Какой метод прогнозирования остаточной емкости аккумулятора?

Author: Iflowpower - Fornitur Portable Power Station

1 Предисловие Герметичная свинцово-кислотная аккумуляторная батарея с клапанным управлением (VRLA) Благодаря небольшому размеру, взрывобезопасности, стабильному напряжению, отсутствию загрязнения, малому весу, высокой разрядной производительности, простоте обслуживания, низкой цене и т. д. она пользуется популярностью в различных отраслях промышленности. Широко используется в почтовой отрасли, электроэнергетике, на транспорте, в аэрокосмической отрасли, в аварийном освещении, в сфере связи и т. д. Аккумуляторы VRLA стали одним из ключевых компонентов системы, а их безопасная и надежная работа напрямую связана с надежной работой всего устройства.

Однако в процессе эксплуатации, поскольку оставшуюся емкость невозможно точно предсказать, авария вызывает аварию, а перегруженный рынок становится трагедией. Поэтому необходимо создать надежную систему управления аккумуляторными батареями, чтобы точно прогнозировать оставшуюся емкость аккумулятора, что является самой базовой и самой важной задачей в системе управления аккумуляторными батареями [1] [2]. В настоящее время в Китае и за рубежом для указания остаточной емкости аккумулятора обычно используется:

SOC — важный параметр, напрямую отражающий способность к устойчивому энергоснабжению и состояние аккумуляторных батарей. Поскольку аккумуляторы VRLA имеют разные типы, области применения и внешние условия, на уровень заряда влияет множество факторов, поэтому его прогнозируют разными методами, а используемая модель аккумулятора не одинакова. Метод моделирования аккумуляторной батареи общего назначения можно разделить на две основные категории: один — это метод физического моделирования, другой — метод моделирования идентификации и оценки параметров системы [3].

2 Метод физического моделирования прогнозирует SOC2.1 Метод испытания разрядом Метод испытания разрядом является признанным наиболее надежным методом оценки SOC. Аккумулятор непрерывно разряжается до заданной нулевой точки SOC, а произведение тока разряда и времени представляет собой остаточную емкость.

Метод испытания на разрядку в основном используется в лабораторных условиях для расчета эффективности зарядки аккумуляторных батарей, проверки точности оценки SOC или технического обслуживания аккумулятора, подходит для всех аккумуляторов. Однако есть два очевидных недостатка: (1) требуют много времени и человечности; (2) работу над аккумулятором приходится прерывать, невозможно делать онлайн-прогнозирование в режиме реального времени. Для статических резервных батарей этот метод необходимо применять в особых случаях.

В период разрядки система работает без резервных батарей; если возникнут проблемы с основным питанием или произойдет сбой в электросети, вся система будет парализована. Непредвиденная потеря. В документе [4] описывается метод испытания на разрядку и меры предосторожности, но он требует большого объема ручных операций; в литературе [5] для управления испытанием на разрядку аккумуляторной батареи используется система мониторинга электропитания, что экономит время и повышает эффективность, но точность очень низкая.

Можно только определить производительность аккумуляторной батареи, не имея точной оценки остаточной емкости. 2.2 Фактический метод измерения амбара является наиболее распространенным методом оценки SOC, формула расчета имеет вид: (1) где SOC0 - время начала заряда и разряда, CN - номинальная емкость, η - эффективность заряда и разряда и не является константой (предполагается, что направление тока заряда положительное, направление тока разряда - отрицательное), а SOC - состояние заряда в текущий момент времени.

Предохранитель предохранителя представляет собой черный ящик, который, как считается, имеет определенную пропорциональную связь с количеством электроэнергии, вытекающей из аккумулятора, независимо от структуры и внешних электрических характеристик аккумулятора, поэтому этот метод подходит для различных аккумуляторов. Как видно из того же уравнения (1), проблемы, существующие в приложении: (1) требуют калибровки начального значения SOC; (2) требуют точного расчета эффективности заряда и разряда; (3) для точного измерения тока, измерение тока Согласно погрешности расчета SOC, существует кумулятивная погрешность интегрирования тока; (4) велика в случае высокотемпературного состояния и колебаний тока. Поэтому при практическом использовании астронавтики обычно учитываются такие факторы, как скорость заряда и разряда, температура, старение батареи и скорость саморазряда в зависимости от условий и среды использования.

