一种基于云平台的蓄电池SOC估算方法技术

本发明专利技术涉及一种基于云平台的蓄电池SOC在线估算方法。该方法为基于卡尔曼滤波估算方法的改进方法，其步骤包括：（1）基于电池云平台进行电池状态指标采集包括：电池单体端电压u、电池充放电电流；（2）初始化，包括状态量初始化和协方差初始化以及误差协方差确定；（3）进行状态量时间更新；（4）进行误差时间更新：（5）进行卡尔曼滤波增益计算（6）状态量测量更新；（7）进行误差更新；（8）进行更新釆样点，从步骤（2）到（7）步重新迭代计算得到新的状态量和协方差。本发明专利技术考虑了极化环节的模型参数变化，工作量更小，精度更高，更适合电池在线辨识，易于在控制器上实现。 1

An estimation method of battery SOC based on cloud platform

The invention relates to a battery SOC online estimation method based on cloud platform. The method is an improved method based on Calman filter estimation method. The steps include: (1) battery state index collection based on battery cloud platform includes: cell terminal voltage u, battery charge discharge current; (2) initialization, including state initialization and covariance initialization, and error covariance determination; (3) To update the state time; (4) update the error time: (5) to update the Calman filter gain (6) and update the state measurement; (7) to update the error; (8) to update the sampling point and reiterate the new state and covariance from the step (2) to (7) step. The invention considers the variation of the model parameters of the polarization link, has smaller workload and higher accuracy, and is more suitable for on-line identification of batteries, and is easy to realize on the controller. One

