复合电网运行场景下基于向量几何视角的级联储能系统荷电状态均衡优化控制策略

《Journal of Energy Storage》：Optimized state-of-charge balancing control strategy based on vector geometry perspective for cascaded energy storage system under composite grid operation scenarios

　　

• 分析了各种电网运行场景下 CHB-ESS 的电压关系。
• 提出了独立场景下的优化 SOC 均衡控制策略。
• 提出了复合电网运行场景下的综合控制策略。

引言
随着可再生能源的集成和能源结构的转型，以海上风电为代表的新能源发电形式正逐渐成为未来电力系统的重要组成部分 [1]、[2]、[3]。为了解决大规模可持续能源发电集成带来的问题，一种广泛认可的解决方案是为系统配置一定数量的储能 [4]、[5]、[6]。储能系统可以实现能量时移的功能 [7]，有效补偿可持续能源发电的随机性和不确定性 [8]、[9]。在众多拓扑结构中，级联 H 桥储能系统（CHB-ESS）已成为一种极具前景的解决方案，它消除了变压器的需求，避免了电池的环流问题，提高了系统效率，降低了系统成本，并具有高模块化特点。基于上述优势，CHB-ESS 可以增强系统可靠性，并促进储能系统的大容量、大规模设计 [10]、[11]。

自从提出 CHB-ESS 的拓扑结构以来，该领域的专家已从控制设计、运行优化等方面进行了相关研究 [12]、[13]、[14]。其中，荷电状态（SOC）均衡控制技术至关重要，因为它直接影响储能系统的运行效率和整体安全性 [15]、[16]。对于 CHB-ESS，有多种电网运行场景可能会影响 SOC 值的趋势并导致内部模块之间出现差异。一种是由于固有模块参数不同导致的充电速率差异，另一种是由于特殊运行场景（如模块故障和电网电压不平衡）导致的三相 SOC 值趋势差异。上述电网运行场景都应得到充分考虑。

第一个关键运行场景是模块之间的固有差异，即需要研究 CHB-ESS 的相内和相间 SOC 均衡控制策略。[17] 比较了不同拓扑对 CHB-ESS 均衡能力的影响，但没有对均衡控制策略的优化或其复杂工况下的适应性进行深入分析。在优化控制策略方面，实现快速 SOC 均衡主要有两种方法：一是相位功率重新分配，这需要考虑功率约束。[18] 提出了一种基于规则的 SOC 均衡方法，考虑了模块功率额定约束，但缺乏对全局最优性和对系统功率损耗影响的考虑。[19]、[20] 采用多参数模糊控制和模型 - 数据混合驱动等高级算法，实现了大容量铅碳电池的 SOC 参数识别以及动态负荷波动下的实时 SOC 均衡。识别精度和均衡速度均得到了有效提高 [21]，但这些方法的通用性尚未在其他储能系统（如锂离子电池）中得到验证。另一种方法是零序电压注入 [22]、[23]。近期研究主要关注在避免模块过调制的情况下提高均衡速度 [24]、[25] 或维持直流母线电压稳定 [26]，但这些方法依赖于控制器参数校准，本质上限制了均衡速度，且缺乏明确的物理意义。此外，还有通过引入额外级联和修改调制方案来实现 SOC 均衡的方法。[27] 在 CHB 架构中引入了两级 VSI，并采用 NLM/PWM 混合调制。然而，引入高频 VSI 增加了硬件成本和尺寸，并引入了谐波交互等新问题。

第二个关键运行场景是模块故障，即需要研究 CHB-ESS 的冗余控制策略。当几个模块发生故障时，有必要以机械或电子方式可靠地旁路故障模块 [28]，然后通过基于硬件和软件的方法进一步实施适当的冗余控制 [29]、[30]。其中，基于同极分量注入的几何方法可以轻松地重新平衡故障条件下的输出线电压 [31]，但它在应用场景上有限制，值得进一步探索。[32] 解决了传统零序电压注入冗余控制方法在特殊工况下可能导致的过充问题，本文将工况分为三个阶段以确保不间断运行。然而，在故障条件下，该方法可能需要注入负序电流，从而影响电网电能质量，且工况划分增加了控制逻辑的复杂性。[33] 提出了一种将零状态开关（ZSS）和多维容错控制相结合的策略，以解决 CHB-GC-ESS 系统中的单 IGBT 开路故障。然而，该方法主要设计用于单设备开路故障，其对多模块故障的适应性尚未探索，这可能会影响控制性能。

第三个关键运行场景是电网电压不平衡，即需要研究 CHB-ESS 的电网不平衡控制策略。目前，关于该场景下 SOC 均衡控制策略的研究相对较少，但其重要性不容忽视。一旦公共耦合点（PCC）发生三相电压不平衡，CHB-ESS 的内部相位功率分配将发生变化，进一步增加三相 SOC 值之间的差异。因此，CHB-ESS 必须具有补偿不平衡电网电压的能力。[34] 提出了一种选择性过调制策略，通过对高负荷模块应用过调制来增强系统处理不平衡功率传输的能力，同时补偿另外两相的失真。然而，过调制策略引入了额外的谐波，影响了电能质量，且它侧重于功率平衡而非 SOC 均衡。[35]、[36] 采用了零序电压注入方法，并分析了 CHB-STATCOM 在补偿 PCC 不平衡电压方面的能力。然而，他们的研究侧重于补偿能力极限的理论分析，而非控制设计。

