一种用于发电机状态检测系统的电池健康状态估算方法技术方案

本发明专利技术涉及电池检测技术领域，具体为一种用于发电机状态检测系统的电池健康状态估算方法

【技术实现步骤摘要】
一种用于发电机状态检测系统的电池健康状态估算方法


[0001]本专利技术涉及电池检测
，具体为一种用于发电机状态检测系统的电池健康状态估算方法
。

技术介绍

[0002]在大型发电机运行过程中，其定子线棒在定子槽内存在局部放电的风险，通过对定子线棒与定子铁心槽的接触状态的检测，可对定子线棒槽内电晕放电状态进行有效评估
。
锂离子电池性能优越，应用广泛，对其健康状态
(SOH)
的准确估算既能充分利用锂离子电池的安全使用寿命，又能及时发现电池安全隐患，有助于对性能劣化的电池进行及时更换，从而进一步提升其应用系统的安全性和可靠性，避免发生设备故障及事故
。
[0003]目前用于锂离子电池
SOH
估算的方法主要有基于老化参数的估算方法
、
基于数据驱动的估算方法和基于电池模型的估算方法
。
其中基于老化参数的估算方法需要额外的测量设备，且耗时较长，不适合在线应用的锂离子电池
SOH
估算；基于数据驱动的估算方法需要大量电池工作数据进行训练，在提高算法精度的同时，也对存储空间和运算量提出了极高的挑战；基于电池电化学模型的估算方法涉及电池内部的反应，精度较高，但模型较为复杂，且变量众多，同样不适合在线应用的锂离子电池
SOH
估算
。
考虑到锂离子电池
SOH
估算属于复杂的非线性问题，在实际锂离子电池
SOH
估算中多采用等效电路模型，并基于扩展卡尔曼滤波
(EKF)、
无迹卡尔曼滤波
(UKF)
等算法
。
由于
EKF
算法存在将状态方程线性化的误差，因此算法估算精度有待进一步提高
。
此外，在等效电路模型的基础上，先采用
UKF
估算锂离子电池的荷电状态
(SOC)
，再用
EKF
估算欧姆内阻，从而计算
SOH
，但是该方法未考虑电池容量变化对算法精度的影响
。
在一阶
RC
等效模型基础上，利用双
UKF
算法分别估算
SOC
和
SOH
，精度和稳定性较
EKF
有所提高，但是未对噪声影响进行自适应改进，使得算法在收敛速度及鲁棒性方面有待改进
。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例
。
在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分
、
说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围
。
[0005]鉴于上述存在的问题，提出了本专利技术
。
[0006]因此，本专利技术解决的技术问题是：大型发电机状态检测系统采用锂离子电池供电，使得系统在发电机检修现场工作时接线更简便，对锂离子电池健康状态
(SOH)
的准确估算既能充分利用锂离子电池的安全使用寿命，又能及时发现电池安全隐患，有助于对性能劣化的电池进行及时更换，从而进一步提升其应用系统的安全性和可靠性，避免发生设备故障及事故
。
[0007]为解决上述技术问题，本专利技术提供如下技术方案：建立锂离子电池模型，平衡模型精度与计算量之间的冲突，选取二阶
RC
等效电路模型，并对电池等效电路模型进行参数辨
识；在锂离子电池模型中，采用改进参数
α
，解决无迹卡尔曼滤波
UKF
算法在无迹变换过程中
Sigma
点分布不固定导致的
Sigma
点分布偏离状态量的问题；在无迹
UT
变换过程中，加入
Sage
‑
Husa
自适应滤波过程，建立改进无迹卡尔曼滤波
IUKF
算法，对
UKF
算法过程中的噪声误差进行自适应更新，减少实际工况下噪声对算法的影响，提高算法精度；将
IUKF
算法应用到锂离子电池
SOH
估算当中，得到锂离子电池
SOC、
欧姆内阻以及容量的状态方程和观测方程，实现
SOC
和
SOH
联合估算的算法模型，得到锂离子电池
SOH
的最优估算结果
。
[0008]作为本专利技术所述一种用于发电机状态检测系统的电池健康状态估算方法的一种优选方案，其中：所述锂离子电池模型包括，设置
U
oc
为开路电压，
I
为电流，
R0为欧姆内阻，
U
o
为端电压，
U1和
U2为
RC
回路电压，构成
RC
回路的电阻和电容分别为极化电阻
R1、R2和极化电容
C1、C2，建立锂离子电池模型：
[0009][0010]U
o
＝
U
oc
‑
U1‑
U2‑
I(t)R0ꢀꢀ
(2)
[0011]其中，
dU1/dt
和
dU2/dt
为
RC
回路电压
U1和
U2的变化量
。
[0012]作为本专利技术所述一种用于发电机状态检测系统的电池健康状态估算方法的一种优选方案，其中：所述无迹变换包括，通过在非线性函数状态点附近选择合适的采样点，也称为
Sigma
