论文部分内容阅读
以风能、太阳能为代表的可再生能源发电系统在近年来得到快速的发展，但其随机性、波动性和间歇性对电网安全稳定运行造成了较大影响。全钒液流电池(Vanadium Redox Flow Battery，VRB)储能系统因能使可再生能源平稳入电网而具有广阔的应用前景。准确的等效模型与荷电状态(State of Charge，SOC)能协助电池管理系统制定合理的运行策略，进而确保VRB高效可靠运行。然而，现有VRB等效模型往往存在较大误差，不仅需要提高现有辨识方法对数据的利用效率以获取准确的模型参数，还需要改进现有参数估计算法以提高SOC的估计精度。因此，论文针对VRB展开了参数辨识和SOC估计研究，工作内容如下：
首先，论文讨论了常用的电池电化学模型和等效电路模型，分析了两种模型的优缺点，并在常用等效电路模型的基础上建立了VRB等效电路模型。为了获取准确的开路电压与SOC关系曲线，使用了长时间静置法、小电流充放电法、恒电流充放电间歇法等三种方法进行开路电压辨识，并将三种方法所得到的曲线进行了综合比较，最终选出了可在实际中使用的最优开路电压辨识方案。
其次，论文对VRB等效电路模型进行了离线辨识，辨识结果验证了所建立模型的有效性。为了实时获取等效电路模型的参数，提高传统递推最小二乘(Recursive Least Square，RLS)算法对数据的利用效率，论文提出了使用多新息递推最小二乘(Multi Innovation Recursive Least Square，MIRLS)算法对VRB等效电路模型参数进行在线辨识。在不同的充放电工况下对所提出的算法进行验证，结果表明所提出的方法比RLS算法具有更高的辨识精度，且辨识的参数值变化更为平稳。
再次，为了准确估计电池的SOC，论文设计了能够处理非线性系统的无迹卡尔曼滤波(Unscented Kalman Filter，UKF)算法对VRB的SOC进行估计，并详细介绍了算法原理与计算步骤。在不同的工况下对算法进行验证，结果表明，UKF算法能够有效估计电池的SOC，并在不同的初始SOC下均能有效收敛。
最后，为了使UKF算法在估计SOC时具有更高的精度，将在线参数辨识与SOC估计相结合，提出了将MIRLS算法与UKF算法相结合的方法对电池的SOC进行估计，仿真实验表明所提出的联合算法相较于普通的UKF算法具有更高的辨识精度和更快的收敛速度。
首先，论文讨论了常用的电池电化学模型和等效电路模型，分析了两种模型的优缺点，并在常用等效电路模型的基础上建立了VRB等效电路模型。为了获取准确的开路电压与SOC关系曲线，使用了长时间静置法、小电流充放电法、恒电流充放电间歇法等三种方法进行开路电压辨识，并将三种方法所得到的曲线进行了综合比较，最终选出了可在实际中使用的最优开路电压辨识方案。
其次，论文对VRB等效电路模型进行了离线辨识，辨识结果验证了所建立模型的有效性。为了实时获取等效电路模型的参数，提高传统递推最小二乘(Recursive Least Square，RLS)算法对数据的利用效率，论文提出了使用多新息递推最小二乘(Multi Innovation Recursive Least Square，MIRLS)算法对VRB等效电路模型参数进行在线辨识。在不同的充放电工况下对所提出的算法进行验证，结果表明所提出的方法比RLS算法具有更高的辨识精度，且辨识的参数值变化更为平稳。
再次，为了准确估计电池的SOC，论文设计了能够处理非线性系统的无迹卡尔曼滤波(Unscented Kalman Filter，UKF)算法对VRB的SOC进行估计，并详细介绍了算法原理与计算步骤。在不同的工况下对算法进行验证，结果表明，UKF算法能够有效估计电池的SOC，并在不同的初始SOC下均能有效收敛。
最后，为了使UKF算法在估计SOC时具有更高的精度，将在线参数辨识与SOC估计相结合，提出了将MIRLS算法与UKF算法相结合的方法对电池的SOC进行估计，仿真实验表明所提出的联合算法相较于普通的UKF算法具有更高的辨识精度和更快的收敛速度。