǔ)能功率電流關(guān)系及式（5）獲得儲(chǔ)能系統(tǒng)參考電流值為：

iBref=PB/Vdc；

iqref=Pf/（1.5pλfωm）。（36）

設(shè)計(jì)增量式模型預(yù)測(cè)控制電流環(huán)以控制混合儲(chǔ)能系統(tǒng)輸出電流跟隨參考電流，其思路是首先得到鋰電-飛輪混合儲(chǔ)能系統(tǒng)的統(tǒng)一化離散數(shù)學(xué)模型；其次設(shè)計(jì)基于增量式控制算法；最后設(shè)計(jì)模型預(yù)測(cè)控制代價(jià)函數(shù)，得到最優(yōu)控制輸出。

3.1 模型預(yù)測(cè)控制策略設(shè)計(jì)

設(shè)混合儲(chǔ)能系統(tǒng)參考電流為

iref（k）=iBref（k）idref（k）iqref（k）。（37）

由于混合儲(chǔ)能系統(tǒng)電流參考值是非穩(wěn)定值且是非線性變化的，為此需要建立離散期望電流之間的聯(lián)系。構(gòu)建目標(biāo)轉(zhuǎn)移矩陣方程為

iref（k+1）=ADiref（k）。（38）

式中AD為轉(zhuǎn)移矩陣。對(duì)式（2）進(jìn)行離散化，得到鋰電儲(chǔ)能系統(tǒng)離散模型為

iB（k+1）=iB（k）+TL{Vin－Vdc［1－d（k）］}。（39）

式中T為離散周期。定義鋰電儲(chǔ)能系統(tǒng)控制量為

uB（k）=TL{Vin－Vdc［1－d（k）］}。（40）

對(duì)式（4）進(jìn)行離散化，得到飛輪儲(chǔ)能系統(tǒng)離散模型為

id（k+1）iq（k+1）=1－RsTLωeT－ωeT1－RsTLid（k）iq（k）+

1001ud（k）uq（k）。（41）

其中飛輪儲(chǔ)能系統(tǒng)控制量表示為：

ud（k）=vd（k）TL；

uq（k）=vq（k）TL－ωeλfTL。（42）

以控制增量作為優(yōu)化目標(biāo)設(shè)計(jì)控制策略，控制增量可以表示為

Δu（k）=u（k）－u（k－1）。（43）

式中u（k）為系統(tǒng)k時(shí)刻控制量。其表達(dá)式為

u（k）=uB（k）ud（k）uq（k）。（44）

進(jìn)一步得到混合儲(chǔ)能系統(tǒng)離散模型為

i（k+1）=Ai（k）+Bu（k）=Ai（k）+BΔu（k）+Bu（k－1）。（45）

其中：

i（k）=iB（k）id（k）iq（k）； A=10001－TRsLTωe0－Tωe1－TRsL；

B=100010001。

設(shè)增廣矩陣為

ia（k）=i（k）iref（k）u（k－1），（46）

得到誤差變量與增廣矩陣之間的關(guān)系為

e（k）=i（k）－iref（k）=［I－I0］i（k）iref（k）u（k－1）。（47）

式中e（k）為第k步誤差變量。增廣矩陣與控制增量之間的離散化矩陣模型為

ia（k+1）=i（k+1）iref（k+1）u（k）=

A0B0AD000Ii（k）iref（k）u（k－1）+B0IΔu（k）。（48）

考慮系統(tǒng)的終端誤差、誤差及控制增量之間的優(yōu)化關(guān)系，設(shè)置模型預(yù)測(cè)控制代價(jià)函數(shù)為

J=12eT（N）Se（N）+12∑N－1k=0（eT（k）Qe（k）+ΔuT（k）RΔu（k））。（49）

其中：

S=s000s000s；Q=q000q000q；R=r000r000r。