В документе [6] используются безопасность переменного тока, уравнение Пейкерта, температурная коррекция и SOH в сочетании с SOH, а SOC свинцово-кислотной батареи с управляемым клапаном статической задней подготовки оценивается как находящийся между двумя состояниями емкости батареи от нуля до емкости одного цикла. В этом цикле измерительная батарея вычисляет SOH для расчета общей емкости стандартного тока разряда или зарядки при стандартных температурах. Точность расчета SOC может достигать 0.

1%, а формула расчета следующая: В документе [7] рассматривается компенсация скорости заряда и разряда аккумулятора, температуры, старения аккумулятора и коэффициента саморазряда, а также корректируется накопленная ошибка посредством самонастройки и используется большое количество экспериментов. Полученное значение напряжения отдельной батареи и коэффициент соотношения емкости исправили несоответствие батареи и исправили формулу (4). Где: ks — коэффициент отношения, а ΔU — разница между напряжением при низком напряжении в аккумуляторной батарее и средним напряжением всех мономерных батарей: В документе [8] для получения начального SOC используется метод напряжения разомкнутой цепи, после метода безопасного времени с различной компенсацией точность оценки SOC составляет в пределах 6%.

Кроме того, закон безопасности часто используется совместно с фильтрацией Калмана (подробное обсуждение в разделе Фильтрация Калмана). 2.3 Метод плотности Метод плотности в основном используется в свинцово-кислотных аккумуляторах.

Поскольку плотность электролита постепенно увеличивается во время заряда и постепенно уменьшается во время разряда, а емкость и плотность аккумулятора имеют определенную линейную зависимость, то размер SOC можно предсказать, измерив плотность электролита [9]. Поскольку метод измерения плотности требует измерения, он в основном применяется в свинцово-кислотных аккумуляторах открытого типа. Если удастся разработать датчик с более высокой точностью и плотностью, его можно будет имплантировать в герметичную батарею при ее производстве.

В документе [10] [11] [12] для измерения плотности электролита свинцово-кислотного аккумулятора используются ультразвуковые датчики, низкоэнергетические γ-лучи и датчики емкости свинцово-кислотного аккумулятора, тогда как в литературе [11] плотность прогнозируется с помощью нечеткой нейронной сети. Хорошо, но нет связи между электролитом и SOC. 2.

4 Закон открывающего напряжения Открывающее напряжение (OpenCIRCUITVOLTAGE) относится к конечному напряжению в открытом состоянии, близкому к значению электродвижущей силы батареи. Метод измерения напряжения холостого хода устанавливается в соответствии с остаточной емкостью аккумуляторной батареи и напряжением размыкания, между которыми существует определенная линейная (пропорциональная) зависимость, а величину остаточной емкости можно получить непосредственно путем измерения напряжения холостого хода. Преимущество заключается в том, что он не зависит от размера батареи, ее размера и скорости разряда, а только от параметров разомкнутой цепи, что относительно просто [13] [14] [15].

В документе [16] описывается взаимосвязь между напряжением разомкнутой цепи свинцово-кислотных аккумуляторов, остаточной емкостью и плотностью электролита, а также приводится формула расчета между SOC и разомкнутой цепью: где VBO — напряжение разомкнутой цепи аккумулятора, а Vα — заполненное электричеством. Напряжение холостого хода, Vb — напряжение холостого хода при достаточном разряде, его величина соответствует параметрам аккумуляторов разных производителей. При использовании этого метода, измеряя напряжение разомкнутой цепи аккумулятора, по общей проверочной таблице можно получить расчетное значение SOC.

