基于电池SOC状态的农村配网储能电池充电优化方法技术

本发明专利技术涉及一种基于电池SOC状态的农村配网储能电池充电优化方法，属于电池优化领域，在农村配网储能电池充电前，检测电池的SOC估算结果，根据电池不同状态选择合适的充电方案，所述充电方案包括：当SOC≤10％时，依据电池的起始电流可接受率确定最佳初始电流进行恒流充电；当10％＜SOC≤75％时，保持恒定充电电流，采用负脉冲充电方法进行充电，具体为：在负脉冲前停止充电，处于负脉冲时放电，负脉冲后停止充电的方式进行充电；当75％＜SOC≤90％时，采用MAS

【技术实现步骤摘要】
基于电池SOC状态的农村配网储能电池充电优化方法


[0001]本专利技术属于电池优化领域，涉及一种基于电池SOC状态的农村配网储能电池充电优化方法。

技术介绍

[0002]目前，对于偏远农村地区而言，配电网由于负荷增长快、线路长，造成电压低、损耗大等问题，严重影响电能质量，而现有的电能供应主要是基于配网变压器为核心的终端电能供应方式，由于偏远农村地区的住户少，且住户易流失，目前的传统电能供应方式容易造成配网变压器的容量过度冗余，导致电网公司建设成本过高，开展新型电能供应方式对农村配网的经济性建设意义重大。
[0003]基于大容量磷酸铁锂储能电池的农村配网新型电能供应是一种极具创新性和发展潜力的新方案，该方案通过装置的调控，能够在负荷低峰时段实现储能充电，负荷高峰时段放电，实现农村配网线路末端有功补偿和无功补偿功能，有利于源
‑
网
‑
荷
‑
储的互动，降低电网系统的能源消耗成本和设备投资成本。
[0004]然而，磷酸铁锂电池的荷电状态(SOC)是磷酸铁锂电池管理系统中的一个重要参数，其准确度是磷酸铁锂电池充放电监控与优化管理的基础。由于磷酸铁锂电池充电过程中的极化反应会降低磷酸铁锂电池的充电速度，且传统的快速充电方法某种程度上可以提高磷酸铁锂电池的充电速度，但是对磷酸铁锂电池损害较大，容易引发安全隐患。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种基于磷酸铁锂电池SOC状态的磷酸铁锂电池充电优化策略，以实现减弱磷酸铁锂电池在充电过程中的极化反应，有效减少充电时间、提高充电安全性与可靠性。
[0006]为达到上述目的，本专利技术提供如下技术方案：
[0007]一种基于电池SOC状态的农村配网储能电池充电优化方法，在农村配网储能电池充电前，检测电池的SOC估算结果，根据电池不同状态选择合适的充电方案，所述充电方案包括：
[0008]当SOC≤10％时，依据电池的起始电流可接受率确定最佳初始电流进行恒流充电；
[0009]当10％＜SOC≤75％时，保持恒定充电电流，采用负脉冲充电方法进行充电，具体为：在负脉冲前停止充电，处于负脉冲时放电，负脉冲后停止充电的方式进行充电；
[0010]当75％＜SOC≤90％时，采用MAS
‑
脉冲的充电方式进行充电；
[0011]当SOC＞90％时，采用电流自适应调节的恒压涓流充电方式进行充电。
[0012]进一步，所述农村配网储能电池为磷酸铁锂电池。
[0013]进一步，所述检测电池的SOC估算结果，具体包括：
[0014]构建磷酸铁锂储能电池的一阶电池模型方程为：
[0015]E＝Vb
‑
I
·
Z
ꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0016][0017]式中，E表示磷酸铁锂电池的端电压，V
b
表示理想电压源，Z表示一阶电池模型的内阻，由电池的欧姆内阻R0和描述电池充电极化过程的并联电阻R
p
和并联电容C
p
组成；
[0018]基于循环神经网络建立磷酸铁锂电池的荷电状态评估模型，所述磷酸铁锂电池的荷电状态评估模型的输入为当前储能电池的端电压V、充电电流I以及当前荷电状态SOC的采样值，输出为一阶电池模型的内阻Z，利用该磷酸铁锂电池的E
‑
SOC曲线确定其预测的SOC采样值，从而完成对磷酸铁锂电池荷电状态的动态评估；
[0019]所述磷酸铁锂电池的荷电状态评估模型的输出层节点数为3，输入层节点数也为3，对应欧姆内阻R0，并联电阻R
p
以及并联电容C
p
；
[0020]对磷酸铁锂电池进行标准电流充放电实验，结合多项式拟合以获取其E
‑
SOC曲线，然后基于脉冲充电、恒流、恒压充电测试构建储能电池充放电训练样本，对循环神经网络进行训练，不断更新网络参数，最终建立磷酸铁锂电池的荷电状态评估模型，对磷酸铁锂储能电池SOC状态的准确评估。
[0021]进一步，所述当SOC≤10％时，依据电池的起始电流可接受率确定最佳初始电流进行恒流充电，具体包括：
[0022]首先确定初始的MAS定律的充电曲线，MAS充电曲线公式为
[0023]I
k
＝I1+I2+I3+...
ꢀꢀꢀꢀꢀꢀꢀ
