基于模糊双卡尔曼滤波算法的VRLA蓄电池SOC估算研究

发布时间：2021-06-09 03:11

　　以太阳能、风能等为首的清洁可再生能源的大规模开发利用可以有效解决化石能源带来的环境问题。但它们固有的不确定性与间歇性制约其广泛应用,采用储能系统可较好地弥补这一不足。对储能电池而言,荷电状态（State of Charge,SOC）是其核心参数之一,精确地估算SOC是维持电池安全有效运转的重要保证,而精确地估算SOC主要取决于估算算法。本文以阀控式铅酸（Valve Regulated Lead-Acid,VRLA）蓄电池为研究对象,以提高SOC估算精度为目的,围绕SOC的估算展开研究。分析了VRLA蓄电池的基本结构、工作原理、主要技术参数和工作特性后,对现有的SOC估算方法进行了深入研究,选择以扩展卡尔曼滤波（Extended Kalman Filter,EKF）算法为基础,提出了一种基于模糊双卡尔曼滤波（Fuzzy Dual Kalman Filter,FDKF）算法的SOC估算方法。一方面,为了反映模型参数的动态变化,为工作中的电池SOC估算提供更高精度的模型,引入了一种基于卡尔曼滤波（Kalman Filter,KF）算法的在线参数辨识法,该方法将电池的一阶电阻电容（Resist... 

【文章来源】：湖北工业大学湖北省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

输入变量与输出变量的隶属度函数

湖北工业大学硕士学位论文43图5.4在线参数辨识法与离线参数辨识法所得模型端电压误差曲线5.2SOC估算结果的仿真验证本文在第4章详细阐述了基于EKF算法的SOC估算方法、基于DKF算法的SOC估算方法和基于FDKF算法的SOC估算方法。为了比较这三种SOC估算方法的估算精度，设计了如下实验：将实验用的VRLA蓄电池在实验室25C恒温环境下充满电，静置两小时后按如图5.5所示的自定义的工况进行放电试验，获取该工况下的电压、电流以及SOC参考值。利用MATLAB/Simulink仿真平台，以电池端电压和工作电流为输入，分别对基于EKF算法的SOC估算方法、基于DKF算法的SOC估算方法和基于FDKF算法的SOC估算方法进行仿真研究。实验中电池充满电后的SOC真实初值为1，且把EKF算法、DKF算法和FDKF算法的SOC初值也设为1。图5.5验证SOC估算结果的自定义工况电流

湖北工业大学硕士学位论文44仿真得到的SOC估算曲线如图5.6所示，SOC估算误差曲线如图5.7所示。从图5.6和图5.7中可以看出，三种算法的SOC估算曲线都能很好地跟随SOC参考值。其中EKF算法的SOC估算曲线有时在SOC参考值曲线的上方，有时在SOC参数值曲线的下方，而DKF算法和FDKF算法的SOC估算曲线大多时候位于SOC参考值曲线的下方。仔细对比DKF算法和FDKF算法的SOC估算曲线，还能发现FDKF算法的SOC估算曲线更紧密地靠拢SOC参考值曲线。图5.6SOC估算曲线对比图5.7SOC估算误差曲线对比基于EKF算法、DKF算法和FDKF算法的SOC估算误差对比如表5.1所示。从表中可以看出，FDKF算法的SOC估算最大误差为0.39%，要远小于EKF算法的最大误差3.92%和DKF算法的最大误差1.12%，FDKF算法的SOC估算误差平均值为0.13%，要小于EKF算法的误差平均值0.65%和DKF算法的误差平均值0.60%，这说明了DKF算法的SOC估算精度要优于EKF算法，而利用了模糊算法更新EKF观测噪声协方差值的FDKF算法的SOC估算精度又要优于DKF算法。


本文编号：3219795