基于阿基米德优化双卡尔曼的单液流锌镍电池SOC估计方法研究

作     者：郑少耿 

作者单位：广西大学 

学位级别：硕士

导师姓名：宋春宁;周晓华

授予年度：2022年

学科分类：0808[工学-电气工程] 08[工学] 

主      题：单液流锌镍电池 荷电状态 双卡尔曼滤波 阿基米德优化算法 

摘      要：单液流锌镍电池（Single-Flow Zinc-Nickle Battery）是一种新型的电化学储能装置,其具有结构简单、循环性能强、储能规模大、成本造价低等优点,在大规模储能领域备受关注,研究价值高且应用前景良好。荷电状态（SOC）是描述电池工作状态的关键参数之一,其指示了电池剩余电量百分比,实现其准确估计是电池安全使用及能量管理的前提。本文以单液流锌镍电池的SOC估算方法为研究中心,以提高其SOC估算精度及收敛性为目标开展该电池的基础性研究。电池建模是进行SOC估算的前提。本文首先讨论了各类电池建模方法的优缺点,并在保证准确性的前提下,选择复杂程度较低的二阶RC电路建立了单液流锌镍电池的等效模型。其次,使用新威电池测试仪BTS-5V200A对电池进行脉冲充放电,获取电压电流数据用以建立开路电压曲线,并在该基础上采用曲线拟合的方式完成了该电池的模型参数离线辨识。最后,于MATLAB/Simulink仿真环境下搭建了相应的等效模型,通过仿真方式验证了所搭建模型的有效性及所辨识参数的准确性。SOC估算是电池管理系统的核心功能之一,实现SOC的准确估算具有十分重要的意义。本文分析了目前各种常用电池SOC估算方法的利弊,经综合考虑选择了具有双线路的多时间尺度双卡尔曼滤波算法（Dual Extend Kalman Filter,DEKF）。该算法主要特点是在估算SOC的同时,也能对模型参数进行实时跟踪,降低电池模型参数时变对SOC估算精度的影响。同时,卡尔曼滤波算法的估算性能严重依赖于噪声统计特性参数（过程噪声协方差、量测噪声协方差）以及状态误差协方差初值的选取,但其通常以经验法选取为主并难以获得最优值。对此,本文引入了改进的阿基米德优化算法对DEKF算法的以上参数进行优化,以更好地发挥其估算性能。随后在多种放电工况下进行SOC估算测试,结果表明,经参数优化后的DEKF算法在估算单液流锌镍电池SOC时具有更高的估算精度及更强的收敛性、鲁棒性。为进一步检验上述SOC估算方法的实用性,本文设计了基于d SPACE DS1103的单液流锌镍电池SOC在线估算平台。平台设置了充放电模块,可实现对单液流锌镍电池的恒流充放电,同时将采集的电池端电压和充放电电流数据以及SOC估算结果发送至上位机软件Control Desk进行实时监视。经实验测试表明,该平台可有效对单液流锌镍电池进行SOC估算,且估算误差在1%以内,在初值错误时也能较快收敛至准确值附近。