一种锂离子电池储能系统集总参数的等效电路参数辨识方法

摘要

本发明涉及一种锂离子电池储能系统集总参数的等效电路参数辨识方法。该方法包括：首先对所选电池单体进行HPPC测试实验，并记录电压、电流、温度等相关实验数据；然后采用安时积分法计算电池SOC变化，根据Thevenin等效电路模型计算等效内阻值R0，同时分别建立SOC/温度T的模糊评判因素集，最后应用模糊逻辑实现f(SOC,T)＝R0的函数关系参数辨识。本发明充分考虑温度、SOC变化对锂离子电池性能的影响，采用模糊逻辑算法提高电池模型的参数辨识精度，为建立较为精确的磷酸铁锂电池电热耦合模型奠定基础。本发明具有广泛的适用性和良好的通用性。

说明书

技术领域：

本发明属于锂离子电池储能领域，具体涉及一种锂离子电池储能系统集总参数的等效电路参数辨识方法。

背景技术：

当前，可再生能源的装机容量正在迅猛增加，而对于可再生能源的消纳及解决其间歇性、波动性问题，最佳解决方案无疑是大力发展大规模储能技术。

应用于储能工程的电池种类繁多，包括锰酸锂电池、钛酸锂电池、三元锂电池、液流电池以及近年来发展迅猛的磷酸铁锂电池。从一次性投资成本、循环寿命、安全性角度来说，磷酸铁锂电池具有稳定性高、循环寿命长等优点：储能用磷酸铁锂电池能量密度120～150Wh/kg，系统能量转换效率85％～88％，小倍率充放电循环寿命3500～5000次，储能系统投资成本1600～2000元/kWh，度电成本0.7～1.0元/kWh。近年来，受磷酸铁锂电池成本下降及综合性能提升的影响，该技术被广泛应用在电力系统发输配用各个环节。

为实现磷酸铁锂电池荷电状态的准确估计以及电池安全稳定运行，国内外学者们在一定程度上深入探索了储能系统的相关模型。截至目前，电池单体模型发展到现阶段形成了以下三种常用模型建立思路：电化学模型、黑箱模型和等效电路模型。其中电化学模型(第一原理模型)是从机理方面研究，主要应用于充放电状态估计和老化预测，但由于计算较为复杂，且难以获得电池制造商的完整参数集，一般用于研发和电池组件制造的研究，在大规模储能工程中难以实现；其次，黑箱模型(经验模型)是从外特性出发，需要通过大量的数据训练，模型的精度和计算负担受到输入变量的选择和数量的影响，但在数据量不足或训练方法不合适的情况下精度较差；等效电路模型是基于电路理论的系统辨识方法获得相关参数，记录电池的输入输出数据，进而模拟出锂离子电池非线性特性，属于半经验仿真模型，相较于前两种模型，等效电路模型结构简单、参数较少且模拟精度较高，降低了电池的计算复杂性，可写出解析的数学方程，对电池进行建模，因此等效电路模型更适合用于电池模组或更大规模的建模分析。

在众多等效电路模型中，Thevenin等效电路模型因其结构简单，物理意义明确，易于参数辨识，可描述由于极化效应带来的电极电势变化，同时预测SOC变化对负载的影响，结合查表法或自适应算法实现工程上的应用。

目前，关于电池SOC的常用估算方法包括：(1)安时积分法，在已知电池初始状态、电流采集精度、采样持续时间的情况下具备较高精度；(2)开路电压法，仅限电路开路状态下使用，但由于电池的电容特性，电池开路后需要静置较长时间以恢复真开路电压电位；(3)卡尔曼滤波法，对电池模型依赖性较强，估算精度与电池模型参数具备较强关联性。

此外，最小二乘法常应用于关于电池建模的表达式拟合，但在实际应用过程中，最小二乘法虽然能够在较大程度上取得较高程度的拟合结果，但并不完美，距离实际情况仍有细小差距。