【技术实现步骤摘要】
一种基于云平台的蓄电池SOC估算方法
本专利技术属储能系统、电池管理领域，具体为一种基于云平台的蓄电池SOC在线估算方法。
技术介绍
为保证变电站直流电源系统较高的供电安全和可靠性，变电站直流系统配备了一定容量的阀控密封式铅酸蓄电池，蓄电池是变电站直流电源系统供电的最后一道安全屏障。目前，变电站直流电源系统大都采用性价比适中的铅酸电池，由于电池单体无法满足电网需求，因此需要多组串联接入直流系统，大部分的蓄电池组采用固定串并联简单粗放的管理方式，为保证系统的可靠性，铅酸电池大部分时间处于浅充浅放的状态，影响到铅酸电池的使用寿命。对充放电状态不断转换的蓄电池来说，迫切需要找到一种方法能够实时准确估计其内部状态。蓄电池内部状态由于其非线性很强，会受温度、自放电效率等参数影响，蓄电池参数釆集时各种误差的存在，导致检测并不容易。关于电池内部状态估计的方法和文献有很多，而且多针对动力电池中的锂电池，各种方法是否可行有待验证。单独的电池容易检测，以前对传统汽车的铅酸蓄电池的内部状态估计，由于大多建立在离线实验的基础上，而且对铅酸电池剩余电量的使用范围有限制，无论是理论研究上还是实际应用，还没有一种通用、简单、快速、准确而可靠的方法可以在线准确检测如荷电状态、剩余容量和健康状态等内部参数。电池的荷电状态（SOC）描述了电池剩余电量的实际可用状态，是电池使用过程中的重要参数指标之一。为了能够调整电源分配控制策略以及防止过度充放电对电池造成不可修复的损伤，需要对电池SOC进行动态估算。电池SOC的估算方法按照原理分类可以分为基于电流累积法、参数对应方法和状态估计类方法。由于电量是电流与时间的乘积，电流累积法包括放电试验法和安时积分法。放电试验法：用恒定电流进行连续放电，直至端电压低于放电截止电压，放电电流与时间的乘积等于放出的电量。安时积分法：同放电法原理相同，由于电量是电流对时间的积分，实时记录电池的充放电流并对其进行积分，从而得到电池消耗或者获得的电量，若电池工作前的剩余电量为SOC0，那么当前时刻的电池为SOC为电流关于时间的积分加上剩余电量为SOC0。安时积分法可以应对变电流的电池估计，因此可以用于在线估计。一些电池参数，包括开路电压法、内阻法和线性模型法等，与电池存在对应关系，参数对应类方法的原理就是利用估计和测量的方法获得这些参数，间接确定。开路电压法：对各种电池，在使用条件差别不大情况下，电池开路电压与电池的荷电状态存在稳定的对应关系，所以一般通过测量电池静置后的开路电压可以估计电池。内阻法：通过铅酸电池的内阻特性试验，在一定范围内，单一的充放电过程中，电池内阻与SOC也存在一定的对应关系，电池通过测量电池的内阻，可以间接确定电池的实际SOC。线性模型法利用实验所获得的电池电压和电流等参数，将电池SOC作为线性模型中的状态变量，对电池建立多输入、单输出的线性模型，最终通过指定的状态估计方法来实现对电池SOC的估计。状态估计类方法以卡尔曼滤波方法为代表，通过利用可测量的数据，用估计值无限逼近最优值。卡尔曼滤波法：在事先了解系统一定先验知识的条件下，根据电池模型建立系统的状态空间方程，用测量的输出值，就能获得系统状态（对电池系统来说，可以将SOC作为状态量之一）的最优估计。根据电池放电试验，可以采集到电池的端电压和电流，建立以电池为状态量的系统方程，经过状态估计时间更新、均方误差时间更新、系统输出先验估计、滤波增益矩阵计算、最优状态估计、均方误差估计几个步骤，就能得到SOC的最优估计。状态观测法：当工作电流变化剧烈时，如果将电流看作电池状态空间模型的输入，那么使用状态观测器可以很好地对这种情况下进行SOC高精度观测。利用电池的输入电流和输出电压信号来计算电池内部不能测量的信号，状态量是包括SOC在内的电池内部信号。按照是否依赖电池模型分类，安时积分法、放电试验法和开路电压法等传统方法不依赖于电池模型，而卡尔曼滤波法，线性模型法和神经网络法需要对电池进行建模和参数估计，保证足够精度的电池模型。
技术实现思路
本专利技术的目的就在于提供一种适用于电力系统蓄电池的SOC在线估算方法。本专利技术的技术方案为：本专利技术提出的蓄电池SOC在线估计方法，为基于卡尔曼滤波估算方法的改进方法，其利用到的卡尔曼滤波的状态空间方程表述为：（1）其中，xk+1、xk为状态变量，在这里指的是电池SOC估算值;k表示时刻k，k+1表示k+1时刻；CA表示电池额定容量，单位为Ah;Cp表示电池当前容量，单位Ah；h为影响因素，充电状态下一般为1，放点状态下小于1;Ts表示采样时间;Rp、Cp为电路模型参数;uxk表示电池端路电压系统模型存在噪声vxk;测量系统存在噪声wxk。用于卡尔曼滤波的系数矩阵为：（2）（3）（4）其中，Uoc表示开路电压。（5）其中系数矩阵由电池模型参数和电池与关系决定，在每次初始化计算前基于所采集到的电池状态数据计算，作为已知量。结合卡尔曼滤波算法对协方差修正的方法，对铅酸电池SOC采用基于改进的卡尔曼滤波估算方法，具体步骤：（1）基于电池云平台进行电池状态指标采集包括：电池单体端电压u、电池充放电电流等。（2）初始化，包括状态量初始化和协方差初始化以及误差协方差确定。状态量初始化公式（为状态初始化量，计算方法为状态量的期望值）：（6）状态量协方差初始化公式：（为状态量协方差，计算方法为初始状态量的协方差）（7）（3）进行状态量时间更新（状态时间更新量）：把初始状态量（6）式和采集到的端电压值带入公式（8）推算得到状态量更新值。（8）（4）进行误差时间更新（为状态量协方差误差，计算方法为将（7）代入（9）得到（9）其中，P为协方差矩阵。Pv为噪声变量的协方差矩阵。I为单位矩阵。μ为协方差调整因子。（5）卡尔曼滤波增益计算：为卡尔曼滤波增益，计算方法为将（9）代入（10）得到（10）其中，Pw表示测量系统噪声w的协方差矩阵。（6）状态量测量更新(将（8）、（10）代入（11）得到更新后的状态量)（11）其中，yk表示电压较高精度估算值，可以等同于uk，d为线性常量补偿因子。（7）进行误差更新：更新计算方法为，将（9）、（10）代入（12）得到误差更新（12）（8）更新釆样点，从（2）到（7）步重新迭代计算得到新的状态量和协方差本专利技术提出的蓄电池SOC在线估计方法，为基于卡尔曼滤波估算方法的改进方法，其利用到的卡尔曼滤波的状态空间方程表述为：（1）其中，xk+1、xk为状态变量，在这里指的是电池SOC估算值;k表示时刻k，k+1表示k+1时刻；CA表示电池额定容量，单位为Ah;Cp表示电池当前容量，单位Ah；h为影响因素，充电状态下一般为1，放点状态下小于1;Ts表示采样时间;Rp、Cp为电路模型参数;uxk表示电池端路电压系统模型存在噪声vxk;测量系统存在噪声wxk。用于卡尔曼滤波的系数矩阵为：（2）（3）（4）其中，Uoc表示开路电压。（5）其中系数矩阵由电池模型参数和电池与关系决定，在每次初始化计算前基于所采集到的电池状态数据计算，作为已知量。结合卡尔曼滤波算法对协方差修正的方法，对铅酸电池SOC采用基于改进的卡尔曼滤波估算方法，具体步骤：（1）基于电池云平台进行电池状态指标采集包括：电池单体端电压u、电池充放电电本文档来自技高网...