式中S、Q、R分別表示終端誤差權(quán)重系數(shù)、誤差權(quán)重系數(shù)、控制增量權(quán)重系數(shù)。

根據(jù)式（47）和式（49）得到表征增廣矩陣與控制增量之間優(yōu)化關(guān)系的代價(jià)函數(shù)為

J=12iTa（N）Saia（N）+12∑N－1k=0（iTa（k）Qaia（k）+

ΔuT（k）RΔu（k））。（50）

其中：

Sa=［I－I0］TS［I－I0］；

Qa=［I－I0］TQ［I－I0］。（51）

通過(guò)調(diào)整權(quán)重系數(shù)使系統(tǒng)電流誤差最小。所提IMPC策略采用無(wú)約束解析法對(duì)代價(jià)函數(shù)做最優(yōu)化運(yùn)算，并對(duì)優(yōu)化結(jié)果設(shè)計(jì)硬約束限制，表達(dá)式為

umin≤u（k）≤umax。（52）

得到變換器控制增量最優(yōu)值后，通過(guò)式（40）、式（42）及式（43）得到最優(yōu)控制量，控制開(kāi)關(guān)管通斷，使儲(chǔ)能系統(tǒng)輸出參考電流，響應(yīng)功率變化。

IMPC狀態(tài)變量的實(shí)時(shí)反饋使得控制器能夠及時(shí)響應(yīng)系統(tǒng)的變化，避免外界干擾對(duì)系統(tǒng)的影響，提高控制系統(tǒng)的穩(wěn)定性。其次，所提控制策略以控制增量設(shè)計(jì)代價(jià)函數(shù)，避免了傳統(tǒng)以控制量設(shè)計(jì)代價(jià)函數(shù)所引起的穩(wěn)態(tài)誤差問(wèn)題，具有更優(yōu)的控制性能。IMPC總體框圖如圖8所示。

3.2 電流期望值補(bǔ)償

由于鋰電儲(chǔ)能系統(tǒng)實(shí)際電流在一個(gè)周期內(nèi)存在一個(gè)充放電過(guò)程，電流值并非是恒定值。假設(shè)電流的返回值iB（k）是一個(gè)周期內(nèi)電感釋放能量后的值，設(shè)此時(shí)的電流期望值為i′Bref，一個(gè)周期內(nèi)電流跟隨情況如圖9（a）所示。

在一個(gè)周期內(nèi)，電感電流可以視為線性變化的，需要在電感電流上升過(guò)程的中點(diǎn)處給出預(yù)測(cè)值，如圖9（b）所示，故需要對(duì)電流期望值進(jìn)行補(bǔ)償。令補(bǔ)償?shù)碾娏髦禐棣d，補(bǔ)償后的電流期望值為

iBref=i′Bref+Δid。（53）

式中iBref為補(bǔ)償后的電流期望值。根據(jù)電感電流一個(gè)周期內(nèi)上升尺度與時(shí)間關(guān)系，電流補(bǔ)償量大小為

Δid=－VinTd2LB。（54）

所提增量式模型預(yù)測(cè)控制算法對(duì)混合儲(chǔ)能系統(tǒng)統(tǒng)一控制，能夠?qū)崟r(shí)響應(yīng)混合儲(chǔ)能系統(tǒng)狀態(tài)變量的變化，使實(shí)際輸出電流快速跟隨參考電流值，提高儲(chǔ)能系統(tǒng)電流的響應(yīng)速度。

3.3 參數(shù)設(shè)計(jì)

由于功率控制部分引入PI功率補(bǔ)償及電流濾波環(huán)節(jié)，因此需要考慮PI控制參數(shù)設(shè)計(jì)問(wèn)題，以提高系統(tǒng)的穩(wěn)定性及快速性。在傳統(tǒng)雙PI控制下，需要考慮兩個(gè)PI控制器之間的帶寬匹配問(wèn)題。所提控制策略電流內(nèi)環(huán)采用IMPC，避免了內(nèi)環(huán)控制器對(duì)外環(huán)控制器的影響。