Однако метод напряжения разомкнутой цепи имеет и существенный недостаток: (1) необходимо дождаться достижения аккумулятором устойчивого состояния, а также определить время стационарного состояния; (2) по мере старения аккумулятора остаточный заряд уменьшается, напряжение разомкнутой цепи изменяется. Неочевидно, что точного прогноза остаточного заряда нет; (3) при использовании традиционного аккумулятора аккумулятор находится в состоянии, при котором невозможно измерить напряжение разомкнутой цепи, а также невозможно реализовать онлайн-измерение. Из современной литературы следует, что он, как правило, не используется отдельно, а методом напряжения разомкнутой цепи. Поскольку метод напряжения разомкнутой цепи хорош на начальном этапе зарядки, оценка SOC хороша, часто в сочетании с безопасностью безопасности Karmana.

Для того чтобы батарея могла работать в течение длительного времени, в литературе [14] используется кривая восстановления батареи при разомкнутой цепи в различных состояниях, а формула прогнозирования напряжения при разомкнутой цепи получается путем расчета SOC, прогнозируемого значения и измерения. Относительная погрешность находится в пределах 6%. В документе [17] [18] [19] нормализуется кривая разряда аккумулятора VRLA при различных степенях разряда, обнаружено, что кривая разряда имеет хорошую согласованность, режим разряда, степень разряда, температура окружающей среды, напряжение разряда и т. д.

Изменение факторов при таком постоянстве очень незначительно. Предполагается, что только напряжение разряда прогнозирует SOC, формула расчета выглядит следующим образом: где TT — полная продолжительность разряда, VEND — напряжение окончания разряда, VP — начальное напряжение разряда. В любой момент времени, когда известно напряжение разряда V(T) аккумулятора, можно рассчитать Vu(TU), а нормализованное Tu получить по нормализованной кривой, которая в свою очередь имеет состояние заряда (точность оценки находится в пределах 10%, «Подходит для ситуаций, требующих низких требований»).

В документе [20] [21] используются различные начальные напряжения разряда, соответствующие разному времени разряда, путем периодического внешнего протекания нагрузки в процессе работы, измерения ряда рабочих напряжений, установления напряжения, температуры, оставшегося времени, системы оценки размытости SOC, тем самым получая SOC мономерной батареи, который находится в пределах 1%, что также называется методом напряжения нагрузки. Этот метод позволяет оценить уровень заряда аккумулятора в режиме онлайн, давая хороший эффект при разряде постоянным током, но не применим к условиям разряда со значительными или сильными колебаниями. 2.

5 Метод внутреннего сопротивления (проводимости) сопротивления батареи в батарее, предполагаемое внутреннее сопротивление, СОПРОТИВЛЕНИЕ, и они имеют тесную связь с SOC для реализации онлайн-измерений. Если аккумулятор находится в другом аккумуляторе, его внутреннее сопротивление отличается, метод внутреннего сопротивления (электрического руководства) заключается в прогнозировании изменения SOC путем измерения изменения внутреннего сопротивления (проводимости) в процессе разряда. [двадцать два].

Существуют также разногласия относительно применения прогнозирования внутреннего сопротивления SOC. Документ [23] Испытание и статистика проводимости герметичной свинцово-кислотной батареи с клапанным управлением с использованием тестера проводимости, обнаружили, что время разряда линейно связано со значением проводимости, а коэффициент корреляции достигает 0,825; в стандарте IEEE 1188-1996 также предлагается измерение.

Необходимость внутреннего сопротивления, четко определяющая необходимость проверки внутреннего сопротивления батареи не реже одного раза в квартал [24]. Но в литературе [25] [26] [27] [28] Связь между внутренним сопротивлением (проводимостью) и остаточной емкостью батареи изучается экспериментальными испытаниями и теоретическим анализом соответственно, и результаты показывают, что: (1) Вывод управления клапаном Когда SOC батареи составляет 50% или 40%, ее внутреннее сопротивление (или электронная проводимость) в основном не меняется, только SOC составляет менее 40%, внутреннее сопротивление батареи быстро увеличивается; (2) При более чем 80% емкости батарея VRLA используется в режиме онлайн, и SOC батареи не может быть определено в соответствии со значением внутреннего сопротивления (проводимости); (3) в соответствии со значением электрода батареи или значением внутреннего сопротивления производительность батареи может быть определена в определенной степени. Возникновение споров связано со статистическими методами, в основном касающимися точности самого тестируемого аккумулятора и тестера внутреннего сопротивления (проводимости).

