王建南
摘 要:針對光伏系統(tǒng)電池剩余電量(SOC)估算不準確的問題,文中提出了以安時法、開路電壓法以及卡爾曼濾波算法相結合的方法來準確估計電池SOC。在光伏系統(tǒng)中,對電池剩余容量的準確估計可以大大延長系統(tǒng)的使用壽命,提高系統(tǒng)的可靠性。以安時法為基礎,采用開路電壓法估算初始SOC0,初始SOC0和實時SOC通過卡爾曼濾波算法進行校正,降低了初始SOC0的估計誤差和電流的累積誤差,保證了SOC估計的準確性。實驗以12 V-100 Ah鉛酸電池為例來進行說明。結果表明,該算法可以準確估計SOC。
關鍵詞:電池剩余電量;安時法;開路電壓法;卡爾曼濾波算法;初始SOC0;實時SOC
中圖分類號:TP39;TM912 文獻標識碼:A 文章編號:2095-1302(2017)11-00-02
0 引 言
隨著世界能源危機加劇和環(huán)境污染問題的日益嚴重,太陽能光伏成為世界關注的焦點。在獨立光伏系統(tǒng)中,對電池剩余容量的準確估計可大大延長系統(tǒng)的使用壽命,提高系統(tǒng)的可靠性[1]。目前,荷電狀態(tài)(SOC)被廣泛用于代表國內外電池的剩余容量[2]。SOC是直接反映電池可持續(xù)供電和健康狀況的重要參數。對電池SOC的估算方法有開路電壓法,安時法,電阻法,神經網絡法,卡爾曼濾波算法[3]等。
為了準確有效地估計電池的SOC,本文以安時法為基礎,通過開路電壓法估算初始SOC0值,通過卡爾曼濾波算法對初始SOC0和實時SOC進行校正, 降低初始SOC0估計誤差和電流累積誤差,提高SOC的估計精度。
1 卡爾曼濾波算法
卡爾曼濾波(Kalman Filtering)是一種利用線性系統(tǒng)狀態(tài)方程,通過系統(tǒng)輸入輸出觀測數據,對系統(tǒng)狀態(tài)進行最優(yōu)估計的算法。由于觀測數據中含有系統(tǒng)中的噪聲和干擾等影響,因此最優(yōu)估計也可看作濾波過程[4]。
其中, X(k|k-1)是利用上一狀態(tài)預測的結果, X(k-1|k-1)是上一狀態(tài)最優(yōu)的結果,U(k)是當前狀態(tài)控制量,若沒有控制量,它可以為0。
當前狀態(tài)協(xié)方差計算:
其中, P(k|k-1)是X(k|k-1)的協(xié)方差, P(k-1|k-1)是X(k-1|k-1)的協(xié)方差,A'表示A的轉置矩陣,Q是系統(tǒng)過程的協(xié)方差。
卡爾曼增益的計算:
其中,I為1的矩陣,對于單模型單測量,I=1。當系統(tǒng)進入k+1狀態(tài)時,P(k|k)是式(2)的P(k-1|k-1)。由此,算法便可自回歸運算下去。
2 實驗與算法設計
2.1 實驗設計
電池開路電壓(OCV)可以通過放電實驗方法測量OCV和電池SOC之間的關系獲得,準確、簡單, 但需要靜置較長時間才能得到穩(wěn)定的OCV[5]。電池OCV恢復曲線如圖1所示。
電池靜置3小時和17小時的OCV誤差為0.21%,可以滿足實驗要求,本次電池的靜置時間為3小時。
為獲得準確的OCV-SOC曲線,采用VT12100型鉛酸蓄電池進行充放電實驗研究。當電池充電至13.8 V時,將SOC設置為1;當電池放電至10.8 V時,將SOC設定為0,實驗放出實際容量為55.3 A·h。
電池放電實驗取5 A恒流,持續(xù)1小時,然后電池靜置3小時,測量OCV。當電池SOC放電到0時,5 A充電實驗開始。電池充電實驗持續(xù)1小時,電池靜置3小時,測量OCV。通過充放電實驗得出實驗測量數據循環(huán)。
電池OCV-SOC曲線如圖2所示。
從圖2可以看出,OCV和SOC具有良好的線性關系。本文采用放電實驗曲線確定SOC與OCV之間的關系,得出線性公式:
2.2 SOC的估計過程
安時法是最常用的SOC估計方法。 安時法估計SOC可以表示為:
SOC0是初始SOC,I表示電池電流,η為電池庫侖效率,C為電池的容量。
安時法只考慮電池的工作電流和效率系數,適用于所有電池,且該算法簡單易懂,但無法確定電池SOC0,隨著時間的推移,電流測量的誤差將使SOC的誤差變大[6]。在開路電壓法中,SOC和OCV具有相對穩(wěn)定的線性關系,但不能用于實時在線檢測。 本文采用OCV方法修正SOC0,通過卡爾曼濾波對SOC0和實時SOC進行修正,降低SOC估計誤差和電流測量累積誤差[7]。
通過卡爾曼濾波算法隨時預測和校正SOC的算法流程如圖3所示。
