✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：做科研，博学之、审问之、慎思之、明辨之、笃行之，是为：博学慎思，明辨笃行。
🔥 内容介绍
一、引言
在现代储能系统中，非隔离型 Buck - Boost 双向直流变换器因其能够灵活实现储能电池的充电与放电功能，且具有结构简单、成本低等优点，得到了广泛应用。通过电压电流双闭环控制策略，可有效提升变换器的性能，确保储能电池在不同工况下安全、高效地运行。本文将详细介绍基于标志位控制的双闭环控制原理及实现方式。
二、非隔离型 Buck - Boost 双向直流变换器工作原理
正向 Buck 模式（电池充电）：当标志位为 “1” 时，变换器工作在正向 Buck 模式。此时，变换器将较高的输入直流电压降低到适合电池充电的电压值。在电路结构中，功率开关管按照一定的占空比导通和关断，电感在开关管导通时储存能量，在开关管关断时释放能量，通过控制占空比来调节输出电压，实现对电池的充电。
反向 Boost 模式（电池放电）：标志位为 “2” 时，变换器处于反向 Boost 模式。此模式下，将电池较低的电压升高到满足负载需求的电压。同样通过控制功率开关管的导通与关断，电感储存和释放能量，使输出电压高于电池电压，从而实现电池向负载放电。
三、双闭环控制策略
输出电压外环控制：无论是正向 Buck 还是反向 Boost 模式，输出电压外环的作用都是根据期望的输出电压与实际测量的输出电压之间的误差，来调整控制信号。在正向 Buck 模式下，期望输出电压为电池的充电电压；在反向 Boost 模式下，期望输出电压为负载所需的工作电压。通过比例积分（PI）控制器，将电压误差信号进行处理，输出一个控制量，这个控制量作为电流内环的参考信号。
电池电流内环控制：以电压外环输出的信号作为参考，电池电流内环将实际测量的电池电流与之比较，产生电流误差信号。同样利用 PI 控制器对电流误差信号进行处理，最终输出一个用于控制功率开关管的 PWM 信号。在正向 Buck 模式下，电流内环确保电池以合适的电流进行充电；在反向 Boost 模式下，保证电池以稳定的电流向负载放电。
四、基于标志位的控制实现
正向 Buck 模式（标志位 “1”）：当系统检测到标志位为 “1” 时，启动正向 Buck 模式的双闭环控制。电压外环根据电池充电电压设定值与实际输出电压的差值，经 PI 控制器计算得到电流内环的参考电流值。电流内环将实际电池充电电流与参考电流比较，通过 PI 控制器调整 PWM 信号的占空比，控制功率开关管的导通与关断，使电池以设定的充电电流进行充电，同时维持输出电压稳定在电池充电电压值。
反向 Boost 模式（标志位 “2”）：当标志位变为 “2”，系统切换到反向 Boost 模式的双闭环控制。电压外环根据负载所需电压设定值与实际输出电压的误差，经 PI 控制器生成电流内环的参考电流。电流内环根据实际电池放电电流与参考电流的差异，通过 PI 控制器调节 PWM 信号占空比，控制功率开关管工作，使电池以合适的放电电流向负载供电，并保证输出电压满足负载要求。
五、双闭环控制的优势
稳定性高：通过电压外环和电流内环的双重调节，能够有效抑制输出电压和电池电流的波动，提高系统在不同工况下的稳定性。例如，当负载突然变化时，电压外环能够快速调整电流内环的参考值，使电流内环及时响应，维持输出电压稳定。
动态响应好：双闭环控制策略使得变换器在模式切换以及负载变化等动态过程中，能够快速调整输出电压和电池电流，满足系统的实时需求。如从正向 Buck 模式切换到反向 Boost 模式时，系统能够迅速响应，确保电池放电过程的平稳过渡。
保护功能强：电流内环能够实时监测电池的充放电电流，当电流超过设定的安全阈值时，通过调节 PWM 信号及时限制电流，保护电池免受过流损坏，延长电池使用寿命。
六、结论
非隔离型 Buck - Boost 双向直流变换器结合电压电流双闭环控制策略，并基于标志位实现正向 Buck（电池充电）和反向 Boost（电池放电）两种模式的切换，为储能电池的高效、安全运行提供了可靠保障。双闭环控制的稳定性、动态响应和保护功能等优势，使其在储能系统领域具有广泛的应用前景。未来，随着储能技术的不断发展，可进一步优化双闭环控制参数，提高变换器的效率和性能，以适应更多复杂的应用场景
⛳️ 运行结果
🔗 参考文献
[1]罗咏.双向DC/DC变换器及电池能量管理系统研究[D].华中科技大学,2013.DOI:10.7666/d.D410662.
🍅更多创新智能优化算法模型和应用场景可扫描关注
🌟机器学习/深度学习类：BP、SVM、RVM、DBN、LSSVM、ELM、KELM、HKELM、DELM、RELM、DHKELM、RF、SAE、LSTM、BiLSTM、GRU、BiGRU、PNN、CNN、XGBoost、LightGBM、TCN、BiTCN、ESN、Transformer、模糊小波神经网络、宽度学习等等均可~
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
🌟组合预测类：CNN/TCN/BiTCN/DBN/Transformer/Adaboost结合SVM、RVM、ELM、LSTM、BiLSTM、GRU、BiGRU、Attention机制类等均可（可任意搭配非常新颖）~
🌟分解类：EMD、EEMD、VMD、REMD、FEEMD、TVFEMD、CEEMDAN、ICEEMDAN、SVMD、FMD、JMD等分解模型均可~
🌟路径规划类：旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化等等~
🌟小众优化类：生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化、微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化等等均可~
🌟 无人机应用方面：无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划
🌟通信方面：传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
🌟信号处理方面：信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
🌟电力系统方面： 微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化
🌟原创改进优化算法（适合需要创新的同学）：原创改进2025年的波动光学优化算法WOO以及三国优化算法TKOA、白鲸优化算法BWO等任意优化算法均可，保证测试函数效果，一般可直接核心
