关键词:
SOC估计
GNL等效模型
磷酸铁锂电池
扩展卡尔曼滤波方法
摘要:
随着世界经济的快速发展,环境问题也日益恶化,因此,风光储可再生能源系统受到了各国的青睐。蓄电池储能系统能够消除风能、太阳能地域性、间歇性以及波动性等缺点,可以保障供电质量,成为新能源系统中不可或缺的重要环节。由于蓄电池价格昂贵,需要提高其使用寿命。准确地预估蓄电池组荷电状态(state of charge, SOC)对于提高电池寿命起到至关重要的作用。本文以磷酸铁锂蓄电池组为研究对象,主要对其SOC预估方法展开研究,主要内容如下:首先,介绍了锂离子电池的工作原理和特性,根据SOC的定义,分析电流、温度等因素对电池总容量的影响,结合锂离子电池在不同工作条件下的电压特性,考虑到电池管理系统对于在线SOC估算速度以及高精度的要求,确定应用扩展卡尔曼滤波(extended Kalman filter, EKF)为对蓄电池SOC进行估计。基于卡尔曼滤波原理,结合锂电池的工作特性,建立适用于非线性系统的扩展卡尔曼滤波算法的通用公式。根据锂离子电池在充电、放电两种不同工作状态下电压的特性曲线,选取Thevenin一阶等效电路模型和GNL等效电路模型进行对比,最终确定使用二阶RC电路的简化GNL模型来近似表达锂电池的动态特性,在电池测试系统上进行混合脉冲功率特性(hybrid pulse power characterization, HPPC)循环试验,辨识各个模型参数,并推导各参数与SOC之间的定量关系。以传统电流积分法作为预估SOC的状态方程,用观测方程描述电池模型,结合扩展卡尔曼滤波法的递推公式,利用MATLAB仿真软件,对EKF算法的相关参数进行调试。最后,利用现有实验平台,模拟锂离子电池不同的工作状态,根据测量数据,预估蓄电池SOC,并对EKF算法加以修正。将EKF算法写入单片机,应用于电池管理系统。仿真和实验结果表明,最终确定的EKF算法估算单节锂离子电池SOC精度较高、速度较快,同样也适用于串联蓄电池组荷电状态的准确估算,在实际系统中具有重要的参考价值。