基于PNGV模型储能锂电池参数辨识及SOC估算研究

作者：甘屹李杨姚俊

来源：《能源研究与信息》2017年第04期

摘要：锂电池因具有比能量高、循环寿命长、对环境无污染等优点，在储能系统中已逐渐得到应用.准确估算锂电池的荷电状态（SOC）可防止电池过充、过放，保障电池安全、充分地使用.为了精确估算储能锂电池SOC，基于PNGV（partnership for a new generation of vehicles）电池等效模型，利用递推最小二乘法（RLS）对模型参数进行在线辨识和实时修正，增强了系统的适应性.结合安时法、开路电压法和PNGV模型，提出了一种实时在线修正SOC算法.根据实验数据，建立了仿真模型，以验算模型和SOC估算算法的精度.仿真结果表明，PNGV模型能真实地模拟电池特性，且能有效地提高SOC估算精度，适合长时间在线估算储能锂电池的SOC.

关键词：锂电池； PNGV模型；荷电状态；递推最小二乘法

中图分类号： TM 912 文献标志码： A

Abstract： Lithiumion batteries have been gradually applied toenergy storage system with the advantages of high energy density，long cycle life，no pollution to environment and so on.Accurate stateofcharge（SOC）estimation of lithiumion battery can avoid the overcharge or overdischarge，make full use of the battery and guarantee the battery safety.In order to accurately estimate SOC for energy storage lithiumion battery，recursive least squares method（RLS） was adopted for online identification and realtime modification of the model parameters to enhance the system adaptability according to the equivalent battery model of partnership for a new generation vehicles（PNGV）.Combined with Amperehour method，open circuit voltage method and PNGV model，an online modified SOC algorithm was proposed.The simulation model was established using the experimental data to verify the accuracy of the model and the SOC estimation.The simulation results showed that the algorithm could effectively improve the accuracy of SOC estimation，and was suitable foronline estimation of SOC for energy storage lithiumion battery for a long time.

Keywords： lithiumion battery； PNGV model； SOC； RLS

新能源的取之不尽和无污染等优点使其成为未来发电技术的发展方向[1].储能电池在各种新能源储能技术中发展最为成熟，其发展催生了新能源储能电池技术和产业.锂电池具有比能量高、循环寿命长、对环境无污染等优点，国内外越来越多的储能电站选择锂电池作为储能电池[2].但是，锂电池对电压、温度和电流的要求极为严格，使用过程中稍有不慎就可能导致电池损伤，甚至引发安全事故.因此，电池管理系统（battery management system，BMS）具备的功能有：数据采集、电池荷电状态（state of charge，SOC）估算、均衡控制、热量约束、数据通讯和使用安全等[3].SOC是指电池的剩余电量，是BMS控制策略的重要依据.

目前，常见的SOC估算算法有开路电压法、安时法、神经网络法、扩展卡尔曼滤波（EKF）法等[4].安时法、开路电压法或结合两者所衍生出的是常见的SOC估算算法[5].这些传统的算法计算简单，易于实现，但精度低，易产生累计误差.

基于锂电池等效电路模型的智能算法具有较高的精度，但计算复杂，估算精度依赖于电池模型的精确性[6].影响电池模型精确性的主要原因是其参数在电池使用中会随着温度、充放电电流、老化程度等因素变化，因此需要对模型参数实时在线辨识和修正.递推最小二乘法（

recursive least square，RLS）广泛应用于动态模型的参数在线辨识[7]，辨识参数越多，计算量越大.PNGV（partnership for a new generation of vehicles）模型是根据美国新一代汽车合作计划，在2001年《PNGV电池实验手册》中提出的等效电路模型，并沿用为2003年《FreedomCAR电池实验手册》中的标准电池性能模型[8].

本文发布于:2024-09-20 15:35:53，感谢您对本站的认可！

本文链接：https://www.17tex.com/xueshu/795163.html

上一篇：锂电池充电器电路图

下一篇：动力锂离子电池安全性研究进展

标签：电池模型估算储能精度参数辨识算法

留言与评论（共有 0 条评论）