梯次利用锂离子电池等效模型参数在线辨识方法

被引：17

作者：

杜帮华 ^{[1
]}

张宇 ^{[1
]}

吴铁洲 ^{[1
]}

何衍林 ^{[1
]}

李子龙 ^{[2
]}

机构：

[1] 湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室

[2] 国网新源湖北白莲河抽水蓄能有限公司

来源：

储能科学与技术 | 2021年 / 10卷 / 01期

关键词：

梯次利用; 锂离子电池; 退役电池; 等效电路模型; 参数辨识; 遗忘因子; 最小二乘法; SOC估算;

D O I：

10.19799/j.cnki.2095-4239.2020.0235

中图分类号：

TM912 [蓄电池];

学科分类号：

080802 [电力系统及其自动化];

摘要：

针对目前梯次利用锂离子电池受老化的影响,导致在采用传统带遗忘因子的最小二乘法进行等效模型在线参数辨识后,会出现模型参数过饱和、无法跟踪时变参数的问题。本工作提出一种可变遗忘因子的最小二乘法,通过不断地对遗忘因子进行矫正更新,从而更好地跟踪梯次利用电池老化特性。以锂电池一阶RC等效电路模型为对象,搭建测试平台进行充放电试验,并与传统带遗忘因子的最小二乘法的参数辨识结果进行对比。实验结果表明,该方法能够快速收敛及动态跟踪,同时模型端电压参数平均误差减小到25 mV以内,所提出的方法在DST和储能系统典型工况下运行时,其对应的参数辨识精度提高了38.33%,证明该方法具有较高的准确性。

引用

页码：342 / 348

页数：7

共 9 条

[1]

电动汽车动力电池梯次利用寿命预测方法研究 [J].

王开让 ;

白恺 ;

李娜 ;

巩宇 ;

史学伟 .

全球能源互联网, 2018, 1 (03) :375-382

[2]

基于平方根无迹卡尔曼滤波的锂电池状态估计 [J].

费亚龙 ;

谢长君 ;

汤泽波 ;

曾春年 ;

全书海 .

中国电机工程学报, 2017, 37 (15) :4514-4520+4593

[3]

梯次利用锂离子电池电化学阻抗模型及特性参数分析 [J].

张彩萍 ;

姜久春 ;

张维戈 ;

刘秋降 ;

鲁妍 .

电力系统自动化, 2013, 37 (01) :54-58

[4]

Online state of charge estimation of Li-ion battery based on an improved unscented Kalman filter approach.[J].Zewang Chen;Liwen Yang;Xiaobing Zhao;Youren Wang;Zhijia He.Applied Mathematical Modelling.2019,

[5]

A comparative study of different equivalent circuit models for estimating state-of-charge of lithium-ion batteries.[J].Xin Lai;Yuejiu Zheng;Tao Sun.Electrochimica Acta.2018,

[6]

Performance assessment and classification of retired, lithium ion battery from electric vehicles for energy storage [J].

Liao, Qiangqiang ;

Mu, Miaomiao ;

Zhao, Shuqi ;

Zhang, Lizhong ;

Jiang, Tao ;

Ye, Jilei ;

Shen, Xiaowang ;

Zhou, Guoding .

INTERNATIONAL JOURNAL OF HYDROGEN ENERGY, 2017, 42 (30) :18817-18823

[7]

Recognition of battery aging variations for LiFePO4 batteries in 2nd use applications combining incremental capacity analysis and statistical approaches.[J].Yan Jiang;Jiuchun Jiang;Caiping Zhang;Weige Zhang;Yang Gao;Qipei Guo.Journal of Power Sources.2017,

[8]

Dynamical modeling of Li-ion batteries for electric vehicle applications based on hybrid Particle Swarm–Nelder–Mead (PSO–NM) optimization algorithm.[J].Tedjani Mesbahi;Fouad Khenfri;Nassim Rizoug;Khaled Chaaban;Patrick Bartholomeüs;Philippe Le Moigne.Electric Power Systems Research.2016,

[9]

Fuzzy modelling for the state-of-charge estimation of lead-acid batteries.[J].Claudio Burgos;Doris Sáez;Marcos E. Orchard;Roberto Cárdenas.Journal of Power Sources.2015,

← 1 →