Потому что даже у одного и того же производителя, одной и той же партии, одного и того же размера батареи ее внутреннее сопротивление (проводимость) также не является постоянным, это определяется техническим уровнем производителя батареи. А поскольку внутреннее сопротивление батареи невелико, а SOC изменился, изменения внутреннего сопротивления невелики, и если точность измерительного прибора не соответствует требованиям, будет сложно установить соответствующее соотношение между внутренним сопротивлением и остаточной емкостью. Документ [29] С помощью спектрального измерения импеданса отмечено, что изменения омического акустического сопротивления могут отражать изменения SOC, но когда SOC увеличивается с 16% до 91%, его внутреннее омическое сопротивление мало, около 0.

6мОм. И предположил, что когда внутреннее сопротивление батареи изменяется в зависимости от чувствительности, существует монотонная функциональная зависимость между соответствующим сигналом возбуждения и ее SOC, а диапазон изменения частоты велик, а резонансная частота батареи VRLA используется в качестве передачи SOC батареи. Начальные параметры этой теории пока находятся на стадии исследования.

В то же время в литературе [30] предлагается стандартизировать производителя путем выбора внутреннего сопротивления (проводимости) стабилизированной батареи в случае масштабного использования батареи. Производство, а не точный индикатор непосредственно как состояние заряда батареи. Из текущей литературы, данных и продуктов для тестирования внутреннего сопротивления (проводимости) [31] [32] [33] [34] В основном применяется к методу внутреннего сопротивления (проводимости) для предупреждения об отказе батареи, напрямую применяется к прогнозированию SOC. Очень редко (обычно используется как один из факторов, влияющих на SOC) в сочетании с методом напряжения, нейронной сетью и т. д.

) [36]. В литературе [30] однозначно установлено, что если электропроводность мономерной батареи составляет более 80% от контрольного значения, то батарея нормальная, а ее емкость составляет 80% или более; если значение проводимости составляет 60% -80% от контрольного значения. Если емкость составляет менее 80%, батарея находится в состоянии «нормальной опасности», и требуется испытание на полную разрядку; если значение проводимости составляет 60% от контрольного значения, батарея находится в состоянии «серьезного риска», требующем своевременной замены.

3 Метод модели идентификации системы и оценки параметров Прогнозирование SOC 2000, метод модели идентификации системы и оценки параметров начал применяться для оценки SOC аккумулятора и в настоящее время пользуется большей популярностью в отечественных и зарубежных исследованиях. В основном это касается применения некоторых новых методов (в основном алгоритмов ручного интеллекта) для моделирования систем, которые будут влиять на различные факторы SOC в модели батареи, а модель систематически идентифицируется и оценивается по параметрам с помощью большого количества тестов, и получает связь между некоторыми параметрами батареи и SOC, а затем оценивает SOC. Сопоставимый закон искусственной нейронной сети, векторная машина, метод нечетких рассуждений, метод фильтрации Калмана и т. д.

3.1 Метод нейронной сети Поскольку аккумулятор представляет собой сложную нелинейную систему, сложно создать точную математическую модель для процесса его зарядки и разрядки. Нейронная сеть имеет распределенную параллельную обработку, нелинейное отображение, адаптивное обучение и т. д.

, которые могут лучше отражать основные характеристики нелинейности и могут давать соответствующие выходные данные при наличии внешнего возбуждения, так что динамика батареи может быть смоделирована в определенной степени. Характеристики, оценки SOC [36] [37]. Для оценки большей части уровня заряда батареи используется типичная трехэтажная искусственная нейронная сеть [38] [39]. Обычно собирают ток разряда, конечное напряжение и температуру батареи напрямую или используют комбинированный метод измерения изменения переменного тока, определяют вход электрического движения и внутреннего сопротивления в качестве модели нейронной сети, SOC в качестве выхода.

