QUẢN LÝ NĂNG LƯỢNG ĐA MỤC TIÊU DỰA TRÊN KẾT HỢP UKF, HỌC MÁY VÀ NSGA-II CHO PIN LITHIUM-ION TRONG HỆ THỐNG LƯU TRỮ NĂNG LƯỢNG MẶT TRỜI
Abstract
This paper proposes a hybrid energy management method for lithium-ion batteries in solar energy storage systems to improve operational efficiency and extend battery lifetime. The proposed method integrates three components: the Unscented Kalman Filter (UKF) for State of Charge (SOC) estimation, a Long Short-Term Memory (LSTM) model for State of Health (SOH) and Remaining Useful Life (RUL) prediction, and the NSGA-II multi-objective optimization algorithm for determining optimal charging-discharging schedules. A first-order RC equivalent circuit model is adopted to represent the dynamic behavior of lithium-ion batteries under variable operating conditions. Current, voltage, temperature, and UKF-estimated SOC are used as input features for the LSTM model to capture battery degradation trends. Based on these health indicators, a multi-objective optimization problem is formulated to minimize electricity exchange cost, depth of discharge (DOD), and battery degradation index. MATLAB/Simulink simulation results show that the proposed method reduces operating cost by approximately 27%, DOD by 22%, and battery degradation by 18% compared with rule-based control. These results indicate the potential applicability of the proposed UKF-LSTM-NSGA-II approach for intelligent energy management in renewable energy storage systems.
Tóm tắt
Bài báo đề xuất một phương pháp quản lý năng lượng lai cho pin lithium-ion trong hệ thống lưu trữ năng lượng mặt trời nhằm nâng cao hiệu quả vận hành và kéo dài tuổi thọ pin. Phương pháp đề xuất kết hợp ba thành phần: bộ lọc Kalman không mùi (unscented Kalman filter - UKF) để ước lượng trạng thái sạc (state of charge - SOC), mô hình mạng bộ nhớ dài-ngắn hạn (long short-term memory - LSTM) để dự đoán trạng thái sức khỏe (state of health - SOH) và tuổi thọ hữu ích còn lại (remaining useful life - RUL), cùng thuật toán di truyền sắp xếp không trội thế hệ II (Non-dominated Sorting Genetic Algorithm II – NSGA-II) để tối ưu chiến lược sạc-xả. Mô hình mạch tương đương RC bậc một được sử dụng để mô tả đặc tính động của pin dưới điều kiện vận hành biến thiên. Dữ liệu dòng điện, điện áp, nhiệt độ và SOC ước lượng được khai thác làm đầu vào cho mô hình LSTM nhằm nhận diện xu hướng suy giảm pin. Trên cơ sở đó, bài toán tối ưu đa mục tiêu được xây dựng với các mục tiêu giảm chi phí điện năng trao đổi với lưới, giảm độ sâu xả (depth of discharge - DOD) và hạn chế chỉ số suy giảm pin. Kết quả mô phỏng trên MATLAB/Simulink cho thấy phương pháp đề xuất giảm khoảng 27% chi phí vận hành, 22% DOD và 18% mức suy giảm pin so với chiến lược điều khiển theo luật. Các kết quả này cho thấy tiềm năng ứng dụng của giải pháp UKF-LSTM-NSGA-II trong quản lý năng lượng cho hệ lưu trữ năng lượng tái tạo.