(3)
[0024]式中，I1、I2、I3为不同时刻积累的可接受充电电流，I
k
为k时刻的可接受电流；
[0025]磷酸铁锂电池的起始电流可接受率α由公式(4)计算得到，起始电流可接受率公式为
[0026][0027]式中，C
f
为磷酸铁锂电池的放电容量，α为电流可接受率，I
s
起始充电电流；
[0028]根据磷酸铁锂电池的SOC直接确定C
f
，根据计算得到的初始电流可接受率α，再由公式(4)得到起始充电电流I
s
，使用该电流恒流充电至SOC大于10％。
[0029]进一步，所述当10％＜SOC≤75％时，保持恒定充电电流，采用负脉冲充电方法进行充电，具体包括：
[0030]采用增大磷酸铁锂电池的电流接受率α的方式，即采用负脉冲充电法，设定正脉冲宽度t
F
，前后停充时间t1和t2，负脉冲宽度t
R
；在处于负脉冲前停止充电、处于负脉冲时放电、处于负脉冲后停止充电。
[0031]进一步，所述当75％＜SOC≤90％时，采用MAS
‑
脉冲的充电方式进行充电，具体包括：
[0032]根据MAS定律将充电方式切换为MAS
‑
脉冲充电，其中，正负脉冲停充时间t1和t2以及t
R
负脉冲宽度与采用负脉冲充电方法时设定的一致，正脉冲大小随MAS定律的充电曲线变化而变化，正脉冲电流公式为
[0033]I
F
(t)＝I
F
·
e
‑
αt
ꢀꢀꢀꢀꢀꢀꢀ
(5)
[0034]式中，I
F
(t)为正向脉冲电流；
[0035]Δt时间内根据MAS定律，正脉冲所产生的析气ΔG利用等量的负脉冲放电去除，从而确定负脉冲电流的大小I
R
(t)：
[0036][0037]进一步，所述当SOC＞90％时，采用电流自适应调节的恒压涓流充电方式进行充电，其充电电流I根据设定的额定电流I
*
自适应调节，随着充电时间的增加，充电电流逐渐减小，磷酸铁锂电池荷电状态值SOC趋于稳定。
[0038]本专利技术的有益效果在于：为储能磷酸铁锂电池充电时，根据不同磷酸铁锂电池当前状态制定了恒流充电、负脉冲充电和电流自适应调节的恒压涓流充电四种分阶段快速充电策略，这种分阶段本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电池SOC状态的农村配网储能电池充电优化方法，其特征在于：在农村配网储能电池充电前，检测电池的SOC估算结果，根据电池不同状态选择合适的充电方案，所述充电方案包括：当SOC≤10％时，依据电池的起始电流可接受率确定最佳初始电流进行恒流充电；当10％＜SOC≤75％时，保持恒定充电电流，采用负脉冲充电方法进行充电，具体为：在负脉冲前停止充电，处于负脉冲时放电，负脉冲后停止充电的方式进行充电；当75％＜SOC≤90％时，采用MAS
‑
脉冲的充电方式进行充电；当SOC＞90％时，采用电流自适应调节的恒压涓流充电方式进行充电。2.根据权利要求1所述的基于电池SOC状态的农村配网储能电池充电优化方法，其特征在于：所述农村配网储能电池为磷酸铁锂电池。3.根据权利要求2所述的基于电池SOC状态的农村配网储能电池充电优化方法，其特征在于：所述检测电池的SOC估算结果，具体包括：构建磷酸铁锂储能电池的一阶电池模型方程为：E＝Vb
‑
I
·
Z
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中，E表示磷酸铁锂电池的端电压，V
b
表示理想电压源，Z表示一阶电池模型的内阻，由电池的欧姆内阻R0和描述电池充电极化过程的并联电阻R
p
和并联电容C
p
组成；基于循环神经网络建立磷酸铁锂电池的荷电状态评估模型，所述磷酸铁锂电池的荷电状态评估模型的输入为当前储能电池的端电压V、充电电流I以及当前荷电状态SOC的采样值，输出为一阶电池模型的内阻Z，利用该磷酸铁锂电池的E
‑
SOC曲线确定其预测的SOC采样值，从而完成对磷酸铁锂电池荷电状态的动态评估；所述磷酸铁锂电池的荷电状态评估模型的输出层节点数为3，输入层节点数也为3，对应欧姆内阻R0，并联电阻R
p
以及并联电容C
p
；对磷酸铁锂电池进行标准电流充放电实验，结合多项式拟合以获取其E
‑
SOC曲线，然后基于脉冲充电、恒流、恒压充电测试构建储能电池充放电训练样本，对循环神经网络进行训练，不断更新网络参数，最终建立磷酸铁锂电池的荷电状态评估模型，对磷酸铁锂储能电池SOC状态的准确评估。4.根据权利要求3所述的基于电池SOC状态的农村配网储能电池充电优化方法，其特征在于：所述当SOC≤10％时，依据电池的起始电流可接受率确定最佳初始电流进行恒流充电，具体包括：首先确定初始的MAS定律的...

【专利技术属性】
技术研发人员：杨建伟，徐璐，赵仲勇，周渠，沈兆轩，黄渝，石鑫，邓方林，
申请(专利权)人：国网重庆市电力公司合川供电分公司西南大学，
类型：发明
国别省市：