SOC

针对传统集中式最优潮流算法扩展性差的问题，提出一种适用于求解大规模分布式电源接入的直流系统最优潮流的完全分布式算法。首先，利用凸松弛方法将非凸的直流系统最优潮流模型转化为二阶锥规划模型；然后，基于ADMM（交替方向乘子法）建立求解该模型的分布式算法，再去除算法中的一致性变量，从而将其改进成为直流系统最优潮流的完全分布式算法；最后，在改进的IEEE 13节点和118节点系统算例上进行的仿真验证表明，该算法无需中央协调单元协同各区域的边界一致性信息，通过各区域的并行优化、相邻区域间少量边界节点信息的交换，即可得出辐射式以及环网拓扑的直流系统最优潮流问题的全局最优解。 To address the scalability limitations of traditional centralized optimal power flow algorithms, a fully distributed algorithm for solving optimal power flow in DC systems with large-scale distributed energy sources is proposed. Firstly, the non-convex optimal power flow model of DC systems is transformed into a second-order cone programming(SOCP) model using convex relaxation methods. Subsequently, a distributed algorithm based on the alternating direction method of multipliers(ADMM) is established to solve this model. The algorithm is then transformed by eliminating consensus variables into an improved fully distributed algorithm for optimal power flow in DC systems. Finally, in simulation tests on enhanced IEEE 13-node and 118-node systems, the algorithm proved capable of achieving a globally optimal solution for optimal power flow in radial and ring DC systems. Notably, this was accomplished without the necessity of a central coordinating unit to synchronize boundary consistency information across regions. Instead, the algorithm relies on parallel optimization within each region and the exchange of minimal boundary node information between adjacent regions.

利用退役电池构建储能系统，充分利用其剩余价值，是解决大量退役电池再利用的重要途径。然而，经过多次充放电影响，退役电池不一致性问题较新电池更为突出。在此背景下，首先，针对退役电池储能系统提出了分层式可重构均衡拓扑。其次，基于该拓扑提出了分层式均衡控制策略。考虑组内部和组间两个层次的均衡控制，组内以SOC和端电压为均衡变量，通过重构实现电池单体状态均衡，组间以SOC为均衡变量，通过重构保证全电池簇均衡。同时考虑多种运行工况：静置过程中通过自均衡提高电池组的均衡效率和可用容量，放电过程中通过拓扑结构变换维持输出电压稳定，充电过程中考虑能量损耗和充电速度合理优化充电电流，缩短充电时间，减少温升，延长电池使用寿命。最后，在Matlab中验证了所提拓扑与均衡策略在不同工况下的有效性。

锂离子电池是新能源汽车动力系统的核心，基于模型的电池管理系统(battery management system,BMS)是保证电池性能充分发挥的关键。然而现有BMS主要采用等效电路模型(equivalent circuit model,ECM)，尚未考虑放电倍率对可用容量的影响机制，导致模型在不同放电倍率下以及低荷电状态(state of charge，SOC)区域会存在明显的端电压仿真误差，影响算法精度；尤其是BMS无法准确估计电池放电截止条件，剩余放电电量(remaining discharge capacity,RDC)估计误差大，可能导致电池电压骤降甚至整车抛锚等严重后果。针对以上问题，文中以考虑内部扩散机制的扩展等效电路模型(extended equivalent circuit model，EECM)为基础，对不同倍率的放电电压容量增量(incremental capacity，IC)曲线进行对比分析，利用能斯特方程构造不同放电倍率下的容量-开路电压曲线，提出改进的EECM。所提改进EECM在不同电流倍率和动态工况下的端电压仿真误差均小于传统ECM和EECM，可以提高RDC估计的准确性，有应用于实际BMS的潜力。

在“碳达峰·碳中和”国家能源战略变革背景下，大规模可再生能源的加速并网加剧了电力系统对于快速调频资源需求的迫切性，如何充分发挥以电池储能系统(battery energy storage systems,BESS)为代表的新型快速资源在电网调频中的作用是解决该问题的关键。首先，为满足电网各类型调频资源在自动发电控制(automatic generation control,AGC)系统中的接入监视与分类决策需求，提出“域-群-机”三级控制模型架构；然后，从BESS的荷电状态(state of charge,SOC)主动管理出发，提出基于改进的动态调频容量(dynamic available AGC,DAA)的多元集群协同控制策略，以及引入SOC影响因子的多点BESS功率分配策略；最后,结合实际电网的持续扰动工况及模拟跳机扰动工况进行仿真分析，验证了文中所提控制策略的有效性。文中所提策略不但可以显著改善各单点BESS的SOC一致性，而且能够提升电网调频品质。

