论文部分内容阅读
全钒液流电池(vanadium redox battery,VRB)具有寿命长、安全可靠、系统设计灵活、全生命周期成本低等特点,非常适合用于构建大容量、长时间常数的储能系统。《能源技术革命创新行动计划(2016-2030年)》与《能源技术革命重点创新行动路线图》指出,要示范推广100MW级全钒液流电池储能系统。《关于促进储能产业与技术发展的指导意见》也指出其重点任务之一是应用推广100MW级全钒液流电池储能电站。综上可知,建设MW级的VRB储能电站迫在眉睫,如何在保证安全、可控、高效的前提下,使其满足不同调度指令的要求,最大化发挥VRB储能系统的商业价值,是亟需解决的关键问题之一。因此,本文研究了MW级VRB储能系统的协调控制,通过协调优化VRB储能系统运行控制及管理,提高整个系统的运行效率,对加速VRB储能系统的商业化应用进程具有重要的理论和实践意义。论文主要工作如下:1、建立了MW级VRB储能系统的模型。首先给出MW级VRB储能系统的配置和分层控制结构。然后建立单个VRB的状态空间模型,并通过频域灵敏度与轨迹灵敏度分析找到影响电池外特性的主导因素。最后推导出适合MW级VRB储能系统协调控制的模型:等效电路和结构图。2、提出了VRB荷电状态(state of charge,SOC)估计的两种方法:(1)提出了一种基于递推最小二乘算法(recursive least square,RLS)和扩展卡尔曼滤波算法(extended Kalman filter,EKF)相结合的SOC估计方法。该方法采用RLS算法实现电池数学模型参数的在线辨识,辨识的结果作为EKF算法估计SOC所需的参数,将二者结合实现VRB SOC的准确估计,并通过实验验证了算法的有效性;(2)针对SOC初始值偏差较大引起EKF算法不易收敛的问题,提出了一种基于改进扩展卡尔曼滤波算法(improved extended Kalman filter,IEKF)的SOC估计方法。通过实验验证了在不同SOC初始值时,IEKF算法相比EKF算法具有更好的精度、快速性和鲁棒性。最后在MW级VRB储能系统的结构及单个VRB SOC的准确估计基础上,给出了VRB储能系统SOC的分布式计算方案。3、提出了一种基于非线性量化CMAC(cerebella model articulation controller,小脑模型关节控制器)神经网络的VRB储能系统就地层控制策略。首先设计了考虑幂函数、高斯、分段三种非线性量化方法的非线性量化CMAC神经网络控制器,并给出了不同非线性量化方法的适用性。然后将分段非线性量化CMAC控制器与比例控制器组合,构成复合控制器。最后将该复合控制器用于VRB储能系统的就地层控制,并与PI控制器进行了对比分析。结果表明,复合控制器能够有效提高VRB储能系统的功率跟踪速度,充电响应时间、放电响应时间、充电到放电转换时间、放电到充电转换时间均小于PI控制器,且优于标准中规定的时间。4、提出一种计及优先级的自适应权重粒子群算法(priority-adaptive weight particle swarm optimization,P-AWPSO)的VRB储能系统协调控制策略。首先给出包含折损成本、损耗率、SOC一致性的多目标优化模型及4个评价VRB储能系统功率分配的指标。然后采用P-AWPSO算法进行求解,该算法采用“先选择单元后功率分配”思路:先根据优先级选择参与当前功率分配的VRB储能单元,再在选定的储能单元内进行功率分配。最后,将该算法用于两个算例中,并与传统功率分配策略进行对比分析。算例表明基于P-AWPSO的协调控制策略能够更好的优化分配电池功率,减少电池充放电次数,降低电池运行成本,提高工作效率。5、搭建VRB储能系统关键技术的验证平台,包括MW级VRB储能系统半实物仿真平台和5k W/30k Wh VRB储能系统实证平台。半实物仿真平台验证了协调控制算法的有效性,实证平台验证了VRB模型和SOC估计的准确性。