基于铅炭电池运行特性的储能电池组功率控制策略研究
发布时间：2021-08-28 22:12
开发利用风能、太阳能等可再生能源是能源低碳化转型的重要途径,微电网作为承接分布式可再生能源规模化接入的有效方式,得到广泛应用。受风、光的波动性、间歇性影响,风力发电、光伏发电功率波动较大,直接并网时会影响电网的安全稳定运行。电池储能系统（Battery Energy Storage System,BESS）可以有效平抑风力发电、光伏发电功率波动,其大规模应用的有效途径是将电池串并联成组,以获得较高的电压等级和较大的存储容量。由于电池制造工艺和运行工况存在差异,电池组内单体电池性能出现不一致,平抑功率波动时电池组不规则充放电会导致电池荷电状态（State of Charge,SOC）越限、电池组一致性劣化、部分单体电池过充或过放现象,危及电池使用寿命,削弱储能电池组调节能力。针对上述问题,本文选择性价比和安全性较高的铅炭电池为研究对象,基于铅炭电池运行特性设计储能电池组功率控制策略,以改善电池组性能,最大化发挥储能系统调节能力。分析了铅炭电池SOC估计方法以及基于电池电流和边界SOC约束的最大功率状态预测方法。研究了铅炭电池组不一致的产生原因和表现形式,基于铅炭电池组充放电实验揭示了单体...
【文章来源】：东北电力大学吉林省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
图１－１中国电化学储能总计装机规模及其增长率??，－
变化规律。本章为后续章节储能电池组功率控制策略的制定奠定坚实基矗??２．１铅炭电池特性??铅炭电池是为了解决铅酸电池在部分荷电状态工作时负极硫酸盐化问题而发明的??｜４１】。传统铅酸电池在过放、欠充等情况下，负极生成的硫酸铅不能被及时充电转化为铅，??进而附着在负极板上形成致密的硫酸铅晶体，导致电池负极容量和充电接收能力降低，??影响电池性能的发挥，缩短电池的使用寿命。为了解决此问题，铅炭电池将超级电容器??的活性炭应用到传统铅酸电池上，将铅负极制造成铅炭复合电极Ｉ４２】，示意图如图２－１所??＾?侧层—４??：―二Ｉ??铅酸电池＋ｔ?＾￣非对称超级电容??－氧化！：＇ｉｎ：?■－铅炭混合电极??铅炭电池??图２－１铅炭电池示意图??炭材料的加入提高了活性物质的转化速率，降低了硫酸铅晶体的生成速度，有效缓??解了负极硫酸盐化现象，与铅酸电池的使用寿命相比，铅炭电池的使用寿命提高了?５？６??倍。炭材料掺入负极操作简单，铅炭电池仍然具有很大的成本优势。同时，铅炭电池也??发挥了超级电容器短时大容量充电的特点，具有良好的充放电性能。??铅炭电池在工作原理和生产工艺上也存在一些亟需解决的问题，例如炭材料在铅炭??电极中的作用原理、铅炭电极析Ｍ抑制等工作原理问题，炭村料与铅粉的混合工艺、涂??膏工艺的改进等工艺问题。??－７－??
