基于物理模型的多尺度模型预测控制用于电池系统参与频率调节市场
最优化与控制
2020-04-14 v1
摘要
我们提出了一种用于固定式电池系统的多尺度模型预测控制（MPC）框架，该框架利用高保真模型权衡能量与频率调节（FR）市场提供的短期经济激励与长期退化效应。我们发现，与采用低保真模型的MPC公式相比，该MPC框架可大幅减少长期退化，同时恰当地响应FR与能源市场信号。我们的结果还证明，借助现代非线性规划求解器，可将复杂的电池模型嵌入闭环MPC仿真中（我们在Julia中提供了高效且易用的实现）。我们利用仿真获得的见解设计了一种低复杂度MPC公式，其与高保真模型所得行为相匹配。这是通过设计合适的终端惩罚项来隐式捕获长期退化实现的。结果表明，通过合理设计代价函数，可在低复杂度MPC公式中考虑复杂退化行为。我们相信我们的概念验证结果具有工业相关性，因为电池供应商正寻求参与快速变化的电力市场同时保持资产完整性。
引用
@article{arxiv.2004.05727,
title = {Multiscale Model Predictive Control of Battery Systems for Frequency Regulation Markets using Physics-Based Models},
author = {Yankai Cao and Seong Beom Lee and Venkat R. Subramanian and Victor M. Zavala},
journal= {arXiv preprint arXiv:2004.05727},
year = {2020}
}