基于KF-ESN算法的储能电站磷酸铁锂电池SOC估算的研究

发布时间：2017-08-23 01:08

  本文关键词：基于KF-ESN算法的储能电站磷酸铁锂电池SOC估算的研究

  更多相关文章： 电池管理系统 KF-ESN算法 SOC估算 MCGS触摸屏 Modbus协议

【摘要】：在新能源发电中,电池储能技术能错开发电和输电的时间,从而保证所发出的电能够平滑、稳定输出到电网。在电池储能系统中,对电池组进行电池管理是必不可少的,其中电池的SOC估算是电池管理系统的一部分。电池的SOC能够直观表示电池充放电的程度,从而防止电池的过充与过放电,而且准确的SOC还可作为电池充放电控制和电池均衡等其他管理的重要依据,对于电动汽车,电池的SOC还可以准确反映续驶里程。但由于电池SOC不能通过直接测量获得,而且电池在工作过程中内部的化学变化异常复杂,导致估算十分困难,所以电池的SOC估算是电池管理系统的重点和难点。电池SOC估算算法的研究一直都是热点,其中神经网络算法由于不依赖于精准的电池模型,精度高、速度快等优点受到了越来越多的关注。而对于传统的神经网络算法,存在计算复杂,学习时间长以及对于小样本数据泛化能力较差,大样本数据又陷入局部最小甚至不能训练的情况。提出一种通过卡尔曼滤波算法(KF)优化储备池网络回声状态网络(ESN)输出权值的SOC估算方法来解决上述问题。以实验室的储能电池大容量磷酸铁锂电池(3.2V/180Ah)为研究对象,通过充放电实验平台对其进行恒流放电,利用所得数据分析该电池的特性,然后确定输入输出量并且建立电池SOC预测模型。分别对以不同电流恒流放电过程的电池SOC进行估算,与传统BP神经网络预测模型的结果进行对比分析,发现KF-ESN预测模型精度更高,运算速度更快,可作为一种新的SOC估算算法投入使用。对规模储能电站电池管理系统进行了研究,针对电池管理系统电池簇管理系统(BCMS)自带的液晶显示监控系统画面单调、功能简单且不能远程监控的问题,设计开发了一套基于MCGS触摸屏的上位机监控系统,该监控系统功能丰富,画面流畅美观,并通过Modbus协议与下位机通信,远程地实时监控储能电站电池的运行状态。
【关键词】：电池管理系统 KF-ESN算法 SOC估算 MCGS触摸屏 Modbus协议
【学位授予单位】：广西大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM912
【目录】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 绪论11-17
• 1.1 课题研究的背景、目的和意义11-12
• 1.2 储能电站在国内外的发展现状12
• 1.3 电池管理系统在国内外的发展12-13
• 1.4 国内外电池SOC估算算法研究现状13-16
• 1.5 本文研究内容和章节安排16-17
• 第二章 锂离子电池原理和特性分析及电池SOC17-28
• 2.1 储能电池的选择17-18
• 2.2 磷酸铁锂电池18-20
• 2.2.1 磷酸铁锂电池工作原理18-19
• 2.2.2 磷酸铁锂电池参数19-20
• 2.3 磷酸铁锂电池特性分析20-23
• 2.3.1 磷酸铁锂电池电压特性21-22
• 2.3.2 磷酸铁锂电池容量特性22-23
• 2.4 磷酸铁锂电池的SOC23-26
• 2.4.1 电池SOC的定义23-24
• 2.4.2 影响电池SOC的因素24-25
• 2.4.3 电池SOC的修正定义25-26
• 2.5 磷酸铁锂电池SOC的估算算法的选择26-27
• 2.6 本章小结27-28
• 第三章 KF-ESN神经网络算法28-35
• 3.1 人工神经网络28
• 3.2 回声状态网络(ESN)28-32
• 3.2.1 ESN网络的结构及特点28-30
• 3.2.2 ESN网络的建立和训练算法30-31
• 3.2.3 ESN网络储备池的主要参数31-32
• 3.3 KF-ESN网络32-34
• 3.3.1 卡尔曼滤波算法32
• 3.3.2 KF-ESN网络的在线学习算法32-34
• 3.4 本章小结34-35
• 第四章 基于KF-ESN神经网络的电池SOC估算35-45
• 4.1 电池SOC预测模型35-36
• 4.2 预测模型样本数据36-39
• 4.2.1 模型输入样本数据36-38
• 4.2.2 样本SOC参考值的计算38
• 4.2.3 训练样本数据处理38-39
• 4.3 电池SOC预测结果分析39-44
• 4.4 本章小结44-45
• 第五章 规模储能电站电池管理系统的研究45-64
• 5.1 储能系统中的电池管理系统45-47
• 5.2 电池管理系统数据采集模块47-57
• 5.2.1 BMU数据测量模块47-51
• 5.2.2 温度检测电路51-52
• 5.2.3 BCMS模块52-54
• 5.2.4 电池组模块电压与电流测量54-55
• 5.2.5 BMU与BCMS的通信设计55-57
• 5.3 基于MCGS触摸屏的上位机设计57-63
• 5.3.1 MCGS触摸屏57
• 5.3.2 基于MCGS触摸屏的电池管理系统人机界面57-61
• 5.3.3 上位机与BCMS的通信61-63
• 5.4 本章小节63-64
• 第六章 结论与展望64-65
• 6.1 本文结论64
• 6.2 研究展望64-65
• 参考文献65-69
• 致谢69-70
• 攻读学位期间发表论文情况70

【参考文献】

中国期刊全文数据库 前7条

1 赵轩;康留旺;汪贵平;马建;;基于BP神经网络的SOC估计及铅酸蓄电池特性[J];电源技术;2014年05期

2 黄文华;韩晓东;陈全世;林成涛;;电动汽车SOC估计算法与电池管理系统的研究[J];汽车工程;2007年03期

3 廖晓军;何莉萍;钟志华;周红丽;高学峰;;电池管理系统国内外现状及其未来发展趋势[J];汽车工程;2006年10期

4 张步涵;曾杰;毛承雄;金玉洁;王云玲;;电池储能系统在改善并网风电场电能质量和稳定性中的应用[J];电网技术;2006年15期

5 林成涛;陈全世;王军平;黄文华;王燕超;;用改进的安时计量法估计电动汽车动力电池SOC[J];清华大学学报(自然科学版);2006年02期

6 麻友良,陈全世,齐占宁;电动汽车用电池SOC定义与检测方法[J];清华大学学报(自然科学版);2001年11期

7 朱元,韩晓东,田光宇;电动汽车动力电池SOC预测技术研究[J];电源技术;2000年03期

中国硕士学位论文全文数据库 前1条

1 李海军;电动汽车电池管理系统的研究[D];山东理工大学;2008年

，

本文编号：722088