以鋰電儲(chǔ)能系統(tǒng)為例，說(shuō)明PI控制參數(shù)的設(shè)計(jì)過(guò)程。鋰電儲(chǔ)能系統(tǒng)的控制框圖如圖10所示。其中：GLpi為PI控制器；Gω為低通濾波器；GLi_v為鋰電儲(chǔ)能系統(tǒng)輸出電壓到輸出電流間的傳遞函數(shù)；Gτ為延時(shí)函數(shù)；GLd_i為鋰電儲(chǔ)能系統(tǒng)輸出電流到占空比之間的傳遞函數(shù)。

鋰電儲(chǔ)能系統(tǒng)DC/DC變換器小信號(hào)模型為

ddti^Bv^dc=0－（1－D）LB－（1－D）C－1CRLi^Bv^dc+VdcLB－IBCd^。（55）

式中：D為穩(wěn)態(tài)時(shí)刻系統(tǒng)占空比；RL為負(fù)載電阻。s域下的矩陣模型可表示為

s1－DLB－（1－D）Cs+1CRLi^B（s）v^dc（s）=VdcLB－IBCd^（s）。（56）

進(jìn)一步，輸出電壓與電感電流間的傳遞函數(shù)可以表示為

GLi_v（s）=v^dc（s）i^B（s）=（1－D）vdc－LBIBs（CVdc）s+2（1－D）IB。（57）

由于設(shè)計(jì)的IMPC的電流跟隨性能優(yōu)異，通過(guò)調(diào)整代價(jià)函數(shù)權(quán)重矩陣，可使其動(dòng)態(tài)響應(yīng)過(guò)程可近似為一階慣性系統(tǒng)，對(duì)應(yīng)開(kāi)環(huán)傳遞函數(shù)為

GI=1τs+1。（58）

綜上，鋰電儲(chǔ)能系統(tǒng)對(duì)應(yīng)開(kāi)環(huán)傳遞函數(shù)為

Gop=GLpiGωGIGLi_v。（59）

加入PI控制后設(shè)置穿越頻率為1 500 rad/s，以濾除系統(tǒng)的高頻干擾，設(shè)置PI控制器的轉(zhuǎn)折頻率為原系統(tǒng)轉(zhuǎn)折頻率的1/30，保證系統(tǒng)留有足夠的相角裕度。經(jīng)計(jì)算可得kp=4.068 4、ki=203.418 8。加入PI系統(tǒng)后的控制系統(tǒng)伯德圖如圖11所示。其中，系統(tǒng)幅值裕度Gm=15.5 dB，相角裕度Pm=52.9°，故系統(tǒng)穩(wěn)定。

4 仿真與實(shí)驗(yàn)

為驗(yàn)證所提控制策略的有效性，在仿真軟件及半實(shí)物仿真平臺(tái)RT_BOX中建立如圖1所示微電網(wǎng)系統(tǒng)直流環(huán)節(jié)。鋰電儲(chǔ)能系統(tǒng)參數(shù)配置如表1所示，飛輪儲(chǔ)能系統(tǒng)參數(shù)配置如表2所示，控制器參數(shù)如表3所示。

基于上述參數(shù)配置，將基于IMPC的快速功率控制（fast power control based on incremental model prediction，IMPC_FPC）、基于模型預(yù)測(cè)的快速功率控制（fast power control based on model prediction，MPC_FPC）和傳統(tǒng)電壓電流雙PI控制（PI_PI）相比較，驗(yàn)證所提控制策略的合理性和優(yōu)越性。

4.1 仿真驗(yàn)證

在MATLAB/Simulink中搭建如圖1所示硬件電路及圖5所示控制算法，驗(yàn)證所提控制策略有效性。

4.1.1 穩(wěn)壓性能驗(yàn)證

設(shè)置功率負(fù)載需求為100 kW，比較不同控制策略下母線電壓的穩(wěn)態(tài)輸出波動(dòng)，驗(yàn)證所提控制策略的穩(wěn)壓性能。圖12顯示了IMPC_FPC、MPC_FPC和PI_PI方法下鋰電儲(chǔ)能系統(tǒng)的穩(wěn)壓仿真過(guò)程。

