论文部分内容阅读
储能系统具有存储和释放电能的功能。在太阳能、风能等新能源系统中引入储能系统可以有效平抑新能源输出功率的波动，解决由新能源的随机性、波动性带来的电力调峰、电能质量等问题，并可以有效减少新能源对电网的冲击。锂离子电池由于具有较高的能量密度和功率密度被广泛地应用于储能系统。但在实际应用中锂离子电池还存在电池循环寿命周期内电池内部状态难以精确评估、电池组循环寿命远低于单体电池循环寿命等问题。本文利用模拟分析方法对锂离子电池单体模型参数辨识、串联电池组模型参数辨识、电池参数对并联电池组环流和充放电过程的影响、电池参数和充电倍率对电池循环寿命的影响等问题进行了研究，期望能快速辨识锂离子电池参数，为电池（组）循环寿命的延长奠定基础。 本研究主要内容包括：⑴针对锂离子电池准二维(Pseudo Two Dimensional，P2D)模型提出一种基于启发式算法的快速参数辨识方法，该算法包括:减少P2D模型待辨识参数数量、利用参数有效区间减少遗传算法搜索时间和分治策略将P2D模型参数分成两组并利用遗传算法分别进行辨识。通过启发式算法，利用单核计算机可以在十个小时以内辨识出锂离子电池P2D模型的所有参数。基于辨识值的模拟电压曲线与合成电压曲线吻合较好。启发式算法不仅能够快速辨识出锂离子电池参数，而且为精确估计锂离子电池内部状态以及剩余容量提供了理论支持。⑵利用遗传算法和梯度算法分别对单颗粒(Single Particle，SP)模型参数进行了辨识，结果表明遗传算法更适用于电池模型参数的辨识。对比分析了SP模型和P2D模型，虽然两个模型的部分相同参数，但在相同参数值条件下两个模型计算结果并不一致，在此基础上提出了一种混合辨识P2D模型参数的方法。利用混合辨识算法，可以在六个小时左右辨识出P2D模型的所有参数;基于辨识值的模拟结果与合成电压曲线基本吻合，但高放电倍率(如:≥3C)下存在明显误差。⑶利用SP模型仿真分析了串联电池组（三只锂离子电池串联）的放电行为，并利用遗传算法对串联电池组的“平均电池”模型参数进行了辨识;基于辨识值的模拟结果与合成的放电电压曲线基本吻合，但与充电电压曲线存在明显误差。利用SP模型分析了并联电池组的环流过程，结果表明环流在并联开始时比较大，然后逐渐减小直至为零。利用SP模型模拟分析了并联电池组的充放电过程，结果表明电极厚度、固相体积分数和电化学反应速率常数等参数会对电池内部极化产生影响，导致单体电池在充放电过程中具有不同的电流值，尤其是在充放电过程的初始和结束阶段，电流值的差异更为明显。⑷在“锂离子电池容量衰减是由负极表面锂离子金属沉积引起的”假设条件下，利用SP模型模拟了锂离子电池的充放电特性，发现电池充电截止电压、放电深度和副反应交换电流密度对容量衰减具有明显的影响，但负极表面膜电导率对电池容量衰减几乎可以忽略。根据新能源的间隙性和波动性特点，研究了充电策略对储能电站中锂离子电池循环性能的影响，结果表明在充电时间固定的条件下，基于单一充电倍率方案的锂离子电池最大循环次数为1337次，最优充电倍率为0.68C;基于两个充电倍率方案的电池最大循环次数为1449次，最优充电倍率为0.68C和0.38C。优化的充电策略为提高储能电站中锂离子电池（组）的循环寿命提供了理论依据。