论文部分内容阅读
21世纪以来,随着经济快速发展,能源危机与气候问题日益加剧,国内外提出了更加严格的碳排放要求,推动以电池为动力来源的电动汽车快速发展,也使电池储能在高比例新能源电网建设中占据重要地位。在多种电池技术中,锂离子电池性能优异、商业化程度高,是电动汽车和电网用电池储能的主流选择,但其价格相对较高、耐过充过放能力有限、存在热失控等安全问题,所以必须构建完善的电池管理系统监控其状态,确保锂离子电池安全可靠运行。电池管理系统的核心基础功能是荷电状态(State of Charge,SOC)估计,而采用准确参数的电池模型是实现上述功能的必要前提。因此,如何提升电池模型精度,进而更加准确地进行SOC估计是动力电池和电池储能系统可靠充放电控制和优化运行的关键。
本文以电池管理系统主要采用的等值电路模型为基础,从电路参数的准确辨识和参数与SOC联合估计两个方面展开研究。针对传统递推最小二乘法用于主流二阶RC模型参数辨识时容易发散的问题,提出了基于时间常数匹配的解耦递推最小二乘改进算法,保证参数辨识结果的稳定性;针对电池等值电路模型参数易受温度、工况、老化程度等因素影响的问题,将所提在线参数辨识算法与基于卡尔曼滤波的SOC估计算法相融合,实现参数辨识与SOC估计联合运行,通过采用实时辨识的精准参数实现SOC估计精度的提升。具体工作内容如下:
首先,梳理了电池状态估计常用的几种等值电路模型的状态方程,并从描述能力、模拟精度及计算复杂度等方面进行对比;总结了主流的电池等值电路模型参数离线辨识算法(曲线拟合法)和在线辨识算法(最小二乘法及其递推实现)的主要流程、关键步骤以及支撑参数辨识的混合脉冲功率特性测试试验方法;介绍了扩展卡尔曼滤波算法的基本原理、流程和用于电池SOC估计的主要步骤。
其次,在归纳最小二乘法及其递推实现的参数辨识精度影响因素基础上,证明了电池模型的RC环节参数辨识精度显著依赖辨识所用数据采样频率,过高或过低的采样频率均可能导致参数辨识结果发散而失去物理意义;针对RC环节参数辨识输入数据采样频率匹配需求和二阶RC模型双时间尺度特征,提出了基于时间常数匹配的解耦递推最小二乘改进算法(Decoupling Recursive Least Squares,DRLS),所提算法通过对参数辨识输入数据的重采样实现采样频率与RC环节时间常数的匹配,并通过交替识别时间常数差别较大的两个RC环节参数实现辨识过程的解耦,显著提升了参数辨识的稳定性和辨识精度。算例分析表明:DRLS算法用于二阶RC模型的参数辨识时不会出现慢动态识别结果发散,且仿真电压的均方根误差减小了57.9mV。
最后,基于试验数据展示了等值电路参数与温度、充放电电流倍率等因素的关联关系,说明了提升模型参数准确度是提升卡尔曼滤波类SOC估计方法精度的重要途径;针对SOC估计的上述特征,提出了融合DRLS在线参数辨识与基于扩展卡尔曼滤波SOC估计的联合估计算法,给出了联合估计算法流程、算法启动规则和多时间尺度迭代的计算加速方法,通过等值电路参数辨识与SOC估计交替迭代,显著提升SOC估计方法对温度、工况等因素变化的适应能力。算例分析表明:当常规SOC估计算法模型参数与运行条件匹配时,可获得与联合估计算法一致的高精度SOC估计结果;而当运行条件变化时,联合估计算法仍能保持较高精度,而常规SOC估计算法出现约1.05%的估计误差。
本文以电池管理系统主要采用的等值电路模型为基础,从电路参数的准确辨识和参数与SOC联合估计两个方面展开研究。针对传统递推最小二乘法用于主流二阶RC模型参数辨识时容易发散的问题,提出了基于时间常数匹配的解耦递推最小二乘改进算法,保证参数辨识结果的稳定性;针对电池等值电路模型参数易受温度、工况、老化程度等因素影响的问题,将所提在线参数辨识算法与基于卡尔曼滤波的SOC估计算法相融合,实现参数辨识与SOC估计联合运行,通过采用实时辨识的精准参数实现SOC估计精度的提升。具体工作内容如下:
首先,梳理了电池状态估计常用的几种等值电路模型的状态方程,并从描述能力、模拟精度及计算复杂度等方面进行对比;总结了主流的电池等值电路模型参数离线辨识算法(曲线拟合法)和在线辨识算法(最小二乘法及其递推实现)的主要流程、关键步骤以及支撑参数辨识的混合脉冲功率特性测试试验方法;介绍了扩展卡尔曼滤波算法的基本原理、流程和用于电池SOC估计的主要步骤。
其次,在归纳最小二乘法及其递推实现的参数辨识精度影响因素基础上,证明了电池模型的RC环节参数辨识精度显著依赖辨识所用数据采样频率,过高或过低的采样频率均可能导致参数辨识结果发散而失去物理意义;针对RC环节参数辨识输入数据采样频率匹配需求和二阶RC模型双时间尺度特征,提出了基于时间常数匹配的解耦递推最小二乘改进算法(Decoupling Recursive Least Squares,DRLS),所提算法通过对参数辨识输入数据的重采样实现采样频率与RC环节时间常数的匹配,并通过交替识别时间常数差别较大的两个RC环节参数实现辨识过程的解耦,显著提升了参数辨识的稳定性和辨识精度。算例分析表明:DRLS算法用于二阶RC模型的参数辨识时不会出现慢动态识别结果发散,且仿真电压的均方根误差减小了57.9mV。
最后,基于试验数据展示了等值电路参数与温度、充放电电流倍率等因素的关联关系,说明了提升模型参数准确度是提升卡尔曼滤波类SOC估计方法精度的重要途径;针对SOC估计的上述特征,提出了融合DRLS在线参数辨识与基于扩展卡尔曼滤波SOC估计的联合估计算法,给出了联合估计算法流程、算法启动规则和多时间尺度迭代的计算加速方法,通过等值电路参数辨识与SOC估计交替迭代,显著提升SOC估计方法对温度、工况等因素变化的适应能力。算例分析表明:当常规SOC估计算法模型参数与运行条件匹配时,可获得与联合估计算法一致的高精度SOC估计结果;而当运行条件变化时,联合估计算法仍能保持较高精度,而常规SOC估计算法出现约1.05%的估计误差。