具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

如图1，在本申请实施例中，本发明提供了一种集群化能源系统分布式协同控制方法，所述方法包括步骤：

S1：获取集群化能源系统；

S2：获取所述集群化能源系统的建模模型；

S3：获取所述集群化能源系统的能量需求情况；

S4：获取所述集群化能源系统的能量供应情况；

S5：根据所述能量需求情况和所述能量供应情况对所述集群化能源系统的模型进行分布式协同控制。

在本申请实施例中，所述集群化能源系统包括：智能电源模块，其中，所有的所述智能电源模块依次并联。

在本申请实施例中，所述智能电源模块包括：功率输入模块、功率输出模块、通信模块和电池单元，其中，所述功率输入模块、所述功率输出模块和所述通信模块均与所述电池单元并联。

在本申请实施例中，所述建模模型的表达式为：

其中，x_i表示第i个建模模型中电池的荷电状态，V_i表示建模模型中内部母线电压，Q_i表示电池容量，P_i表示建模模型中光伏电池产生的功率与PCU向外输出功率的差，τ_i表示电池消耗功率。

在本申请实施例中，所述根据所述能量需求情况和所述能量供应情况对所述集群化能源系统的模型进行分布式协同控制包括步骤：

构建分布式协同控制器；

获取所述建模模型中目标智能发电单元的第一状态参数；

获取所述目标智能发电单元的临近智能发电单元的第二状态参数；

获取所述建模模型中电池状态先验知识；

获取所述建模模型中光伏检测值；

将所述第一状态参数、所述第二状态参数、所述电池状态先验知识和所述光伏检测值输入所述分布式协同控制器；

获取所述分布式协同控制器输出的输出功率；

安装所述输出功率控制所述建模模型。

在本申请实施例中，所述分布式协同控制器的表达式为：

其中，控制器状态x_ci由一致性误差∑a_ij(x_i-x_j)、输出功率误差共同调节，当第i个ISM模块储能较其它模块更多时，x_ci增大，进而u_i增大，输出功率增加，来快速消耗储能。同时其它SOC相对较小的模块的输出到负荷的功率u_j减小，以使各模块储能的SOC达成一致。

优选地，所述分布式协同控制器的表达式为：

其中，控制器状态x_ci由一致性误差∑a_ij(x_i-x_j)、输出功率误差共同调节，当第i个ISM模块储能较其它模块更多时，x_ci增大，进而u_i增大，输出功率增加，来快速消耗储能。同时其它SOC相对较小的模块的输出到负荷的功率u_j减小，以使各模块储能的SOC达成一致。

在本申请实施例中，所述根据所述能量需求情况和所述能量供应情况对所述集群化能源系统的模型进行分布式协同控制还包括步骤：

对所述建模模型中目标智能发电单元的输出电流进行饱和处理。

在本申请实施例中，所述对所述建模模型中目标智能发电单元的输出电流进行饱和处理包括步骤：

将所述目标智能发电单元的输出电流调整为正；

根据SOC状态及充放电约束计算输出电流对应上下界；

对所述目标智能发电单元的输出电流进行全范围饱和处理；

计算出力指数约束折算到输出电流量纲下的约束；

将对出力指数约束上届与全范围饱和处理所用约束上届取交集作为新约束；

固定下垂系数逐个模块内饱和处理。

本发明提出的供电系统硬件结构中每个ISM模块视为一个节点单元，各个节点单元之间相互协作，既要在层内满足发电和用电功率匹配，又要实现各个储能单元之间的均衡。

对于每个ISM模块系统模型

分布式协同控制器设计如下：

该控制器为动态线性分布式控制器，控制器状态x_ci由一致性误差∑a_ij(x_i-x_j)、输出功率误差共同调节，当第i个ISM模块储能较其它模块更多时，x_ci增大，进而u_i增大，输出功率增加，来快速消耗储能。同时其它SOC相对较小的模块的输出到负荷的功率u_j减小，以使各模块储能的SOC达成一致。

