【技术实现步骤摘要】
本专利技术属于电力系统中储能系统锂电池模型参数辨识及建模，具体涉及一种锂电池模型的参数辨识和储能电站建模方法。
技术介绍
1、随着电动汽车、可再生能源系统等领域的迅猛发展，电池作为能量存储装置的重要组成部分，其性能和稳定性对系统整体性能的影响愈加重要。建立一个准确的电池模型和实现对模型参数的精确辨识是实现对电池状态监控和估算的基本前提。
2、目前研究的电池单体模型主要分为三类：电化学模型，等效电路模型以及数据驱动模型。其中，等效电路模型将电池看作由理想的电器元件组成的电路，想比于电化学模型，计算量上大大降低，相比于数据驱动模型具有更好的可解释性，被广泛使用。但是模型的参数获取有一定困难。同时大部分储能电站模型以pcs为单位进行建模，只考虑到电站内部简单的功率分配功能，未考虑到电池单体状态带来的影响。
3、在实际工程中，随着电芯的投运，长时间的进行多次充放电之后，电芯的参数会发生变化，不同的电池单体之间会出现差异，影响储能系统的运行寿命。此外，准确的电池单体模型也是建立详细场站模型的基础。为此，亟需一种基于现场实测数据进行的、易于实现的锂电池模型参数辨识方法。
技术实现思路
1、本专利技术的目的是针对目前储能电站建模所存在的问题，提出一种基于实测数据进行锂电池模型参数辨识的储能电站建模方法。
2、本专利技术的技术方案是：
3、本专利技术提供一种基于实测数据进行锂电池模型参数辨识的储能电站建模方法，该方法包括以下步骤：
4、s
5、s2、建立电池单体的等效电路模型；
6、s3、参数辨识：将s1中提取的某次放电实测数据中放电初始时刻对应的电池soc值作为等效电路模型中设置的soc初值；
7、以放电过程的电流实测数据为电池模型的电流输入，以放电过程中模型的输出和实测电压数据之间的误差最小为目标，进行参数辨识；
8、s4、按照s1中获取的储能电站的拓扑信息，在电池单体模型的基础上，通过串并联的电气关系，依次建立电池包、电池簇和/或电池舱模型。
9、进一步地，s1中；实测数据包括电池单体数据、电池包数据、电池簇数据和/或电池舱数据中的一种或多种；
10、拓扑信息包括电池成组方式，即电池单体之间按照对应的串并联关系形成电池包、电池簇和/或电池舱单元。
11、进一步地，所述电池单体数据包括电池单体电压、电池单体电流、电池单体soc；电池包数据包括电池包电压、电池包电流、电池包soc；电池簇数据包括电池簇电流、电池簇电压、电池簇soc；电池舱数据包括电池舱电压、电池舱电流、电池舱soc。
12、进一步地，s1中提取放电运行状态下的电池单体数据具体为：
13、基于实际电站运行的电池特性，设置放电电流阈值idischarge、待机电流阈值iready以及充电电流阈值icharge，识别电池单体电流值：
14、当电池单体电流值满足|i|＜isteady时，电池单体属于待机模式；
15、当电池单体电流值满足i＞icharge时，电池单体属于充电模式；
16、当电池单体电流值满足i＞idischarge时，电池单体属于放电模式，提取该模式下的电池单体数据。
17、进一步地，s2中等效电路模型包括依次串接的受控电压源、电池内阻r、控制器和电流传感器；
18、模型中，电池内阻接收电流测试信号i，在放电模式下通过等效电路模型后受控电压源的输出f2为：
19、
20、式中，q表示电池容量；k表示极化常数；e0表示标称电压；it是电流在时域上的积分；i*是电流经过滤波后的低频分量；a表示指数区电压幅值，b表示指数区时间常数；
21、控制器采用下述公式对soc进行估算：
22、soc＝1-it/q。
23、进一步地，s3中优化目标为：在同样的运行工况即电池单体模型的放电电流与实际采集的电流数据相同的情况下，模型仿真得到的输出即单体电池端电压，与实测电压数据中获取的放电过程的电池单体电压误差平方和最小；其中，单体电池端电压＝受控电压源的输出-电池内阻r的电压。
24、进一步地，s3中参数辨识采用信任域反射方法，具体为：
25、设置非线性最小二乘问题，电池单体参数的优化目标函数为：
26、
27、fn(x)＝vsim(n)-vreal(n)
28、vsim＝f(param,i)
29、其中：vsim是模型仿真电压向量，vreal是实测电压数据组成的向量，param是待辨识的模型参数，i是模型输入的电流，f是模型电池电压与参数之间的表达式，n代表采样点；
30、优化过程采用牛顿法进行迭代，使用目标函数的二阶导数信息，直到函数的变化小于预设的阈值时，认为已经收敛，得到计算结果：
31、paramk+1＝paramk+δparamk
32、其中：δparamk是通过求解线性系统得到的，jk是f的雅可比矩阵。
33、进一步地，信任域反射方法中，在牛顿法的基础上引入信任域策略，设置信任域半径δrk，用于限制每次迭代中参数向量的变化幅度；在每次迭代后，计算目标函数的实际改善与预期改善之间的比率，如果比率低于预设阈值，减小信任域半径；反之则增加信任域半径，在每一步优化中，只在这个信任域半径δrk内搜索最优解。
34、进一步地，信任域反射方法中，在牛顿法的基础上引入反射策略，用于处理信任域内无法继续优化的情况：当信任域内的迭代无法显著减小目标函数时，通过调整步长或方向来尝试跳出当前局部最小值点。
35、进一步地，该方法还包括s5、通过实测数据，对建立的电池包、电池簇和/或电池舱模型进行仿真测试，验证模型的正确性，具体为；
36、使用与辨识过程中不同层次的放电数据，在同样的运行工况，即相同的放电电流下，计算模型仿真得到的输出电压数据与s1中获取的放电过程的实际运行电压数据误差平方和，针对电池包、电池簇和/或电池舱层级分别进行验证，判断误差是否满足要求。
37、本专利技术的有益效果：
38、本专利技术通过采用工程实测数据和优化方法，实现了对电池模型参数的辨识，并依此建立了储能电站模型。相较于传统的实验室测试方法，本专利技术的方法具有成本低、适用性强、辨识准确度高的优点，可广泛应用于电池管理系统、电动汽车、可再生能源系统等领域，提高电池性能评估的准确性和实用性。
39、本专利技术的等效电路模型考虑了电池的内部极化反应带来的内阻问题，soc对电池开路电压的影响等，采用受控电压源保证电池在不同运行条件下的特性差异能够得到体现。
40、本专利技术的参数辨识，在牛顿法的基础上引入信任域和反射策略，有助于确保在优化过程本文档来自技高网...