IMPC_FPC策略下電壓波動(dòng)約為0.23 V，MPC_FPC策略下電壓波動(dòng)約為0.34 V，PI_PI下電壓波動(dòng)約為0.4 V。經(jīng)仿真驗(yàn)證，IMPC_FPC具有更優(yōu)的穩(wěn)壓效果。

4.1.2 功率配置方案驗(yàn)證

為了驗(yàn)證基于有理數(shù)擬合的功率閾值分配方案，在系統(tǒng)中突加180 kW的大功率負(fù)載。首先，由飛輪儲(chǔ)能系統(tǒng)與鋰電儲(chǔ)能系統(tǒng)同時(shí)為負(fù)荷提供能量，當(dāng)飛輪儲(chǔ)能系統(tǒng)達(dá)到能量閾值時(shí)，切換為鋰電儲(chǔ)能系統(tǒng)為負(fù)載供電。圖13顯示了基于有理數(shù)擬合的容量閾值設(shè)計(jì)方案及傳統(tǒng)容量閾值設(shè)計(jì)方案的仿真結(jié)果。

圖13（a）為直流母線電壓波形。仿真結(jié)果顯示，所提功率分配模式下母線電壓波動(dòng)約為0.5 V，而傳統(tǒng)閾值設(shè)計(jì)方式下，母線電壓波動(dòng)約4.5 V。

圖13（b）為鋰電儲(chǔ)能系統(tǒng)輸出電流波形，所提控制方式下，電流有約25 ms的緩沖時(shí)間，而傳統(tǒng)控制方法下僅有5 ms左右的緩沖時(shí)間。經(jīng)仿真驗(yàn)證，所提控制方法電流上升緩慢，對(duì)電池的沖擊小。

4.2 硬件在環(huán)半實(shí)物仿真驗(yàn)證

為驗(yàn)證所提控制策略的動(dòng)態(tài)性能，分別對(duì)負(fù)載突增和負(fù)載突卸工況進(jìn)行硬件在環(huán)半實(shí)物仿真實(shí)驗(yàn)。圖14為搭建的實(shí)驗(yàn)平臺(tái)，包括RT-BOX3、模擬I/O、數(shù)字I/O、F28379D LaunchPad和PLESC軟件平臺(tái)。

為充分說(shuō)明所提控制策略的優(yōu)越性，將選取以下性能指標(biāo)進(jìn)行分析：最大電壓突變量ΔV；電壓恢復(fù)過(guò)程中的最大量波動(dòng)ΔVb；電壓恢復(fù)時(shí)間tr；飛輪儲(chǔ)能系統(tǒng)最大輸出電流If；鋰電儲(chǔ)能系統(tǒng)緩沖時(shí)間ts。

4.2.1 電流動(dòng)態(tài)響應(yīng)性能驗(yàn)證

為驗(yàn)證所提控制策略的電流動(dòng)態(tài)響應(yīng)性能，設(shè)置3種控制策略進(jìn)行性能對(duì)比：基于濾波器的PI_PI控制、基于所提功率配置的MPC_FPC與IMPC_FPC策略。

在t=4.5 ms時(shí)，突加負(fù)荷。圖15為負(fù)荷突增工況下，混合儲(chǔ)能系統(tǒng)電流波形。

圖15（a）為負(fù)載突增時(shí)的鋰電儲(chǔ)能系統(tǒng)電感電流。PI_PI控制過(guò)程中鋰電儲(chǔ)能輸出電流在2 ms內(nèi)從10 A突變至85 A，且發(fā)生振蕩過(guò)程，對(duì)電池沖擊大；MPC_FPC策略下鋰電輸出電流從10 A到75 A，響應(yīng)時(shí)間約7 ms，減小了突變電流對(duì)系統(tǒng)的損耗。IMPC_FPC策略下鋰電輸出電流從10 A到75 A，響應(yīng)時(shí)間約7 ms，穩(wěn)態(tài)電流波動(dòng)更小。實(shí)驗(yàn)結(jié)果表明，采用所提控制策略電池電流上升緩慢，電流波動(dòng)小，對(duì)電池沖擊小，延長(zhǎng)了電池使用壽命。