当各ISM输出功率不足所需功率时，ρ＞1进而x_ci增加，u_i增加，逐渐调节输出功率达到P^*。注意，虽然输出功率u_i的和并不始终严格等于P^*，但是，一方面应用过程中计算出的输出功率u转化为比例关系调节传入一级控制器进行调节，一级控制器保证了实际输出功率与负荷相等，其实际消耗功率由其负载特性决定，即，因此系统模型中的比例系数ρ_i会随着控制器计算出的输出功率和所需功率P^*不断变化；另一方面，当系统收敛时，一致性误差∑_ja_ij(x_i-x_j)＝0，即x_i＝x_j，同时，ρ收敛到1，输出功率误差

为使系统有更快的收敛速度，和更好的抗扰性能，将控制器(1)改进为如下非光滑动态控制器

其中，sign(·)是符号函数，满足

本小节提出的协同控制策略是分布式控制策略，即，每个智能电源模块独立地运行该控制策略，控制策略中包含了对每个智能电源模块的控制量计算方法，每个智能电源模块仅需根据自身的状态反馈，并通过通讯网络，将获取到的其他控制节点的信息状态传入控制器对应输入端。具体而言，对于第i个智能电源模块，需要

(1)通过先验知识获取储能单元容量数据；

(2)根据理论分析结果设置控制器参数；

(3)通过获取网络上其他节点的状态x_j，x_cj以及实际输出功率与所需功率的比例ρ；

(4)通过检测原件获取储能单元当前电压值v_i；

(5)在微控制器中计算x_ci和u_i；由于控制器中存在对x_ci的积分，可通过将之离散化，采用差分方程求解方法，即在每个采样时刻，在内存单元中存储上一时刻的值x_ci(k-1)，并根据当前状态计算增量dx_ci(k-1)，则当前时刻的值为x_ci(k)＝x_ci(k-1)+Tdx_ci(k-1)，其中T为采样间隔；

(6)为与现有硬件平台衔接，需要根据输出功率的比例配置硬件平台的处理系数。

由于该控制器是分布式控制策略，自身具有一定的容错能力，即，当某些节点因故障退出运行时，其内置微控制器自动将该节点切除。切除的节点不在广播自身数据，因此该节点原有的邻居将接收不到它发送的数据。对于每个智能电源模块而言，其控制量的计算只依赖于接收到的邻居的信息状态数据，少量节点断开网络不影响系统实现均衡，只要断开节点的数目较少且剩余网络仍包含有向生成树即可。

为使能源系统不均衡性的描述更加理解，定义系统不均衡性度量Δ(t)＝max_i(x_i(t))min_i(x_i(t))，定义系统不均衡性指标Δ_∞＝lim_t→∞Δ(t)。当时，系统趋于一致，储能单元SOC相互接近，最终当时系统状态进入不变集，即，最终系统不均衡性指标其中，ε₂是任意正数。

从以上分析中可以看出，虽然系统不一定完全收敛到一致性流形，但值得注意的是P_w反映光伏功率变化情况，当光伏发电功率稳定不变时第一项为0，系统可完全达成一致。另一方面，可以通过适当调节控制器参数来减小最终不变集的大小，即，增大k₁可使系统不均衡性尽可能降低。

通过系统稳定性分析可以得到系统不均衡性指标的数值描述，即，注意到，当储能单元参数相同，且光伏功率保持不变的情况下，Δ＝0，即系统可以完全达成一致性，所有电池SOC均相同。但事实上，光伏电池输出功率随时间不断变化，因此实际中SOC并不能完全相同，而是在彼此相同的状态附近不断拨动。但以上理论分析已经给出了拨动的最大范围，因此，可以以此数据为电池容量配置做参考。

储能单元SOC逐渐收敛到一致状态，通过对收敛速度的估计可以获得系统储能单元SOC状态曲线的包络，从安全性角度考虑，为保证SOC最低电池不能完全放空电能，因此，实际能量使用量需以下包络线为准，由此，可以获得系统安全运行边界。

