低代码控制器硬件在环仿真实验（三）：储能辅助调频控制
低代码控制器结合Simulink，实现硬件在环的储能功率分配优化控制仿真实验！
浙江大学SGOOL团队研发的低代码控制器是一款具有高度通用性的控制器，除了具备现有可编程控制器的逻辑运算、顺序控制、定时、计数和算术运算等功能，还支持方程组求解和优化模型求解功能，可实现复杂的控制策略。
近日，团队针对低代码控制器的优化求解功能设计实验案例。通过在低代码控制器与Simulink模型之间建立通信，实现了储能功率分配优化控制的硬件在环仿真实验，成功在低代码控制器中完成优化问题的求解与指令下发。
该实验案例基于实际储能功率分配项目改编而成。团队将储能控制逻辑简化为一个混合整数线性规划问题，并在控制器中成功对该问题进行求解，完成对储能出力的控制。
团队基于实际项目案例，在Simulink中搭建了仿真模型。该模型接收主控系统下发的遥调，由低代码控制器完成优化求解，通过通信得到下发指令，完成对储能单元的控制。（具体搭建过程可见下方详细教程链接）
Simulink模型图
完成模型搭建后，团队在控制器中完成了优化问题的编写。考虑到方差优化的复杂性，尽量避免将二次式作为优化目标，以SOC相对平均值的总偏差的绝对值和功率相对平均值的偏差绝对值作为目标函数：
$$
\min {w_1} \sum \limits_{i = 1}^8 {\left| {SO{C_i} - SO{C_{mean}}} \right|\left| {SOC_i^0 - SO{C_{mean}}} \right|} + {w_2}\sum\limits_{i = 1}^8 e^{- \left| SOC_i - SOC_{mean} \right|}\left| {P_i} - P_{mean} \right|
$$
式中，$w_1$表示$SOC$均衡的影响权重，$w_2$表示功率变动带来的代价权重；$SOC_{mean}$为各$SOC$均值；$SOC_i^0$为当前电池的SOC值；$P_i$表示当前电池的功率值；$P_{mean}$表示当前电池功率的平均值；$SOC_i$表示在功率分发策略所计算出的功率工作下，下一时刻第$i$个电池的$SOC$值，具体计算式如下：
$$
SOC_i = SOC_i^0 + \frac{x_i \Delta t}{E_{act,i}}
$$
其中$E_{act,i}$表示电池i的实际容量。
在控制器的AOE配置文件中，将动作类型设为MILP（混合整数线性规划问题），输入目标函数与边界条件，可以实现优化问题的求解，具体实现如下所示：
优化问题配置表格
仿真实验的结果如下所示，随着功率分配指令的不同，低代码控制器均能对优化问题快速完成求解，下发指令，完成储能单元的迅速响应。
指令功率和储能总功率曲线
各储能功率变化曲线
各储能SOC变化曲线
可以看出，相较于传统控制器，低代码控制器可以实现混合整数线性规划问题的优化求解，实现储能出力对下发指令地跟踪，具有强大的功能。后续，团队将进一步拓展低代码控制器的应用场景，设计工业、电力等多种场景下的低代码控制器应用案例与教学实验。
详细的实验教程可访问链接查看。
SGOOL团队
2021年9月28日
版权声明：本文由SGOOL团队创作和发表，转载或引用本文内容请注明作者及出处。