【技术保护点】
1.一种基于云平台的蓄电池SOC在线估算方法，该方法为基于卡尔曼滤波估算方法的

【技术特征摘要】
1.一种基于云平台的蓄电池SOC在线估算方法，该方法为基于卡尔曼滤波估算方法的改进方法，其利用到的卡尔曼滤波的状态空间方程表述为：（1）其中，xk+1、xk为状态变量，在这里指的是电池SOC估算值;k表示时刻k，k+1表示k+1时刻；CA表示电池额定容量，单位为Ah;Cp表示电池当前容量，单位Ah；h为影响因素，充电状态下一般为1，放点状态下小于1;Ts表示采样时间;Rp、Cp为电路模型参数;uxk表示电池端路电压系统模型存在噪声vxk;测量系统存在噪声wxk；用于卡尔曼滤波的系数矩阵为：（2）（3）（4）其中，Uoc表示开路电压；（5）其中系数矩阵由电池模型参数和电池与关系决定，在每次初始化计算前基于所采集到的电池状态数据计算，作为已知量；其特征在于：本方法的步骤包括：（1）基于电池云平台进行电池状态指标采集包括：电池单体端电压u、电池充放电电流等，（2）初始化，包括状态量初始化和协方差初始化以及误差协方差确定；状态量初始化公式：为状态初始化量，计算方法为状态量的期望值：（6）状态量协方差初始化公式：为状态量协方差，计算方法为初始状态量的协方差（7）（3）进行状态量时间更新：状态时间更新量：把初始状态量（6）式和采集到的端电压值带入公式（8）推算得到状态量更新值（8）（4）进行误差时间更新：为状态量协方差误差，计算方法为将公式（7）代入公式（9）得到（9）其中，P为协方差矩阵；Pv为噪声变量的协方差矩阵；I为单位矩阵；μ为协方差调整因子；（5）进行卡尔曼...

【专利技术属性】
技术研发人员：杜旭浩，李秉宇，潘瑾，李晓峰，庞先海，董驰，慈松，
申请(专利权)人：国网河北省电力有限公司电力科学研究院，国家电网公司，国网河北能源技术服务有限公司，
类型：发明
国别省市：河北,13