中国标准动车组蓄电池充电控制研究

• 作 者: 彭博
• 出 处: 北京交通大学
• 发表日期: 2020年01期
• 关键词: 中国标准动车组 电池荷电状态估计 自适应扩展卡尔曼滤波 遗传算法 模糊控制

蓄电池作为轨道列车储能装置,被广泛应用于动车组应急供电及扩展供电中。动车组电池存在成本高、更换流程复杂、安全性要求严苛等问题,因此,控制电池充电过程,从而监控电池工作状态、提高电池寿命、保证电池可靠充电,具有重要研究意义。本文从三个方面研究动车组电池充电控制,内容包括电池荷电状态(State Of Charge,SOC)在线估计方法、电池充电策略以及动车组充电机控制方法。本文的具体研究内容如下:本文先以中国标准动车组钛酸锂电池为研究对象,搭建二阶RC等效电路模型,研究基于遗忘因子的递推最小二乘法(Forgetting Factor Recursive Least Squares,FFRLS)和扩展卡尔曼滤波法(Extended Kalman Filtering,EKF)两种参数在线辨识方法,并通过电池工况实验对比辨识精度,实验表明EKF法参数辨识时,电池电压预测误差低于2%,参数辨识精度更高,因此选择EKF参数辨识法进行后续研究。然后,本文针对EKF方法的噪声方差固定而导致的电池SOC估计不准确问题,提出自适应扩展卡尔曼滤波法(Adaptive Extended Kalman Filter,AEKF)估算电池SOC,并结合EKF参数辨识方法,实现模型参数和电池SOC状态的在线实时估计。对比AEKF和EKF方法在电池测试工况以及动车组电池应急工况下的SOC估计结果,证明基于AEKF算法的SOC估计方法在不同工况下的SOC估计误差一直低于2.5%,并且能实现电池SOC估计快速收敛。其次,研究钛酸锂电池充电策略,分析电池内部极化效应原理并搭建电池极化电压模型,提出基于电池SOC的分段恒流-恒压充电策略,以电池的平均极化电压和充电时间为目标函数,采用遗传算法对分段充电的电流及电压进行优化。对比结果可知,新充电策略的平均极化电压更低。最后,研究中国标准动车组充电机工作原理及控制方法并搭建仿真模型,验证模型可行性后,引入模糊控制和遗传算法对充电机PID控制方法进行改进,提出遗传算法优化的模糊PID控制方法。经仿真验证,优化控制后的充电机在不同工况下输出波动都在2.5%以下,且响应时间小于0.1s,具有更好的输出性能。