圖15（b）為飛輪儲(chǔ)能系統(tǒng)單相電流波形。從圖中可以看出，在負(fù)荷突變瞬間，IMPC_FPC策略下最大輸出電流165 A，MPC_FPC策略下最大輸出電流130 A，PI_PI控制下最大輸出電流30 A。實(shí)驗(yàn)結(jié)果表明，采用所提功率配置方案飛輪儲(chǔ)能系統(tǒng)能夠快速響應(yīng)負(fù)荷功率變化，提高飛輪儲(chǔ)能系統(tǒng)利用率。

在t=4.5 ms時(shí)，突卸負(fù)荷。圖16為負(fù)荷突卸工況下，混合儲(chǔ)能系統(tǒng)電流波形。

圖16（a）為負(fù)載突卸時(shí)的鋰電儲(chǔ)能系統(tǒng)電感電流。PI_PI控制下，鋰電系統(tǒng)在1.5 ms內(nèi)電流從70 A突降至5 A，且發(fā)生振蕩過(guò)程，對(duì)電池沖擊大；MPC_FPC策略下，鋰電儲(chǔ)能在8 ms之內(nèi)從70 A降至10 A，無(wú)振蕩過(guò)程；IMPC_FPC策略下，鋰電儲(chǔ)能在8 ms之內(nèi)從70 A降至10 A，無(wú)振蕩過(guò)程且電流波動(dòng)更小。

圖16（b）為飛輪儲(chǔ)能系統(tǒng)單相電流波形。從圖中可以看出：在負(fù)荷突卸瞬間，IMPC_FPC策略下最大輸出電流130 A；MPC_FPC策略下最大輸出電流85 A；PI_PI控制下最大輸出電流30 A。實(shí)驗(yàn)結(jié)果表明，采用所提功率配置方案，飛輪儲(chǔ)能系統(tǒng)能夠快速響應(yīng)負(fù)荷功率變化，提高飛輪儲(chǔ)能系統(tǒng)的利用率。

不同功率配置下，控制性能對(duì)比如表4所示。

由對(duì)比結(jié)果可知，基于所提功率配置方案的IMPC_FPC策略在面對(duì)大功率負(fù)荷突變時(shí)，飛輪儲(chǔ)能系統(tǒng)能夠承擔(dān)突變功率波動(dòng)，延長(zhǎng)鋰電儲(chǔ)能系統(tǒng)的緩沖時(shí)間，極大地減少?zèng)_擊負(fù)荷對(duì)電池的影響，提高儲(chǔ)能系統(tǒng)的壽命；其次，所提控制策略電流波動(dòng)更小，動(dòng)態(tài)響應(yīng)性能更優(yōu)。

4.2.2 功率響應(yīng)性能驗(yàn)證

為進(jìn)一步驗(yàn)證所提功率預(yù)測(cè)算法優(yōu)越性，在上述3種控制策略基礎(chǔ)上增加基于模型預(yù)測(cè)的自適應(yīng)模糊功率控制（adaptive fuzzy power control based on model prediction，MPC_AFPC）。

在t=5.5 ms時(shí)，突加負(fù)荷，圖17為負(fù)荷突增下直流母線電壓波形。由實(shí)驗(yàn)結(jié)果可知，傳統(tǒng)PI_PI控制下，直流母線電壓跌落至733.6 V。電壓恢復(fù)過(guò)程中，產(chǎn)生了振蕩及超調(diào)，最大波動(dòng)量約8.79 V。電壓恢復(fù)過(guò)程耗時(shí)長(zhǎng)，約為20 ms。MPC_AFPI策略下，電壓跌落至738.25 V，電壓恢復(fù)時(shí)間約3.2 ms。MPC_FPC策略下，電壓跌落至737.2 V，電壓恢復(fù)時(shí)間約3.3 ms。IMPC_FPC電壓跌落至739.4 V，在電壓恢復(fù)過(guò)程中，系統(tǒng)并未產(chǎn)生振蕩及超調(diào)，恢復(fù)時(shí)間約為3.2 ms。