【技术保护点】
1.一种基于实测数据进行锂电池模型参数辨识的储能电站建模方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于实测数据进行锂电池模型参数辨识的储能电站建模方法，其特征在于S1中；
3.根据权利要求2所述的基于实测数据进行锂电池模型参数辨识的储能电站建模方法，其特征在于所述电池单体数据包括电池单体电压、电池单体电流、电池单体SOC；电池包数据包括电池包电压、电池包电流、电池包SOC；电池簇数据包括电池簇电流、电池簇电压、电池簇SOC；电池舱数据包括电池舱电压、电池舱电流、电池舱SOC。
4.根据权利要求1所述的基于实测数据进行锂电池模型参数辨识的储能电站建模方法，其特征在于S1中提取放电运行状态下的电池单体数据具体为：
5.根据权利要求1所述的基于实测数据进行锂电池模型参数辨识的储能电站建模方法，其特征在于S2中等效电路模型包括依次串接的受控电压源、电池内阻R、控制器和电流传感器；
6.根据权利要求1所述的基于实测数据进行锂电池模型参数辨识的储能电站建模方法，其特征在于S3中优化目标为：在同样的运行工况即电池
7.根据权利要求1或5所述的基于实测数据进行锂电池模型参数辨识的储能电站建模方法，其特征在于S3中参数辨识采用信任域反射方法，具体为：
8.根据权利要求7所述的基于实测数据进行锂电池模型参数辨识的储能电站建模方法，其特征在于信任域反射方法中，在牛顿法的基础上引入信任域策略，设置信任域半径Δrk，用于限制每次迭代中参数向量的变化幅度；在每次迭代后，计算目标函数的实际改善与预期改善之间的比率，如果比率低于预设阈值，减小信任域半径；反之则增加信任域半径，在每一步优化中，只在这个信任域半径Δrk内搜索最优解。
9.根据权利要求8所述的基于实测数据进行锂电池模型参数辨识的储能电站建模方法，其特征在于信任域反射方法中，在牛顿法的基础上引入反射策略，用于处理信任域内无法继续优化的情况：当信任域内的迭代无法显著减小目标函数时，通过调整步长或方向来尝试跳出当前局部最小值点。
10.根据权利要求1所述的基于实测数据进行锂电池模型参数辨识的储能电站建模方法，其特征在于该方法还包括S5、通过实测数据，对建立的电池包、电池簇和/或电池舱模型进行仿真测试，验证模型的正确性，具体为；
...【技术特征摘要】
1.一种基于实测数据进行锂电池模型参数辨识的储能电站建模方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于实测数据进行锂电池模型参数辨识的储能电站建模方法，其特征在于s1中；
3.根据权利要求2所述的基于实测数据进行锂电池模型参数辨识的储能电站建模方法，其特征在于所述电池单体数据包括电池单体电压、电池单体电流、电池单体soc；电池包数据包括电池包电压、电池包电流、电池包soc；电池簇数据包括电池簇电流、电池簇电压、电池簇soc；电池舱数据包括电池舱电压、电池舱电流、电池舱soc。
4.根据权利要求1所述的基于实测数据进行锂电池模型参数辨识的储能电站建模方法，其特征在于s1中提取放电运行状态下的电池单体数据具体为：
5.根据权利要求1所述的基于实测数据进行锂电池模型参数辨识的储能电站建模方法，其特征在于s2中等效电路模型包括依次串接的受控电压源、电池内阻r、控制器和电流传感器；
6.根据权利要求1所述的基于实测数据进行锂电池模型参数辨识的储能电站建模方法，其特征在于s3中优化目标为：在同样的运行工况即电池单体模型的放电电流与实际采集的电流数据相同的情况下，模型仿真得到的输出即单体电池端电压，与实测电压数据中获取的放电过...
【专利技术属性】
技术研发人员：曾繁鹏，方壮志，施洪生，何振宇，刘敬，
申请(专利权)人：江苏林洋能源股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。