传统的火电与水电调频机组因其固有特性难以满足电力系统快速发展、新能源发电集中并网等引起的频率稳定控制需求，储能以其灵敏精准的出力特性逐步在电力系统调频领域中实现了规模化应用。针对规模化储能资源响应速度快、跟踪精度高、调节方向易改变及有限的容量等特点展开了其参与电网调频的控制策略研究：首先，建立了区域电网自动发电控制(AGC)系统及包含储能荷电状态(SOC)的储能系统仿真模型；然后，综合考虑储能资源与常规电源的发电特性，提出了计及储能SOC的快慢速调频资源协调控制策略；最后，搭建了4种不同的仿真场景，通过仿真试验对提出的控制策略的有效性进行了验证。

针对电化学储能现有低电压穿越控制策略未计及荷电状态(state of charge, SOC)动态特性导致其在低SOC场景下出现过放这一问题，设计并引入自适应调节系数来表征低电压穿越期间SOC对储能单元输出有功电流的影响，进而提出一种计及SOC动态特性与充放电状态的电化学储能系统低电压穿越控制策略。该控制策略基于并网规范的电压和频率要求，结合工程实际应用对自适应调节系数进行定量设计，使得系统故障期间储能单元输出的有功电流能够根据SOC大小动态调整。仿真结果表明，该控制策略在低SOC场景下能够有效限制有功电流输出，减缓放电速度，从而避免小容量、大放电倍率储能单元出现因SOC越限而退出运行的风险，并减小低电压穿越过程中多个储能单元之间的SOC极差。通过与传统的低电压穿越策略对比验证了所提策略的有效性。

准确估计储能电池的SOC（荷电状态），对于实现电池的均衡充放电，减少因电池过充过放引起的容量下降具有重要意义。针对储能电池的复杂化学状态和SOC非线性时变特性，提出一种基于VFFRLS（变遗忘因子递归最小二乘）和UKF（无迹卡尔曼滤波）算法的锂离子电池SOC联合估计方法。采用VFFRLS在线辨识电池模型的电阻、电容参数，根据辨识结果，利用UKF算法实时估计电池SOC。实验结果表明，该联合算法具有较高的准确性和稳定性。

分布式光伏在交流侧公共连接点(point of common coupling, PCC)汇流的功率有较大的随机性与波动性，影响电网的稳定运行。为此，提出了基于经验小波变换(empirical wavelet transform, EWT)的分布式光储PCC功率自适应平抑方法。首先，针对混合储能(hybrid energy storage system, HESS)与分布式光伏接入PCC的典型场景，在分析EWT自适应处理波形的特点后，结合功率波动率与储能元件的响应特性，对PCC的光伏原始汇流功率进行EWT分解与优化修正，实现HESS的功率初级分配。之后为避免HESS的荷电状态(state of charge, SOC)频繁越限，提出了一种主动功率补偿的SOC控制策略，通过主动改变储能的参考信号使其SOC在安全范围内工作。结合实际数据的仿真验证表明，该平抑方法能够自适应地实现光伏出力的合理分解与功率分配，在延长储能使用寿命的同时有效满足并网功率波动的要求，为平抑光伏输出功率波动提供了新思路。

提高基于模块化多电平换流器(modular multilevel converter, MMC)的分布式储能系统(distributed energy storage systems, DESS)的能量利用率，解决储能子模块(energy sub-module, ESM)荷电状态(state of charge, SOC)均衡问题至关重要。针对现有的SOC均衡控制策略的不足，提出内外分层的快速SOC均衡控制策略。外层针对桥臂间或相间的SOC差异，通过改进MMC模型预测控制(model predictive predictive control, MPC)，配合自适应均衡系数，快速调整功率差额。内层引入自适应虚拟电阻法，根据ESM的SOC情况确定主导ESM，自适应调节各单元的虚拟电阻，产生相应的电压梯度，结合MMC排序算法使ESM按照各自SOC进行功率分配，从而实现ESM的SOC快速均衡，提高DESS能量利用率。通过在Matlab/Simulink构建仿真模型，证明了所提控制策略的有效性和可行性。

电池管理系统（BMS）通过监测电池参数（电压、电流和温度等）估计电池状态（SOC/SOH/SOF）来延长电池寿命、提高容量利用率和保证电池功能，并向上级提供信息；在意外情况发生时，提供对人员和设备的安全保护。采用“直流电源端BMS” + “云端电池”的复合电池管控架构，直流电源端与云端进行任务分工，优势互补，云端担任长期的规划与预测，直流电源端用于短期的分析与执行；具有以下优势：第一，时间维度互补，直流电源端BMS会专注于所有数据的实时收集与短期储存，而云端电池会专注于整个生命周期中主要参数的储存；这样既保证了短期的数据精度，也确保了长期的数据广度。第二，空间维度，一方面直流电源端BMS记录了大量本地的电池数据，另一方面云端电池记录了所有配备这一解决方案的电源数据，以直流电源端+云端的电池数据为基础进行分析，得出的结果会更加精确。第三，智能运维，将直流电源端电池定期人工维护提升为依据电池状态进行维护，实现电池“定时维护”到“状态维护”，减小维护成本，解决用户后顾之忧。