在t=5.5 ms時(shí)，突卸負(fù)荷，圖18為負(fù)荷突卸時(shí)直流母線電壓波形。傳統(tǒng)PI_PI控制下，母線電壓突變至769.9 V。在電壓恢復(fù)過(guò)程中，電壓發(fā)生了振蕩并產(chǎn)生了超調(diào)，最大波動(dòng)量約5 V，恢復(fù)時(shí)間約為25 ms。MPC_AFPI策略下，母線電壓突變至763.4 V，電壓恢復(fù)時(shí)間約3.1 ms。MPC_FPC策略下，母線電壓突變至760.9 V左右，電壓恢復(fù)時(shí)間約3.1 ms。電壓恢復(fù)至穩(wěn)態(tài)后，存在一定的穩(wěn)態(tài)誤差，約0.5 V。IMPC_FPC策略下，母線電壓突變至758.7 V左右。電壓恢復(fù)過(guò)程中，無(wú)振蕩與超調(diào)過(guò)程，電壓恢復(fù)時(shí)間約為3 ms。

不同控制策略下，HESS功率響應(yīng)性能對(duì)比如表5所示。由對(duì)比結(jié)果可知，所提控制策略在面對(duì)大功率負(fù)荷突變時(shí)，電壓突變量最小，無(wú)振蕩過(guò)程，且調(diào)節(jié)時(shí)間短，具有最快的功率響應(yīng)速度，同時(shí)避免了自適應(yīng)調(diào)參算法的運(yùn)算復(fù)雜性。

綜上，所提控制策略在面對(duì)大功率負(fù)荷突變時(shí)展現(xiàn)出更優(yōu)的控制性能，驗(yàn)證了所提控制策略的合理性及實(shí)用性。

5 結(jié) 論

針對(duì)微電網(wǎng)中混合儲(chǔ)能系統(tǒng)抑制母線電壓波動(dòng)過(guò)程中功率響應(yīng)慢、功率分配不合理等問(wèn)題，提出混合儲(chǔ)能系統(tǒng)快速功率響應(yīng)模型預(yù)測(cè)控制。通過(guò)仿真和硬件在環(huán)半實(shí)物仿真對(duì)所提控制策略進(jìn)行驗(yàn)證，得到如下結(jié)論：

1）提出的基于功率預(yù)測(cè)的HESS控制策略，通過(guò)儲(chǔ)能系統(tǒng)電流預(yù)測(cè)值與功率補(bǔ)償量獲得儲(chǔ)能系統(tǒng)參考功率，加快儲(chǔ)能系統(tǒng)功率響應(yīng)速度，抑制直流母線電壓波動(dòng)。

2）設(shè)計(jì)有理函數(shù)擬合的功率配置方案對(duì)參考功率進(jìn)行優(yōu)化配置，得到鋰電儲(chǔ)能與飛輪儲(chǔ)能的最優(yōu)參考功率，實(shí)現(xiàn)飛輪儲(chǔ)能系統(tǒng)容量的最大化利用，減少突變功率對(duì)電池影響，延長(zhǎng)電池使用壽命。

3）設(shè)計(jì)IMPC策略對(duì)鋰電-飛輪儲(chǔ)能系統(tǒng)進(jìn)行控制，使實(shí)際電流快速跟隨參考電流，提高儲(chǔ)能系統(tǒng)的動(dòng)態(tài)性能。

參 考 文 獻(xiàn)：

［1］ MENG Zihe， DUAN Jiandong， SUN Li. Voltage drop compensation technology for high-voltage and high-power DC energy storage power supply system［J］. IEEE Transactions on Industrial Electronics， 2023， 71（1）： 549.

［2］ 趙玲霞，王興貴，丁穎杰，等.基于三端柔性直流的光熱儲(chǔ)能站與新能源場(chǎng)站功率協(xié)同控制策略［J］.電機(jī)與控制學(xué)報(bào)， 2024， 28（6）： 131.

