[发明专利]面向频率可调脉冲工况的混合储能系统联合优化方法

说明书

本发明公开一种面向频率可调脉冲工况的混合储能系统联合优化方法，包括：生成若干容量配置方案，并确定对应的最优能量管理规则，形成训练数据集；基于训练数据集对神经网络模型进行训练；针对频率可调的大功率脉冲工况，在联合优化框架下基于神经网络模型输出给定工况下的全局最优的容量配置方案与能量管理规则；针对特定频率的大功率脉冲工况，基于神经网络模型实时获得最优的能量管理规则，并在脉冲频率调整时实时更新能量管理规则。本发明应用于混合储能领域，联合考虑容量配置和能量管理对于系统最终性能的影响，能够找到高度耦合的容量配置优化问题与能量管理优化问题的全局最优解，在保证解的最优性的前提下，还大大提升了寻优速度。

技术领域

本发明涉及混合储能技术领域，具体是一种面向频率可调脉冲工况的混合储能系统联合优化方法。

背景技术

研究具有高功率密度特性和高能量密度特性的储能器件或储能系统是储能技术发展的永恒主题。目前，由于仅采用单一类型的储能器件难以同时满足可变频大功率脉冲负载对高能量密度和高功率密度的要求，因此将能量型储能器件和功率型储能器件集成使用的混合储能系统在该应用场景下具有较大的应用价值和良好前景。

目前，针对混合储能系统的研究主要包括混合储能系统的容量配置和能量管理两方面。混合储能系统的容量配置方案具体包括两类器件的型号、数量、串并联方式等内容，它决定了混合储能系统的性能上限。也就是说，如果混合储能系统采用了不符合其负载运行工况要求的容量配置方案，那么即使能完全发挥硬件性能，该混合储能系统也不能满足负载的实际运行需要。因此，在容量配置可以预先设计的情况下，基于负载运行工况针对混合储能系统进行容量配置优化是非常必要的。混合储能系统的能量管理依赖于系统中两类器件的实际容量配置，其目的是使混合储能系统在既定的器件容量配置方案下达到最佳性能。其主要手段是通过将功率在能量型器件和功率型器件之间合理分配，充分发挥能量型器件和功率型器件的各自优势，从而既可向负载提供较高的功率输出，又能向负载提供较高的持续能量输出。

当前研究往往分两步进行容量配置优化与能量管理优化。第一步采用一种通用的能量管理规则来评估不同容量配置方案的性能并进行寻优，第二步再针对容量配置寻优结果进行能量管理优化并获得其对应的最优能量管理策略。由于在进行混合储能系统的容量配置寻优时，每个容量配置方案需要采用与之对应的最优能量管理规则才能发挥出该方案的最优性能，因此采用分步方法找到的最佳容量配置方案无法保证其全局最优性。

为解决分步方法无法保证全局最优性的问题，目前有少量研究考虑了进行容量配置与能量管理联合优化。这些研究一部分受限于其所采取的传统优化方法，往往人为的将容量配置取值过度离散化，或是依据经验将取值范围限定在一个较窄的区间内；另一部分现有联合优化研究采用了智能优化方法，但其能量管理优化要么简单地采用基于经验构造的分段线性函数的参数优化，失去了最优性，要么将动态规划等全局优化方法直接嵌套在智能优化框架下，计算开销过大。此外,当前的混合储能系统研究相关研究主要针对电动交通工具的行驶、电网调峰等随机特性较强的工况，针对周期性大功率脉冲工况的研究较少，缺乏面向频率可调的大功率脉冲工况的混合储能系统相关研究。

发明内容

针对上述现有技术中的不足，本发明提供一种面向频率可调脉冲工况的混合储能系统联合优化方法，面向频率可调的大功率脉冲工况，联合考虑容量配置方案和能量管理规则对于系统最终性能的影响，能够找到高度耦合的容量配置优化问题与能量管理优化问题的全局最优解。此外，在保证解的最优性的前提下，本发明还通过结合神经网络方法大大提升了寻优速度，且整个求解过程中的计算复杂度可以按照对方案最优性的实际需求进行灵活调整。

为实现上述目的，本发明提供一种面向频率可调脉冲工况的混合储能系统联合优化方法，包括如下步骤：

基于能量型器件与功率型器件备选型号以及器件参数，在混合储能系统的应用约束范围内生成若干容量配置方案，并确定每一容量配置方案在特定频率的周期性脉冲工况下对应的最优能量管理规则，形成训练数据集；