[发明专利]模型和数据驱动的光伏储能系统控制方法

权利要求书

1.一种模型和数据驱动的光伏储能系统控制方法，其特征是，它包括如下步骤：

S1，拓扑，对于光伏储能系统，分析拓扑结构，包括光伏发电组件与含光伏MPPT的DC-DC转换器，储能系统及双向DC-DC转换器，直流母线，直流负载，交流负载及逆变器；

S2，构建动态模型，对于储能系统与MPC控制器，基于物理特性，构建仿真动态模型；对于负载，以P_load表示实时功率，以v_ref表示所需母线电压基准值；对于光伏发电，以P_pv表示实时输出功率；根据基尔霍夫定律，列写电路方程；

S3，建立空间模型，对于MPC控制器，通过S2的电路方程，根据储能系统拓扑结构，建立状态空间模型，根据仿真实时数据输入i_L，v_C；

S4，更新，由状态方程写出量测方程，由初始状态估计和初始协方差，计算出τ时刻的状态估计和协方差，更新量测方程和协方差，计算出卡尔曼增益，完成状态方程更新；

S5，建立预测方程，基于状态方程，使用泰勒展开与前向欧拉法，离散并线性化建立预测方程；设置目标，减少稳态误差，加快响应速度，定义目标函数定义约束条件，包括：电压电流输出最大值，占空比最大值最小值，储能输出、吸收总能量最大值；

S6，求解，最优化求解目标函数J，解的u使得J最小，输出u；

S7，评价，训练ANN模型，ANN由一个输入层和一个输出层组成，其中输入层从外部输入数据，一个或多个隐藏层处理数据，每层包含若干的神经元，输出层输出一个或多个数据；ANN模型基于储能系统物理仿真模型获得的训练数据集进行离线训练获得；评价ANN模型的拟合性能，采用拟合优度R²作为评价指标；

S8，控制，随机选取100组光伏负载随时间变化数据，分别用训练好后的ANN模型和MPC控制器仿真得到输出u，比较两种方法输出的误差及其分布；设定条件最大误差小于15％且±10％以内误差占比大于95％时，表明ANN模型在线用于光伏储能系统控制。

2.根据权利要求1所述的模型和数据驱动的光伏储能系统控制方法，其特征是：

在S3中，状态方程的函数根据需要进行预设，用于调整输入输出。

3.根据权利要求1所述的模型和数据驱动的光伏储能系统控制方法，其特征是：

在S5中，J的函数根据需要进行预设，用于调整控制目标。

4.根据权利要求1所述的模型和数据驱动的光伏储能系统控制方法，其特征是：

在S7中，隐藏层层数，神经元数量，神经元权重、偏差根据需要进行预设，用于调整ANN模型拟合效果。