点，基于采样点的分布描绘出原状态函数，采样点的选取决定状态预测的精度，采样点与原状态函数具有相同的均值和协方差，确定各点的相应分布权值，将各采样点带入原函数进行状态计算，求出状态量的第一步预测，同时求出这些预测值的均值和协方差，实现统计特性的传递；
[0013]对于
n
维的状态变量
x
，确定出状态变量的均值和方差
P
，通过式
(3)
计算出模拟状态变量分布的
Sigma
点，根据状态变量的维数选取
2n+1
个；
[0014]在无迹变换过程中，
Sigma
点的分布决定了状态估计的精度，采用改进参数
α
，让
α
成为随精度变化的参数，改善
Sigma
点到均值的距离分布，提高状态估计精度，将比例参数
λ
＝
α2(n+
κ
)
‑
n
代入式
(3)
得到式
(4)
，
[0015][0016][0017]其中，
x
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于发电机状态检测系统的电池健康状态估算方法，其特征在于：包括，建立锂离子电池模型，平衡模型精度与计算量之间的冲突，选取二阶
RC
等效电路模型，并对电池等效电路模型进行参数辨识；在锂离子电池模型中，采用改进参数
α
，解决无迹卡尔曼滤波
UKF
算法在无迹变换过程中
Sigma
点分布不固定导致的
Sigma
点分布偏离状态量的问题；在无迹
UT
变换过程中，加入
Sage
‑
Husa
自适应滤波过程，建立改进无迹卡尔曼滤波
IUKF
算法，对
UKF
算法过程中的噪声误差进行自适应更新，减少实际工况下噪声对算法的影响，提高算法精度；将
IUKF
算法应用到锂离子电池
SOH
估算当中，得到锂离子电池
SOC、
欧姆内阻以及容量的状态方程和观测方程，实现
SOC
和
SOH
联合估算的算法模型，得到锂离子电池
SOH
的最优估算结果
。2.
如权利要求1所述的一种用于发电机状态检测系统的电池健康状态估算方法，其特征在于：所述锂离子电池模型包括，设置
U
oc
为开路电压，
I
为电流，
R0为欧姆内阻，
U
o
为端电压，
U1和
U2为
RC
回路电压，构成
RC
回路的电阻和电容分别为极化电阻
R1、R2和极化电容
C1、C2，建立锂离子电池模型：
U
o
＝
U
oc
‑
U1‑
U2‑
I(t)R0ꢀꢀꢀꢀꢀꢀꢀ
(2)
其中，
dU1/dt
和
dU2/dt
为
RC
回路电压
U1和
U2的变化量
。3.
如权利要求2所述的一种用于发电机状态检测系统的电池健康状态估算方法，其特征在于：所述无迹变换包括，通过在非线性函数状态点附近选择合适的采样点，也称为
Sigma
点，基于采样点的分布描绘出原状态函数，采样点的选取决定状态预测的精度，采样点与原状态函数具有相同的均值和协方差，确定各点的相应分布权值，将各采样点带入原函数进行状态计算，求出状态量的第一步预测，同时求出这些预测值的均值和协方差，实现统计特性的传递；对于
n
维的状态变量
x
，确定出状态变量的均值和方差
P
，通过式
(3)
计算出模拟状态变量分布的
Sigma
点，根据状态变量的维数选取
2n+1
个；在无迹变换过程中，
Sigma
点的分布决定了状态估计的精度，采用改进参数
α
，让
α
成为随精度变化的参数，改善
Sigma
点到均值的距离分布，提高状态估计精度，将比例参数
λ
＝
α2(n+
κ
)
‑
n
代入式
(3)
得到式
(4)
，，其中，
x
i
表示第
i
个模拟状态变量分布的
Sigma
点，
n
为状态变量
x
的维数，
α
为关系到采样点在原函数周围分布情况的参数，其取值范围为1×
10
‑
4≤
α
＜1，
k
表示待选参数，
(n+
λ
)P
是
半正定矩阵，和
P
分别为状态变量
x
的均值和方差；令
d
表示
Sigma
点到状态均值的距离，由
d
的表达式
(5)
，知
k
‑1时刻的变换参数和方差
P
的值，得出
k
‑1时刻各个
Sigma
点到状态均值的距离，令
d
max
表示所有
Sigma
点中到状态均值距离的最大值；当需要计算
d
k
时，需要已知
k
时刻的
α
值，
α
的更新公式为：其中，
α
k
用方差
P
矩阵的迹与距离最大值
d
max
的比值表示，每次迭代取
Sigma
点时，
α
的值都会以上一时刻
Sigma
点分布为基础进行改变，使得
UT
变换中含有以估算精度为导向的动态参数，提高
Sigma
点分布的精度，提升无迹卡尔曼算法性能
。4.
如权利要求3所述的一种用于发电机状态检测系统的电池健康状态估算方法，其特征在于：所述提高算法估算精度包括，在无迹卡尔曼过程中，加入
Sage
‑
...

【专利技术属性】
技术研发人员：薛继超，陶泽宇，张斌，李国金，巴特尔，徐龙坤，于文成，宗京波，张奇，曹宇，祁宇晗，施乐仁，曹贵新，宋佳琛，赵振羽，赵惠德，张明，吕阳，余锐，姜艳艳，赵善良，权瑜，赵晋明，
申请(专利权)人：呼伦贝尔安泰热电有限责任公司汇流河发电厂，
类型：发明
国别省市：