锂离子电池具有无记忆效应、轻量化、环保等特点,因此常作为电动交通工具、电子设备的能源来源,并适用于各种规模的能源存储。在锂离子电池管理系统中,电池的荷电状态(state of charge,SOC)是最关键的指标之一,其准确估计对于实现电池...锂离子电池具有无记忆效应、轻量化、环保等特点,因此常作为电动交通工具、电子设备的能源来源,并适用于各种规模的能源存储。在锂离子电池管理系统中,电池的荷电状态(state of charge,SOC)是最关键的指标之一,其准确估计对于实现电池系统的高效能量管理和优化控制至关重要。因此本文提出了一种基于动态噪声自适应无迹卡尔曼滤波的SOC估计方法。首先,通过间歇放电实验获取电池不同SOC下的开路电压,并进一步拟合得到电池的OCV-SOC曲线,接着采用二阶RC等效电路模型对锂离子电池建模,然后通过混合功率脉冲特性工况测试对电池模型参数进行辨识。由于实际应用中锂离子电池为非线性系统且SOC估计精度容易受到噪声的影响,本文在卡尔曼滤波算法的基础上采用无迹变换处理,加入噪声自适应过程,以实现噪声特性自适应估计,动态调整测量噪声与过程噪声,提高算法鲁棒性以及估计精度。最后选取DST与FUDS工况进行验证,结果表明在不同工况下动态噪声自适应无迹卡尔曼滤波算法的估计平均绝对误差、最大绝对误差以及均方根误差相较于自适应无迹卡尔曼滤波、无迹卡尔曼滤波算法均有降低,其平均绝对误差小于0.59%。本文提出的动态噪声自适应无迹卡尔曼滤波算法能够更准确地估计锂离子电池SOC。展开更多
储能电池具有能够平滑可再生能源输出,提高电力系统灵活性和应对电力需求峰谷等优势,有助于推动可再生能源发展,从而应对环境污染和能源紧缺的双重压力。目前市场主流的储能电池为锂离子电池,具有高比能特性,同时新型储能电池也在蓬勃发...储能电池具有能够平滑可再生能源输出,提高电力系统灵活性和应对电力需求峰谷等优势,有助于推动可再生能源发展,从而应对环境污染和能源紧缺的双重压力。目前市场主流的储能电池为锂离子电池,具有高比能特性,同时新型储能电池也在蓬勃发展,其中全钒液流电池具有高安全性的优势,液态金属电池具有超长循环寿命,在电力储能领域具有重要应用前景。储能电池的建模和状态估计对提高储能电池系统性能,确保其安全性以及优化维护效率至关重要,因此文中对锂离子电池、全钒液流电池和液态金属电池的建模和状态估计进行综述。首先,介绍了储能电池状态估计的整体框架,对基于实验的方法、基于模型的方法和基于数据驱动的方法进行整体介绍,并对荷电状态(state of charge,SOC)、健康状态(state of health,SOH)和剩余使用寿命(remaining useful life,RUL)进行概括;然后,从原理出发,分别总结了不同储能电池体系的内部工作过程、模型构建、状态估计与电池管理过程;最后,对不同储能电池体系的主要工作特性进行横向对比和总结,旨在为储能电池选择和发展提供启示。展开更多
文摘锂离子电池具有无记忆效应、轻量化、环保等特点,因此常作为电动交通工具、电子设备的能源来源,并适用于各种规模的能源存储。在锂离子电池管理系统中,电池的荷电状态(state of charge,SOC)是最关键的指标之一,其准确估计对于实现电池系统的高效能量管理和优化控制至关重要。因此本文提出了一种基于动态噪声自适应无迹卡尔曼滤波的SOC估计方法。首先,通过间歇放电实验获取电池不同SOC下的开路电压,并进一步拟合得到电池的OCV-SOC曲线,接着采用二阶RC等效电路模型对锂离子电池建模,然后通过混合功率脉冲特性工况测试对电池模型参数进行辨识。由于实际应用中锂离子电池为非线性系统且SOC估计精度容易受到噪声的影响,本文在卡尔曼滤波算法的基础上采用无迹变换处理,加入噪声自适应过程,以实现噪声特性自适应估计,动态调整测量噪声与过程噪声,提高算法鲁棒性以及估计精度。最后选取DST与FUDS工况进行验证,结果表明在不同工况下动态噪声自适应无迹卡尔曼滤波算法的估计平均绝对误差、最大绝对误差以及均方根误差相较于自适应无迹卡尔曼滤波、无迹卡尔曼滤波算法均有降低,其平均绝对误差小于0.59%。本文提出的动态噪声自适应无迹卡尔曼滤波算法能够更准确地估计锂离子电池SOC。
文摘储能电池具有能够平滑可再生能源输出,提高电力系统灵活性和应对电力需求峰谷等优势,有助于推动可再生能源发展,从而应对环境污染和能源紧缺的双重压力。目前市场主流的储能电池为锂离子电池,具有高比能特性,同时新型储能电池也在蓬勃发展,其中全钒液流电池具有高安全性的优势,液态金属电池具有超长循环寿命,在电力储能领域具有重要应用前景。储能电池的建模和状态估计对提高储能电池系统性能,确保其安全性以及优化维护效率至关重要,因此文中对锂离子电池、全钒液流电池和液态金属电池的建模和状态估计进行综述。首先,介绍了储能电池状态估计的整体框架,对基于实验的方法、基于模型的方法和基于数据驱动的方法进行整体介绍,并对荷电状态(state of charge,SOC)、健康状态(state of health,SOH)和剩余使用寿命(remaining useful life,RUL)进行概括;然后,从原理出发,分别总结了不同储能电池体系的内部工作过程、模型构建、状态估计与电池管理过程;最后,对不同储能电池体系的主要工作特性进行横向对比和总结,旨在为储能电池选择和发展提供启示。