?第２章铅炭电池运行特性分析???炭电池静置４小时后的（７＜ｋ关于ＳＯＣ的关系曲线如图２－２所示，由图可知，［４与５０匸??存在唯一对应关系，即在０－１００％之间的任意一个ＳＯＣ值，都有唯一对应的开路电压值。??依据此特点可以利用实验测得的开路电压查找对应的电池ＳＯＣ值，也可以采用函数拟合??法求取电池ＳＯＣ值。由于开路电压不能在线检测，需要电池静置一段时间后测量得到，??因此，此方法一般用于实验室估算电池剩余容量，无法直接应用于实际工程中。??２．１６???……；……－丨－…＾??￥．２．０８?：???２．０４??－－－??２．００??０?２０?４０?６０?８０?１００??ＳＯＣ／％??图２－２?与ＳＯＣ关系曲线??神经网络法利用神经网络的非线性特点估计电池ＳＯＣ，能够较好模拟电池的实际动??态特征％１。一种典型的以Ｓ０Ｃ为输出的反馈神经网络结构如图２－３所示，由图可知整个??网络系统包含三部分：输入层、隐含层和输出层，其中．输入层由电池端电压、工作电??流、放电容量和隐含层输出的反馈信息组成，经过反复的递归迭代运算即可在输出层输??出高精度的ＳＯＣ估计值。??＇＇＇＇＇??输入层?隐含层?输出层??图２－３?Ｓ０Ｃ输出的反馈神经Ｎ络结构图??神经网络法的缺点是需要的训练样本数多，计算量大，同时，训练样本和训练方法??的不同会对ＳＯＣ估算精度产生不Ｍ程度的影响。随矜电池组规模的扩大，常规的电池管??理芯片己无法满足计算要求，人规模储能电池组通常采用ＤＳＰ作为控制芯片，进而增加??了系统成本。因此，神经网络法多应用于单体电池数目较少的电池组Ｓ０Ｃ估计。??卡尔曼
【参考文献】：
期刊论文
[1]基于扩展卡尔曼滤波的锂电池SOC估算[J]. 王党树,王新霞. 电源技术. 2019(09)
[2]电化学储能在发电侧的应用[J]. 张文建,崔青汝,李志强,余康. 储能科学与技术. 2020(01)
[3]基于双铅碳电池储能系统的微电网优化运行控制策略[J]. 严干贵,李洪波,段双明,朱微,李军徽,刘莹. 电力系统自动化. 2019(13)
[4]结合风功率预测及储能能量状态的模糊控制策略平滑风电出力[J]. 刘颖明,王维,王晓东,彭朝阳. 电网技术. 2019(07)
[5]电力系统中储能发展前景及应用关键问题研究[J]. 元博,张运洲,鲁刚,徐志成,王芃,杨捷. 中国电力. 2019(03)
[6]超导储能技术在可再生能源中的应用与展望[J]. 郭文勇,蔡富裕,赵闯,张京业,滕玉平,肖立业. 电力系统自动化. 2019(08)
[7]权重系数自适应调整的混合储能系统多目标模型预测控制[J]. 林泓涛,姜久春,贾志东,程龙,齐洪峰,韦绍远. 中国电机工程学报. 2018(18)
[8]电网新功能形态下储能技术的发展愿景和技术路径[J]. 张明霞,闫涛,来小康,陈继忠,牛萌,徐少华. 电网技术. 2018(05)
[9]考虑储能参与的含高比例风电互联电力系统分散式调度模型[J]. 任建文,许英强,董圣孝. 电网技术. 2018(04)
[10]光储协调互补平抑功率波动策略及经济性分析[J]. 马伟,王玮,吴学智,胡若男,姜久春. 电网技术. 2018(03)
博士论文
[1]生物质稻壳炭基添加剂的制备及其在储能铅炭电池负极中的应用研究[D]. 尹健.吉林大学 2019
硕士论文
[1]平抑风电功率波动的混合储能控制策略研究[D]. 朱星旭.东北电力大学 2014
[2]纯电动汽车锂离子电池组均衡策略研究及系统实现[D]. 郝晓伟.吉林大学 2013
本文编号：3369337
【文章来源】：东北电力大学吉林省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
图１－１中国电化学储能总计装机规模及其增长率??，－
变化规律。本章为后续章节储能电池组功率控制策略的制定奠定坚实基矗??２．１铅炭电池特性??铅炭电池是为了解决铅酸电池在部分荷电状态工作时负极硫酸盐化问题而发明的??｜４１】。传统铅酸电池在过放、欠充等情况下，负极生成的硫酸铅不能被及时充电转化为铅，??进而附着在负极板上形成致密的硫酸铅晶体，导致电池负极容量和充电接收能力降低，??影响电池性能的发挥，缩短电池的使用寿命。为了解决此问题，铅炭电池将超级电容器??的活性炭应用到传统铅酸电池上，将铅负极制造成铅炭复合电极Ｉ４２】，示意图如图２－１所??＾?侧层—４??：―二Ｉ??铅酸电池＋ｔ?＾￣非对称超级电容??－氧化！：＇ｉｎ：?■－铅炭混合电极??铅炭电池??图２－１铅炭电池示意图??炭材料的加入提高了活性物质的转化速率，降低了硫酸铅晶体的生成速度，有效缓??解了负极硫酸盐化现象，与铅酸电池的使用寿命相比，铅炭电池的使用寿命提高了?５？６??倍。炭材料掺入负极操作简单，铅炭电池仍然具有很大的成本优势。同时，铅炭电池也??发挥了超级电容器短时大容量充电的特点，具有良好的充放电性能。??铅炭电池在工作原理和生产工艺上也存在一些亟需解决的问题，例如炭材料在铅炭??电极中的作用原理、铅炭电极析Ｍ抑制等工作原理问题，炭村料与铅粉的混合工艺、涂??膏工艺的改进等工艺问题。??－７－??