饱和处理过程在本系统的控制器设计过程中不可或缺，占有非常重要的地位。在实验过程中，如果不考虑系统的饱和问题，系统的饱和现象由于硬件及软件所带来的约束频繁出现，轻则影响控制器最终的控制效果，重则造成系统不可逆转性错误，导致整个系统最终的瘫痪。而饱和处理过程则是针对这一现象提出的解决方法，在控制器算法执行的过程中，直接根据系统具体的运行状态及各个单元收到的约束进行控制量的二次调整，最终可以保证在系统各个单元不会产生饱和问题的基础上，每个ISM通道以及整个能源系统层间单元会向着储能元件均衡一致的方向稳定运行。

在饱和处理过程的设计中，主要考虑了系统所受到的四个方面的约束：电池充放电电流的约束、电池荷电状态变化范围的约束、考虑功率输出模块安全性的输出功率约束以及对下垂系数的约束。其中，电池充放电电流的约束以及电池荷电状态变化范围的约束均可以通过直接对输出电流进行约束加以解决，而对于下垂系数的约束，需要将控制输入量折算到出力指数的维度上进行考虑。在本发明中，饱和处理过程如下：

(1)将控制输入量调整为输出电流，对应均为正值，最低输出电流为0A，再进行比例缩放，将调整后的输出电流调整为对应当前时刻储能单元电池电压、负荷功率的对应所需的输出电流。

(2)考虑电池充放电电流的上下界、储能单元的荷电状态以及光伏能源的输出电流，计算当前情况下各个通道的上界(u2)与下界(u1)。其中，荷电状态较低的通道输出电流上界限制在光伏输入电流之下，荷电状态较高的通道输出电流下界限制在光伏输入电流之上。

(3)在全范围内进行第一次饱和处理过程——削峰填谷输出为调整后的电流(折算到电池端)。在这一过程中，对处于系统中的每个输出通道进行判断调整。首先进行“削峰”操作。

附图4展示处理输出电流超出上界的例子。

图中所示处理输出电流超出上界的情况。其中，系统中的ISM1与ISM4的原输出电流超过该通道计算出的实时输出电流上界，则对应通道对应超出上界部分的输出电流“削掉”，该通道的输出电流与上界相等。同时根据电池电压计算出减少的功率，以及在上界范围内可以增加输出电流的通道所折算的功率，对每个在上界范围内的输出电流可以进行调整的通道(如图中的ISM2、ISM3)进行处理，使其按照减少的功率与可调节的功率比值增加输出电流，使各个通道的输出电流均保证在上界范围之内。

(4)进行“填谷”过程。

附图5展示填谷过程的例子。

首先，检查标记出各个通道中超出输出电流下界的通道，ISM2与ISM3，并计算出需要减少的功率以及可调整的输出功率范围。若可调整的输出功率范围可以满足减少的功率所需，即调整低于下限的各个通道的输出电流增加为下界，并将其他可调整通道(ISM1、ISM4)的输出电流按比例减少。若可调整的输出功率范围不满足减少的功率所需，即代表此时光伏输入功率远远大于负载功率，通过调整光伏供电电源的运行模式为恒功率模式以降低输出功率的方式解决这一问题。

附图6为饱和处理过程流程图。

在这一过程中，只考虑储能单元对于荷电状态以及充放电电流的约束条件下，对系统进行了全范围饱和处理，使各个通道的输出电流保证在合理范围之内。

进行最终检验，检查各通道输出电流是否满足约束条件，各通道出力系数是否在上界以内，如果每个通道电流仍不满足条件，代表此时系统一定无法均衡，则向上位机回报具体错误类型，系统停止工作。

在饱和处理后，功率仍然可以达到平衡。在系统处于有解情况下(输入功率大于等于负荷功率)，饱和出力过程所针对的调整基本变量为各通道的输出电流，整个系统在工作过程中，不考虑开关器件及控制器的能量消耗，在升压降压电路两端的功率是平衡的。在可以实时获得系统内各通道输入输出电压的情况下，对功率的约束可以转换为对电流的约束，那么在饱和处理过程中，直接对各通道输出电流进行调整可以直接保证整个系统处于约束的合适范围内。而在饱和处理过程中，主要对各通道的输出电流的调整包括“削峰”和“填谷”两过程，即将某一通道的输出电流降低时，一定会提高其他通道的输出电流，这样可以保证功率在饱和处理过程中是严格平衡的。