ZHAO Lingxia， WANG Xinggui， DING Yingjie， et al. Power coordinated control strategy of concentrating solar power with thermal storage and new energy stations integrated by three-terminal VSC-HVDC［J］. Electric Machines and Control， 2024， 28（6）： 131.

［3］ 許振宇， 石夢(mèng)璇， 周建宇， 等. 基于飛輪儲(chǔ)能的網(wǎng)/儲(chǔ)協(xié)調(diào)虛擬同步機(jī)控制策略的小信號(hào)模型分析［J］.中國(guó)電機(jī)工程學(xué)報(bào)， 2020， 40（20）： 6236.

XU Zhenyu， SHI Mengxuan， ZHOU Jianyu， et al.Small signal model analysis of network/storage coordination virtual synchronous generator control based on flywheel energy storage system［J］. Proceedings of the CSEE， 2020， 40（20）： 6236.

［4］ 李進(jìn)， 張鋼， 劉志剛， 等. 城軌交通用飛輪儲(chǔ)能陣列控制策略［J］. 電工技術(shù)學(xué)報(bào)， 2021， 36（23）： 4885.

LI Jin， ZHANG Gang， LIU Zhigang， et al. Control strategy of flywheel energy storage array for urban rail transit［J］. Transactions of China Electrotechnical Society， 2021， 36（23）： 4885.

［5］ 林莉， 林雨露， 譚惠丹， 等. 計(jì)及SOC自恢復(fù)的混合儲(chǔ)能平抑風(fēng)電功率波動(dòng)控制［J］. 電工技術(shù)學(xué)報(bào)， 2024， 39（3）： 658.

LIN Li， LIN Yulu， TAN Huidan， et al.Hybrid energy storage control with SOC self-recovery to smooth out wind power fluctuations［J］. Transactions of China Electrotechnical Society， 2024， 39（3）： 658.

［6］ ZHANG X， GAMAGE D， UKIL A. Rising and falling edge compensation based faster control strategy for hybrid energy storage system in PV microgrid［J］. Electric Power Systems Research， 2021， 190： 106856.

［7］ SINGH P， LATHER J S. Dynamic current sharing， voltage and SOC regulation for HESS based DC microgrid using CPISMC technique［J］. Journal of Energy Storage， 2020， 30： 101509.

［8］ 陳亞愛(ài)， 林演康， 王賽， 等. 基于濾波分配法的混合儲(chǔ)能優(yōu)化控制策略［J］. 電工技術(shù)學(xué)報(bào)， 2020， 35（19）： 4009.

CHEN Yaai， LIN Yankang， WANG Sai， et al. Optimal control strategy of hybrid energy storage based on filter allocation method［J］. Transactions of China Electrotechnical Society，2020，35（19）： 4009.

［9］ WANG B， MANANDHAR U， ZHANG X， et al. Deadbeat control for hybrid energy storage systems in DC microgrids［J］. IEEE Transactions on Sustainable Energy， 2018， 10（4）： 1867.

［10］ DUAN J， YI Z， SHI D， et al. Reinforcement-learning-based optimal control of hybrid energy storage systems in hybrid AC-DC microgrids［J］. IEEE Transactions on Industrial Informatics， 2019， 15（9）： 5355.

［11］ SHAN Y， HU J， CHAN K W， et al. Model predictive control of bidirectional DC-DC converters and AC/DC interlinking converters—A new control method for PV-wind-battery microgrids［J］. IEEE Transactions on Sustainable Energy， 2018， 10（4）： 1823.

［12］ GOLCHOUBIAN P， AZAD N L. Real-time nonlinear model predictive control of a battery-supercapacitor hybrid energy storage system in electric vehicles［J］. IEEE Transactions on Vehicular Technology， 2017， 66（11）： 9678.

［13］ RAHMAN A U， ZEHRA S S， AHMAD I， et al. Fuzzy supertwisting sliding mode-based energy management and control of hybrid energy storage system in electric vehicle considering fuel economy［J］. Journal of Energy Storage， 2021， 37： 102468.

［14］ PATEL S， GHOSH A， RAY P K， et al. Effective power management strategy and control of a hybrid microgrid with hybrid energy storage systems［J］. IEEE Transactions on Industry Applications， 2023， 59（6）： 7341.