為了驗證所提出的SOC估計方法,在實驗中選用12 V -100 Ah鉛酸蓄電池。分別采用安時法、開路電壓法及卡爾曼濾波算法等的混合方法來估算SOC[8]。
從實驗結果可以得出,該算法可以準確預測電池SOC,如圖4所示。由安時法確定的初始SOC具有較大誤差,且SOC估計誤差在實驗過程中有增加的趨勢,這是由當前采樣誤差引起的累積誤差?;诎矔r法、開路電壓法以及和卡爾曼濾波算法相結合對電池SOC進行估計可以修正初始SOC0,誤差為2.2%,它接近初始SOC0。由于當前采樣誤差所引起的累積誤差降低,SOC的估算值在放電過程中接近SOC的理論值,誤差非常小。
與普通安時法相比,該混合算法對SOC的估計具有較小的誤差。
3 結 語
本文以安時法為基礎,采用開路電壓法估算初始SOC0,采用卡爾曼濾波算法校正初始SOC0和實時SOC,通過降低初始SOC0估計誤差和電流累積誤差來確保SOC估計的準確性。實驗結果表明,該方法具有較高的精度和可行性。
參考文獻
[1] GAO Yu-feng, SUN Lei, LIU Ya-long, et al. Estimating SOC of lead-acid battery based on extended Kalman filtering[J]. Journal of Power Sources,2014,38(2):303-306.endprint
[2] HUANG Xiang-dong, WANG Xiao, WEI Su-jing.SOC Estimation and Detection Method of PV Battery[J]. Measurement & Control Technology,2014,3(5):28-34.
[3] Mohammad Charkhgard, Mohammad Farrokhi. State-of-Charge estimation for Lithium-Ion batteries using neural networks and EKF[J].IEEE Transactions on Industrial Electronics,2010,57(12):4178-4187.
[4] ZHANG Mei. SOC estimation of batteries based on fuzzy adaptive Kalman filter[J]. Journal of Power Sources,2013,37(10):1817-1831.
[5] Jun Xu, Chunting Chris Mi, Binggang Cao, et al. The State of Charge Estimation of Lithium-Ion Batteries Based on a Proportional-Integral Observer[J].IEEE Transactions on Vehicular Technology,2014,63(4):1614-1620.
[6] LI Zhe, LU Languang, OUYANG Minggao. Comparison of methods for improving SOC estimation accuracy through an ampere-hour integration approach[J]. Journal of Tsinghua Univ- ersity(Science & Technology),2010,50(8):1293-1296.
[7]李文江,張志高,莊益詩.電動汽車用鉛酸電池管理系統(tǒng) SOC算法研究[J].電源技術研究與設計,2010,34(12): 1266-1286.
[8]汪涵,鄭燕萍,蔣元廣, 等.實用型磷酸鐵鋰電池SOC高準度算法研究[J].電源技術研究與設計,2011,35(10):1198-1207.
[9] ZHANG Jin-long,QI Han-hong. Battery SOC estimation based on two-dimensional parameter identification[J].Advanced Technology of Electrical Engineering and Energy,2014,33(9):30-34.
[10]鄧濤,孫歡.鋰離子電池新型 SOC 安時積分實時估算方法[J].重慶理工大學學報(自然科學版) ,2015 (1) :101-106.endprint