基于贝叶斯推理的大规模电池储能系统最优功率管理
系统与控制
2025-03-05 v1 系统与控制
摘要
大规模电池储能系统（BESS）在工业和社会中得到了越来越广泛的应用，以加速清洁能源转型并提高能源供应的可靠性和韧性。然而，其最优功率管理面临重大挑战：底层的高维非线性非凸优化在现实实现中缺乏计算可处理性，而外部功率需求的不确定性使得精确优化变得困难。本文提出了一种新的解决方案框架来应对这些瓶颈。该方案的核心在于引入功率分配比来指定每个电池单元从输出功率需求中获得的功率份额。为了找到最优的功率分配比，我们构建了一个非线性模型预测控制（NMPC）问题，以实现功率损耗最小化的 BESS 运行，同时满足安全性、电池均衡和功率供需约束。然后，我们提出了一种参数化控制策略用于功率分配比，该策略仅使用三个参数，以降低求解 NMPC 问题的计算需求。这种策略参数化使我们能够将 NMPC 问题转化为贝叶斯推理问题，从而实现 1）计算可处理性，以及 2）克服优化的非凸性。我们利用集合卡尔曼反演技术来求解参数估计问题。同时，开发了一个底层控制回路，以无缝地将我们的方法与 BESS 集成，确保实际实现。该底层控制器接收最优功率分配比，为各电池单元生成输出功率参考，并在输出功率存在不确定性的情况下维持功率供需之间的平衡。我们在 20 电池单元的原型上进行了广泛的仿真和实验以验证所提出的方法。
引用
@article{arxiv.2503.02866,
title = {Optimal Power Management for Large-Scale Battery Energy Storage Systems via Bayesian Inference},
author = {Amir Farakhor and Iman Askari and Di Wu and Yebin Wang and Huazhen Fang},
journal= {arXiv preprint arXiv:2503.02866},
year = {2025}
}