［15］ ABIANEH A J， FERDOWSI F. Sliding mode control enabled hybrid energy storage system for islanded dc microgrids with pulsing loads［J］. Sustainable Cities and Society， 2021， 73： 103117.

［16］ MANANDHAR U， UKIL A， GOOI H B， et al. Energy management and control for grid connected hybrid energy storage system under different operating modes［J］. IEEE Transactions on Smart Grid， 2017， 10（2）： 1626.

［17］ CHONG L W， WONG Y W， RAJKUMAR R K， et al. An adaptive learning control strategy for standalone PV system with battery-supercapacitor hybrid energy storage system［J］. Journal of Power Sources， 2018， 394： 35.

［18］ WANG X， YU D， LE B S， et al. A novel controller of a battery-supercapacitor hybrid energy storage system for domestic applications［J］. Energy and Buildings， 2017， 141： 167.

［19］ SINGH P， LATHER J S. Power management and control of a grid-independent DC microgrid with hybrid energy storage system［J］. Sustainable Energy Technologies and Assessments， 2021， 43： 100924.

［20］ 趙靖英， 喬珩埔， 姚帥亮， 等. 考慮儲(chǔ)能 SOC 自恢復(fù)的風(fēng)電波動(dòng)平抑混合儲(chǔ)能容量配置策略［J］. 電工技術(shù)學(xué)報(bào)， 2024， 39（16）： 5206.

ZHAO Jinying， QIAO Hengpu， YAO Shuailiang， et al. Hybrid energy storage system capacity configuration strategy for stabilizing wind power fluctuation considering SOC self-recovery［J］. Transactions of China Electrotechnical Society， 2024， 39（16）： 5206.

［21］ SHEN Y， XIE J， HE T， et al. CEEMD-fuzzy control energy management of hybrid energy storage systems in electric vehicles［J］. IEEE Transactions on Energy Conversion， 2024， 39（1）： 555.

［22］ WANG X， ZHOU J， QIN B， et al. Coordinated control of wind turbine and hybrid energy storage system based on multi-agent deep reinforcement learning for wind power smoothing［J］. Journal of Energy Storage， 2023， 57： 106297.

［23］ 王力， 胡佳成， 曾祥君， 等. 基于混合儲(chǔ)能的交直流混聯(lián)微電網(wǎng)功率分級(jí)協(xié)調(diào)控制策略［J］. 電工技術(shù)學(xué)報(bào)， 2024， 39（8）： 2311.

WANG Li， HU Jiacheng， ZENG Xiangjun， et al. Hierarchical coordinated power control strategy for AC-DC hybrid microgrid with hybrid energy storage［J］. Transactions of China Electrotechnical Society， 2024， 39（8）： 2311.

［24］ 周荔丹，張明珠，姚鋼，等.全直流型船舶微電網(wǎng)多時(shí)間尺度綜合能量管理［J］.電機(jī)與控制學(xué)報(bào)，2023，27（9）：180.

ZHOU Lidan， ZHANG Mingzhu， YAO Gang， et al. Multi time scale integrated energy management of full DC marine microgrid［J］. Electric Machines and Control， 2023， 27（9）： 180.

［25］ 李忠瑞， 聶子玲， 艾勝， 等.一種基于非線性擾動(dòng)觀測(cè)器的飛輪儲(chǔ)能系統(tǒng)優(yōu)化充電控制策略［J］. 電工技術(shù)學(xué)報(bào)， 2023， 38（6）： 1506.

LI Zhongrui， NIE Ziling， AI Sheng， et al. An optimized charging control strategy for flywheel energy storage system based on nonlinear disturbance observer［J］. Transactions of China Electrotechnical Society，2023，38（6）：1506.

［26］ GHANAATIAN M， LOTFIFARD S. Control of flywheel energy storage systems in the presence of uncertainties［J］. IEEE Transactions on Sustainable Energy， 2018， 10（1）： 36.

（編輯：邱赫男）