Если нейроны входного и выходного слоя, как правило, являются линейными функциями, то количество узлов неявного слоя зависит от сложности и точности анализа задачи и может быть определено в зависимости от скорости сходимости и завершения обучения сети. Метод искусственной нейронной сети подходит для различных аккумуляторов, но на погрешность влияют данные обучения и методы обучения, а также существуют шумовые помехи, влияющие на обучение сети и ее применение в реальных условиях. В современной литературе нейронная сеть носит в основном теоретический характер.

Документ [40] [41] Другой метод нейронной сети — машины опорных векторов (SVM) используется для оценки уровня заряда батареи, чтобы избежать дефектов во времени обучения, локальной оптимальности и скорости сходимости. В литературе [42] также предлагается прогнозировать уровень заряда батареи с помощью машины ассоциированных векторов (RVM), которая является более производительной, чем машина опорных векторов, а модель прогнозирования также более разреженная, но алгоритм более сложный, и необходимо занимать больше компьютерных ресурсов. 3.

2. Флаг нечеткой логики. Логический закон — это нечеткое моделирование батареи, которое основано на входных и выходных тестовых данных и не ограничивается предыдущими знаниями, опытом и поведением. Этот метод обычно обрабатывает параметры (такие как напряжение, ток, температура, внутреннее сопротивление и т. д.) как входную переменную модели (например,

например, напряжение, в соответствии с большим количеством данных испытаний характеристик аккумулятора, взаимосвязь между SOC и током, напряжением, температурой и другими факторами, разработка нечетких правил и создание нечетких рассуждений, с помощью антидвузначной обработки оценок SOC аккумулятора [43] [44] [45]. Основным недостатком метода нечеткой логики является то, что для получения правил нечетких рассуждений и формул опыта по экспериментальным данным требуется большой объем экспериментальных данных.

В настоящее время этот метод используется в моделировании и теоретическом анализе и не применяется в реальных условиях. 3.3 Фильтрация Калмана Основная идея теории фильтрации Кармана заключается в оптимальной оценке размера энергосистемы, которая применима как к линейным системам, так и к нелинейным системам [46].

При использовании метода фильтрации Калмана для оценки SOC сначала необходимо установить модель батареи, подходящую для оценки фильтра Калмана, и модель должна обладать двумя характеристиками: (1) Она может лучше отражать динамические характеристики батареи, при этом порядок не может быть слишком высоким. Чтобы сократить объем работы процессора, можно легко реализовать следующее: (2) Модель должна точно отражать взаимосвязь между электродвижущей силой аккумулятора и напряжением на клеммах, тем самым обеспечивая высокоточную оценку замкнутого контура. Обычно используемые модели эквивалентных цепей включают модель Рэндла (см. рисунок 1), модель Массимоцераоло, модель Тевенина, модель Шепарда и т. д.

, все параметры являются ожидаемыми параметрами, которые необходимо рассчитать в соответствии с экспериментальными данными [47] [48]. Рисунок 1. Модель батареи Рэндлса. На практике метод фильтрации Калмана обычно используется в сочетании с законом напряжения разомкнутой цепи и безопасностью. Основная процедура такова: когда напряжение на модели используется в качестве системы, после оценки напряжения по Калману оно используется для получения электродвижущей силы батареи (или напряжения холостого хода) с использованием математического соотношения в модели, и, наконец, соотношения между электродвижущей силой и SOC.

SOC. Математическая форма модели батареи Кальмана: Уравнение состояния: (9) Уравнение наблюдения: (10) Уравнение уравнения: (11) Входной вектор UK обычно включает такие переменные, как ток батареи, температура, остаточная емкость и внутреннее сопротивление. Выход YK системы обычно представляет собой рабочее напряжение батареи, а SOC батареи включен в величину состояния xk системы, а AK, BK определяются параметрами, полученными в результате испытания, ωk, vk - это шум системы. Суть алгоритма оценки SOC заключается в создании набора рекурсивных уравнений, включающих оценки SOC и отражающих ошибки оценки, а ковариационные матрицы используются для задания диапазона ошибок оценки.