发明内容：

本发明是提供一种基于模糊算法的锂电池建模集总参数辨识方法，通过估计SOC以及温度T变化影响的R

一种锂离子电池储能系统集总参数的等效电路参数辨识方法，包括以下步骤：

步骤S1：对若干磷酸铁锂电池电池进行HPPC测试，获取电池开路电压，电流，实时测量温度数据；

步骤S2：根据电池电压、电流等相关测试数据，利用安时积分法估算磷酸铁锂电池SOC变化，并模糊标记为小、中、大；

步骤S3：根据记录的温度T变化，温度T变化为3个模糊状态，并模糊标记为低、中、高；

步骤S4：分别建立SOC的模糊评判因素集、T的模糊评判因素集，然后建立综合因素评判评价集；

步骤S5：建立关于荷电状态SOC与温度T的二维模糊控制规则，同时设定或采用专家经验确定权重系数；

步骤S6：建立关于荷电状态SOC与温度T的评判矩阵，并进行模糊推理，再进行去模糊化处理；具体过程包括：

步骤S6.1：考虑等效电阻R

V＝{荷电状态SOC(V

步骤S6.2：综合考虑温度T变化与荷电状态SOC变化对电池等效内阻等的影响，并建立SOC对模糊标记的相关隶属度函数：

V

建立温度T对模糊标记的相关隶属度函数：

V

步骤S6.3：对上述考虑进行模糊评判，得考虑因素评判集：

R

R

得到评判矩阵R：

其中，a+b+c+…≤1；d+e+f+…≤1；

步骤S6.4：根据相关专家经验，确定影响因素的模糊控制规则，即确定输入SOC与温度T变化对输出等效电阻R

步骤S6.5：将输入变量SOC/T模糊化处理，可得到对应隶属度，并确定SOC或T对输出等效内阻R

其中g+h＝1；

步骤S6.5：计算模糊控制规则的强度，并获取评判模型并进行f(SOC-T)＝R

其中，B的第一个元素i由((g∧a)∨(g∧d))计算得到，其中∧为取较小值，∨为取较大值；其余以此类推；

步骤S6.6：对模糊推理结果进行去模糊化处理：

选择加权平均法，如下式所示：

式中，k

步骤S7：结合Thevenin等效电路模型，辨识模型参数的同时，拟合锂离子电池内阻R

步骤S8：根据输出计算结果，确定SOC-T-R

通过采用上述技术方案，用磷酸铁锂电池的电压，电流，温度和内阻作为模糊控制输入，相比最小二乘法，模糊逻辑的预测结果更为准确。因为电池的老化等问题导致电池属性会随之发生变化，进而影响电池模型的参数辨识。因此，通过模糊算法考虑电池内阻这一因素，得到较好地表现效果。

附图说明：

图1为Thevenin等效电路模型；有多个等效电路元件，包含开路电压U

图2为模糊逻辑算法的基本计算执行流程。

图3(a)为SOC对模糊标记的相关隶属度函数示意图。

图3(b)为T对模糊标记的相关隶属度函数示意图。

图4为SOC-T-R

具体实施方式：

以下结合附图对本发明作进一步详细说明。

一种锂离子电池储能系统集总参数的等效电路参数辨识方法，包括以下步骤：

步骤S1：对若干磷酸铁锂电池电池进行HPPC测试，获取电池开路电压，电流，实时测量温度数据；

步骤S2：根据电池电压、电流等相关测试数据，利用安时积分法估算磷酸铁锂电池SOC变化，并模糊标记为小、中、大；安时积分法即通过以下公式实现：

其中，Q

步骤S3：根据记录的温度T变化，温度T变化为3个模糊状态，并模糊标记为低、中、高；

步骤S4：分别建立SOC的模糊评判因素集、T的模糊评判因素集，然后建立综合因素评判评价集；

步骤S5：建立关于荷电状态SOC与温度T的二维模糊控制规则，同时设定或采用专家经验确定权重系数；

步骤S6：建立关于荷电状态SOC与温度T的评判矩阵，并进行模糊推理，再进行去模糊化处理；具体过程包括：

步骤S6.1：考虑等效电阻R

V＝{荷电状态SOC(V

步骤S6.2：综合考虑温度T变化与荷电状态SOC变化对电池等效内阻等的影响，并建立SOC对模糊标记的相关隶属度函数，如图3(a)所示，

V

建立温度T对模糊标记的相关隶属度函数，如图3(b)所示，

V

隶属度函数采用三角形隶属度函数(trimf)，表达式为y＝trimf(x[a,b,c,...])，其中参数x表示变量的论域范围，参数a和c对应三角形下部的左右两个顶点，参数b对应三角形上部的顶点；

步骤S6.3：对上述考虑进行模糊评判，得考虑因素评判集：

R

R

得到评判矩阵R：

其中，a+b+c+…≤1；d+e+f+…≤1；

步骤S6.4：根据相关专家经验，确定影响因素的模糊控制规则，即确定输入SOC与温度T变化对输出等效电阻R

步骤S6.5：将输入变量SOC/T模糊化处理，可得到对应隶属度，并确定SOC或T对输出等效内阻R

其中g+h＝1；

步骤S6.5：根据“如果A且B且C且D，则E”的语句进行模糊推理，结合图4所示SOC-T-R

其中，B的第一个元素i由((g∧a)∨(g∧d))计算得到，其中∧为取较小值，∨为取较大值；其余以此类推；

步骤S6.6：对模糊推理结果进行去模糊化处理：

选择加权平均法，如下式所示：

式中，k

步骤S7：结合Thevenin等效电路模型，辨识模型参数的同时，拟合锂离子电池内阻R

步骤S8：根据输出计算结果，确定SOC-T-R