?第２章铅炭电池运行特性分析???炭电池静置４小时后的（７＜ｋ关于ＳＯＣ的关系曲线如图２－２所示，由图可知，［４与５０匸??存在唯一对应关系，即在０－１００％之间的任意一个ＳＯＣ值，都有唯一对应的开路电压值。??依据此特点可以利用实验测得的开路电压查找对应的电池ＳＯＣ值，也可以采用函数拟合??法求取电池ＳＯＣ值。由于开路电压不能在线检测，需要电池静置一段时间后测量得到，??因此，此方法一般用于实验室估算电池剩余容量，无法直接应用于实际工程中。??２．１６???……；……－丨－…＾??￥．２．０８?：???２．０４??－－－??２．００??０?２０?４０?６０?８０?１００??ＳＯＣ／％??图２－２?与ＳＯＣ关系曲线??神经网络法利用神经网络的非线性特点估计电池ＳＯＣ，能够较好模拟电池的实际动??态特征％１。一种典型的以Ｓ０Ｃ为输出的反馈神经网络结构如图２－３所示，由图可知整个??网络系统包含三部分：输入层、隐含层和输出层，其中．输入层由电池端电压、工作电??流、放电容量和隐含层输出的反馈信息组成，经过反复的递归迭代运算即可在输出层输??出高精度的ＳＯＣ估计值。??＇＇＇＇＇??输入层?隐含层?输出层??图２－３?Ｓ０Ｃ输出的反馈神经Ｎ络结构图??神经网络法的缺点是需要的训练样本数多，计算量大，同时，训练样本和训练方法??的不同会对ＳＯＣ估算精度产生不Ｍ程度的影响。随矜电池组规模的扩大，常规的电池管??理芯片己无法满足计算要求，人规模储能电池组通常采用ＤＳＰ作为控制芯片，进而增加??了系统成本。因此，神经网络法多应用于单体电池数目较少的电池组Ｓ０Ｃ估计。??卡尔曼
【参考文献】：
期刊论文
[1]基于扩展卡尔曼滤波的锂电池SOC估算[J]. 王党树,王新霞. 电源技术. 2019(09)
[2]电化学储能在发电侧的应用[J]. 张文建,崔青汝,李志强,余康. 储能科学与技术. 2020(01)
[3]基于双铅碳电池储能系统的微电网优化运行控制策略[J]. 严干贵,李洪波,段双明,朱微,李军徽,刘莹. 电力系统自动化. 2019(13)
[4]结合风功率预测及储能能量状态的模糊控制策略平滑风电出力[J]. 刘颖明,王维,王晓东,彭朝阳. 电网技术. 2019(07)
[5]电力系统中储能发展前景及应用关键问题研究[J]. 元博,张运洲,鲁刚,徐志成,王芃,杨捷. 中国电力. 2019(03)
[6]超导储能技术在可再生能源中的应用与展望[J]. 郭文勇,蔡富裕,赵闯,张京业,滕玉平,肖立业. 电力系统自动化. 2019(08)
[7]权重系数自适应调整的混合储能系统多目标模型预测控制[J]. 林泓涛,姜久春,贾志东,程龙,齐洪峰,韦绍远. 中国电机工程学报. 2018(18)
[8]电网新功能形态下储能技术的发展愿景和技术路径[J]. 张明霞,闫涛,来小康,陈继忠,牛萌,徐少华. 电网技术. 2018(05)
[9]考虑储能参与的含高比例风电互联电力系统分散式调度模型[J]. 任建文,许英强,董圣孝. 电网技术. 2018(04)
[10]光储协调互补平抑功率波动策略及经济性分析[J]. 马伟,王玮,吴学智,胡若男,姜久春. 电网技术. 2018(03)
博士论文
[1]生物质稻壳炭基添加剂的制备及其在储能铅炭电池负极中的应用研究[D]. 尹健.吉林大学 2019
硕士论文
[1]平抑风电功率波动的混合储能控制策略研究[D]. 朱星旭.东北电力大学 2014
[2]纯电动汽车锂离子电池组均衡策略研究及系统实现[D]. 郝晓伟.吉林大学 2013
本文编号：3369337
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3369337.html
