基于预测控制的氢燃料CAT蓄电池储能系统一次频率调节功率的最优控制模型

新能源的整合使当前电力系统的惯性和阻尼特性显著降低。因此，本文提出了 基于虚拟参数控制和模型预测控制（MPC）的氢燃料电池-储能电池系统联合控制策略。该策略有望提升氢燃料电池-储能电池系统的频率稳定性，并减轻堆栈温度上升对质子交换膜燃料电池（PEMFC）输出特性的影响。首先，本文构建了系统模型。然后，根据单元的动态响应时间，本文分别采用了PEMFC和储能电池的虚拟下垂控制和虚拟惯性控制。基于此，本文开始构建该系统的MPC状态-空间预测模型。最后，模拟平台分析系统频率在多种工作条件下的变化。与传统方法相比，本文策略下系统频率调控的动态响应时间提高了约50%。在阶跃负载扰动条件和连续负载扰动条件下，频率偏差分别减少了约12%和81%。本文结果明确表明，所提出的控制策略显著提升了系统的频率稳定性。

简介

近年来，清洁能源的推广显著加强。利用氢能开发PEMFC已成为当代能源系统的主要趋势。然而，PEMFC的输出特性受物理约束限制，导致动态响应能力不足。相比之下，储能电池表现出快速响应和灵活控制的特性。通过将PEMFC与储能电池耦合，系统的稳定性可以显著提升[1,2]。
频率调节是电力系统稳定性研究中的重要领域。将PEMFC和储能电池耦合成联合系统，使两者参与频率调节，可以提升系统的动态和稳态性能。为了提高新型能源并网系统的频率稳定性，可以在新型能源单元上实现虚拟参数控制，如虚拟下垂控制和虚拟惯性控制。通过使新型能源单元模拟传统同步发电机的特性，可以提升系统在特定时间的频率调节能力。此外，两个虚拟参数控制的结合可以提升系统的频率稳定性[3,4]。
关于混合能源储存用于频率调节的相关研究已经存在。文献[5]对燃料电池的发展提出了展望。本文强调了燃料电池技术的巨大发展潜力以及氢燃料电池在电力系统中日益重要的作用。文献[6]认为，鉴于当前新兴电力系统的发展，有必要充分发挥氢能及其他新能源的优势。文献[7]提出了由电池储能和超级电容器组成的混合储能。系统频率在时变负载下通过这种混合储能系统进行调节。然而，该策略在连续负载干扰下的频率调节性能不如传统控制有利。
关于燃料电池频率调节预测控制模型的相关研究也存在。文献[8]关注固体氧化物燃料电池系统在配电网络频率调节中的参与，但未考虑燃料电池输出受其自身特性影响。文献[9]提出了基于可再生能源、电解罐和燃料电池的自适应PI控制策略，但未考虑多个控制变量之间的相互作用。文献[10]和文献[11]的论文提出了一种自适应预测模型。然而，由于本文研究的系统还包括除燃料电池外的新型能源单元，如风力涡轮机和光伏机组，因此很难充分发挥PEMFC的特性。文献[12]提出了基于降幅控制的燃料电池-储能电池系统的主要频率控制，但未考虑燃料电池自身特性的优化。
MPC是一种优化控制技术，能够在多约束条件下有效解决优化问题。文献[13]讨论了机器学习与MPC的整合。本文聚焦电压稳定性，提出了一种自适应调度策略，可以减少计算时间并提升系统响应。文献[14]将MPC用于能量储存和频率调节，能够准确预测频率调节中关键事件的时间，并更准确地估计参数。文献[15]提出了利用稀疏回归实现数据驱动的非线性MPC，可以改善分布式能源的功率共享。本研究解决了传统基于物理模型的MPC方法的局限性。文献[16]侧重于深度学习技术的应用，展示了机器学习与MPC结合的潜力。文献[17]对MPC在微电网控制中的应用进行了全面综述。本研究聚焦于MPC在一次频率调节和能源管理中的作用，充分证明MPC适合解决新电力系统中的问题。
然而，当前的燃料电池研究主要聚焦于峰谷平衡。PEMFC与储能电池的协同系统关注较少。考虑到传统的初级频率调节过程大多依赖风力涡轮机，现有文献忽视了当系统惯性特性显著降低时，如何将虚拟参数控制应用于燃料电池的问题。这一结果意味着现有研究并未深入研究虚拟参数控制与MPC的结合。
保持频率稳定性对于确保新能源系统长期稳定运行至关重要。为解决上述问题，本文提出了氢燃料电池-储能电池系统初级频率调控的预测控制模型，重点调整虚拟控制参数。具体来说，本文的主要贡献可以总结如下：

• 1)
  本文构建了一个氢燃料电池-储能电池系统模型。本文还考虑了新能源接入电网时的频率响应特性和PEMFC输出特性。基于这些特性，研究系统与电网之间的相互作用。
• 2)
  本文将虚拟下垂控制和虚拟惯性控制结合应用于该系统。利用这一联合控制，本文通过对系统应用模型预测控制，实现了储能电池与PEMFC之间的灵活协作。该策略依赖于预测电网在下一时刻的频率状态，以优化控制。
• 3)
  根据上述控制，本文通过模拟验证了所提策略在各种工作条件下的有效性。