[论文解读] Optimal Battery Control Under Cycle Aging Mechanisms.

Yuanyuan Shi, Bolun Xu+1 more|arXiv (Cornell University)|Sep 17, 2017

Advanced Battery Technologies Research被引用 4

一句话总结

本文提出了一种新颖的在线电池控制策略，通过使用凸的、基于雨流循环的退化模型，联合解决了未来信号不确定性与精确的循环老化建模问题。该方法实现了近乎最优的性能，且其最优性差距具有理论保证，与运行时长无关。

ABSTRACT

We study the optimal control of battery energy storage under a general pay-for-performance setup such as providing frequency regulation and renewable integration. In these settings, batteries need to carefully balance the trade-off between following the instruction signals and their degradation costs in real-time. Existing battery control strategies either do not consider the uncertainty of future signals, or cannot accurately account for battery cycle aging mechanism during operation. In this work, we take a different approach to the optimal battery control problem. Instead of attacking the complexity of battery degradation function or the lack of future information one at a time, we address these two challenges together in a joint fashion. In particular, we present an electrochemically accurate and trackable battery degradation model called the rainflow cycle-based model. We prove the degradation cost is convex. Then we propose an online control policy with a simple threshold structure and show it achieve near-optimal performance with respect to an offline controller that has complete future information. We explicitly characterize the optimality gap and show it is independent to the duration of operation. Simulation results with both synthetic and real regulation traces are conducted to illustrate the theoretical results.

研究动机与目标

• 解决实时储能控制中信号不确定性与电池循环老化建模的联合挑战。
• 开发一种计算上可行且电化学上精确的退化模型，以捕捉循环老化效应。
• 设计一种具有简单阈值结构的在线控制策略，使其性能接近离线最优。
• 理论上界定在线控制器与具有完整未来信息的离线控制器之间的性能差距，且该差距与运行长度无关。
• 利用合成数据和真实频率调节数据轨迹验证所提方法。

提出的方法

• 提出一种基于雨流循环的退化模型，从充放电循环中量化循环老化，具备电化学精度。
• 证明退化成本函数为凸函数，从而支持高效优化与理论分析。
• 设计一种具有阈值结构的在线控制策略，动态平衡跟踪性能与退化成本。
• 采用对偶分解方法，在按绩效付费框架下推导最优控制策略。
• 建立在线策略与具有完整未来信息的离线控制器之间的性能边界（最优性差距）。
• 通过合成与真实调节轨迹的仿真，验证理论结论与性能表现。

实验结果

研究问题

• RQ1 如何在保持计算可行性的前提下，准确建模循环老化下的电池退化？
• RQ2 在仅掌握部分信息的在线控制与掌握完整未来信息的离线控制之间，性能差距如何？
• RQ3 在存在信号不确定性和退化成本的情况下，基于简单阈值的在线策略能否实现近乎最优性能？
• RQ4 最优性差距如何随系统运行时长或信号复杂度变化？
• RQ5 所提出的模型与策略能否在真实世界频率调节数据上得到验证？

主要发现

• 所提出的基于雨流循环的退化模型为凸函数，支持高效优化与理论保证。
• 在线控制策略实现了近乎最优的性能，且其最优性差距与运行时长无关。
• 理论性能差距被显式刻画，且无论信号长度或复杂度如何，始终保持有界。
• 在合成与真实调节轨迹上的仿真结果证实了理论性能边界与策略的鲁棒性。
• 该方法有效平衡了跟踪精度与电池退化，优于现有仅单独考虑老化或不确定性的策略。