Уравнение (11) представляет собой уравнение состояния модели аккумулятора, которое описывает основу SOC как вектор состояния. Фильтр Калмана может поддерживать хорошую точность в процессе оценки и оказывает сильное корректирующее воздействие на ошибку инициализации, что оказывает сильное подавляющее воздействие на шум. В настоящее время прогнозирование SOC аккумуляторной батареи гибридного транспортного средства, которая в основном используется в текущем изменении.

На основе фильтра Калмана в литературе [49] [50] [51] будут расширены методы фильтрации Кармана и Колорборна Кармана для оценки SOC. Самым большим недостатком метода фильтрации Калмана является то, что его расчетная точность зависит от точности модели эквивалентной схемы батареи, а создание точной модели батареи является ключом к алгоритму. Другим недостатком является то, что операция относительно большая, необходимо выбирать простую и разумную модель батареи и более быстрый процессор.

3.4 Другой метод Документа [52] Упомянутый метод линейной модели использует линейную модель начальных условий погрешности измерения и погрешности, основанную на большом количестве экспериментов по зарядке-разрядке аккумулятора, устанавливая SOC и его изменение в аккумуляторе. Линейное уравнение конечного напряжения, тока, в формуле (12), (13). Этот метод подходит для малых токов, SOC изменяется медленно, но эта особенность ограничивает область его использования и не была замечена в реальных условиях применения.

Где SOC (k) — значение SOC текущего времени; △ SOC (k) — изменение значения SOC; V (k) и i (k) — напряжение и ток текущего времени. Β0, β1, β2 и β3 — коэффициенты линейной модели, полученные с использованием справочных данных методом наименьших квадратов. В литературе [53] предполагается, что нелинейная модель самовозврата скользящего среднего (Narmax) является высокоэффективной, структура проста, скорость сходимости охарактеризована, а другие факторы, влияющие на рабочее напряжение и ток батареи, являются входными данными модели, а SOC используется в качестве системного шума, а SOC батареи выполняет оценку в реальном времени, относительная погрешность составляет всего 1%, и применимость этого метода требует дальнейшего изучения.

Он распознает модель (14), в которой Y (t) — последовательность SOC, U1 (T) — последовательность тока, U2 (T) — последовательность напряжения. Документ [54] Для нелинейной зависимости между внутренним сопротивлением аккумулятора и остаточной емкостью, SOC аккумуляторной батареи транспортного средства смешанной мощности прогнозируется с помощью комбинированного метода группы моделей Грея GM (1, 1). В литературе [55] установлено уравнение состояния SOC на основе времени безопасности и предлагается применение надежного алгоритма фильтрации для прогнозирования SOC батареи.

Это видно из различных методов, описанных выше. Независимо от того, является ли это методом физического моделирования или методом идентификации и оценки параметров системы, он основан на измеренных параметрах батареи (в основном, напряжении, токе, внутреннем сопротивлении, температуре и т. д.) и ее остаточном заряде.

Соотношение между емкостью основано на большом количестве экспериментов по созданию стабильной модели аккумуляторной системы для прогнозирования уровня заряда. 4. Резюме. На метод прогнозирования SOC влияют множество факторов (ток разряда, напряжение, температура, глубина разряда, внутреннее сопротивление, плотность электролита, саморазряд, старение и т. д.), технология прогнозирования остаточной емкости аккумуляторов VRLA и их конструкция. Модель сложна, и точного и универсального метода прогнозирования не существует.

Вышеуказанные различные методы прогнозирования SOC имеют свои преимущества, но в различных условиях использования, при различной точности прогнозирования использование одного метода прогнозирования больше не может удовлетворить фактические потребности, и, таким образом, проектирование высокоточных схем обнаружения данных с использованием нескольких методов для комбинированного прогнозирования SOC, особенно комбинации различных интеллектуальных алгоритмов и новых теорий, SOC является точным прогнозированием в режиме реального времени, онлайн, стало направлением развития прогнозирования остаточной емкости батареи.