基于上述分析，现有方法的不足主要集中在几个方面。首先，对于 CHB-ESS，有多种因素可能导致系统内的 SOC 差异。当前研究侧重于单一场景以实现 SOC 均衡控制，但缺乏针对多种场景（如模块 SOC 差异、模块故障和电网电压不平衡）的统一分析框架，这增加了控制的复杂性。其次，当前研究仍然缺乏对上述情况同时发生时的复合场景的讨论。这可能会导致系统在复合场景下过调制，从而影响其稳定运行。第三，当前的 SOC 均衡控制策略非常复杂且不直观，其物理意义不明确。第四，大多数 SOC 均衡控制策略基于 PI 控制，响应时间相对较慢，限制了 SOC 均衡的速度。此外，由于输入是功率，这对测量系统的精度提出了高要求，导致控制鲁棒性较差。

鉴于上述问题，本文从矢量几何的新视角出发，提出了复合电网运行场景下 CHB-ESS 的优化 SOC 均衡控制策略。它为各种电网运行场景提供了统一的分析方法，并提出了复合电网运行场景下的综合 SOC 均衡策略。此外，基于矢量几何的分析和计算相对直观，具有明确的物理意义。提出的策略不需要 PI 控制，使用电压作为输入，在响应速度和控制性能之间取得了平衡。首先，建立 CHB-ESS 的数学模型，并展示综合功率控制结构。然后，基于统一的矢量几何视角，分析各种电网运行场景中的固有电压关系，并进一步提出优化 SOC 均衡方法。此外，提出了综合 SOC 均衡控制策略，通过引入相应的逻辑原则，确保其在复合电网运行场景中的有效性。最后，通过 MATLAB/Simulink 平台上的严格时域仿真以及实际的 11 级 2.5MW/5MWh CHB-ESS 原型实验验证了所提出的控制策略。结果表明，基于矢量几何视角提出的优化 SOC 均衡控制策略在理论上是合理的，并且在复合场景下具有优异的性能。

本文其余部分组织如下：第 2 节介绍了 CHB-ESS 的拓扑结构和综合功率控制结构的细节。第 3 节介绍了提出的基于矢量几何视角的 CHB-ESS 优化 SOC 均衡控制策略。第 4 节介绍了复合电网运行场景下的综合 SOC 均衡控制策略。第 5 节通过仿真和实际原型实验证明了所提策略的有效性。最后，第 6 节总结了本文。

章节片段
拓扑结构与建模
首先，建立级联 H 桥储能系统的拓扑结构，如图 1 所示。CHB-ESS 的三相通过 Y 形连接直接连接到线路，无需任何变压器，每一相由 N 个电池模块通过 H 桥变换器串联组成。每个模块的电压、SOC 和其他状态值均由电池管理系统（BMS）实时测量和监控。每个 H 桥变换器包含一个

基于矢量几何视角的优化 SOC 均衡控制策略
SOC 值的定义如公式 (6) 所示，用于衡量电池的充电状态，并清晰地指示电池中剩余的电量。SOC=QQmax
其中 Q 是电池模块的实际容量，单位为 Ah；Qmax 是电池模块的最大容量。SOC 的实际值可以通过公式 (7) 所示的安时积分法计算。在实际工程应用中，模块的 SOC 值通常实时监测

复合电网运行场景下的综合 SOC 均衡控制策略
总之，基于矢量几何视角，在各种单一电网运行场景下，可以通过统一的分析方法确定优化均衡电压注入。然而，在实际工程应用中，上述情况可能同时发生（即复合场景），这不应被忽视。由于电压注入容量的限制，简单地叠加不同场景的计算结果可能会导致

仿真与实验验证
为了验证所提策略的有效性，在 MATLAB/Simulink 平台上建立了系统级仿真模型。此外，已构建了一个 11 级 2.5MW/5MWh CHB-ESS 原型进行实地测试，如图 10 所示。CHB-ESS 原型的详细参数列于表 2。

结论
本研究针对复合电网运行场景下的级联 H 桥储能系统（CHB-ESS），提出了一种基于矢量几何新视角的优化 SOC 均衡控制策略。它为各种电网运行场景提供了统一的分析方法，并为复合情况提出了综合 SOC 均衡控制策略。主要结论如下：首先，建立了 CHB-ESS 的数学模型，并提出了综合功率控制

CRediT 作者贡献声明
Tianyi Wang：撰写 – 初稿，验证，调查，形式分析。Yongqing Meng：软件，方法论，概念化。Shuhao Yan：撰写 – 审阅与编辑，数据整理。Ziyue Yang：撰写 – 审阅与编辑。Xiuli Wang：项目管理。Xifan Wang：监督。

利益冲突声明
作者声明他们没有已知的竞争性经济利益或个人关系，这些利益或关系可能被视为影响本文报告的工作。

致谢
本工作由国家自然科学基金资助，资助号 52477121。

Tianyi Wang|Yongqing Meng|Shuhao Yan|Ziyue Yang|Xiuli Wang|Xifan Wang