饱和处理过程是针对实验中出现的系统饱和现象，在源头上解决系统饱和问题。由于饱和现象是因为系统所受到的硬件及软件所带来的硬约束及软约束所造成的，所以主要基于系统受到的三种约束在控制器中进行调整。当控制器输出的控制量会严格地保证各个通道的状态不会超出约束，自然而然的系统不会出现饱和现象。

对于SOC及充放电最大电流的约束，在全范围饱和处理过程处理。采用全范围调整是因为控制器为分布式控制器，并且基本单元可以视为每个通道，根据每个通道的系统状态对应输出每个通道应该向负载输出的能量，并没有涉及到模块之间的下垂控制，在同时考虑所有单通道的状态及相应的约束条件下，对系统进行饱和处理，直接保证了每个通道的输出电流保证在合理的范围内。另外，在全范围内进行控制量调整，可以进行模块间的控制量调度，在一定程度上扩大了控制量的求解范围。

在全范围饱和处理过程中，同时考虑了光伏的输入电流以及电池端的输出电流折算为各个通道的输出电流，在各个通道的光伏输入电流折算每个通道的最大和最小的输出电流，并且结合SOC的状态(当某通道储能单元的荷电状态过低或过高时，需要降低或提高此通道的出力，同时尽量以最大充电或放电电流进行充电或放电)所产生的约束下，对每个通道的折算到电池端的输出输入电流进行调整，显然不会超出各输出电流的上下界，并且保证了那些已经处于SOC边界上的储能单元进行合理地充放电。

本发明基于现有的PVCM和POM电路设计了分步式控制器以实现对太阳能飞行器的电源系统的管理和调整。

由于系统中通过1个POM电路板可以同时监控3个ISM通道，因此实验中为每个POM电路板设置一个控制器。然而，控制算法是以每个ISM通道作为控制单元，因此在每个控制器中同时运行3个独立的控制器，同时为后期单ISM节点网络打下基础。

附图7所示即为集群化能源系统实验平台结构图。

其中，C1、C2为分布式控制器的两个控制核心，内置分布式控制算法，该设备通过CAN总线与PC进行数据交互，通过485总线与现有平台PVCM和POM进行通信，以实现分布式控制。

分布式控制器以STM32为处理核心，包含1个CAN总线通信通道。由于系统中通过1个POM电路板可以同时监控3个ISM通道，因此实验中为每个POM电路板设置一个控制器。然而，控制算法是以每个ISM通道作为控制单元，因此在每个控制其中同时运行3个独立的控制器，同时为后期单ISM节点网络打下基础。

为实时监控各部分系统状态，便于记录、分析实验数据，及时调整实验参数与控制方法。拟设计一款包含通信、显示、序列化等功能的上位机软件。该设计具有功能如下：

数据交互功能；可通过CAN总线与嵌入式控制器进行数据交互，实现数据的实时上传与下发。

数据显示功能；能通过多种方式显示控制器上传的数据。例如，表格显示和波形显示。

序列化功能；能够实时将在线数据序列化至本地，便于后期进行实现总结和分析。

目前，上位机软件设计已经实现数据交互功能与部分数据的波形显示功能。通过USBCAN连接计算机与嵌入式控制器的CAN网络，可以实时上传与下发CAN报文并使用波形界面实时显示各组电池的SOC。

附图8所示即为上位机软件界面。

经过参数重新整定后的协同控制器可以使6个ISM在指定工况下，收敛趋势明显，并在5000s左右收敛一致，并保持均衡性继续充电，截止到实验结束时，最大SOC与最小SOC相差0.0054。

附图9所示即为实验中记录的SOC变化趋势。

本申请提供的一种集群化能源系统分布式协同控制方法，可以实现集群化能源系统的功率平衡和储能均衡目标，以便控制策略有效应用及系统状态的实时观察，可应用于太阳能飞行器集群化能源系统的能量管理系统设计制造。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。