变电站用VRLA蓄电池SOC及SOH估计算法研究

发布时间：2017-08-29 20:35

  本文关键词：变电站用VRLA蓄电池SOC及SOH估计算法研究

  更多相关文章： 阀控式铅酸蓄电池 荷电状态 健康状态 扩展卡尔曼滤波算法 多因素耦合

【摘要】：阀控式铅酸蓄电池(Valve Regulated Lead Acid, VRLA)又称免维护电池,是变电站直流供电系统的重要组成部分,负责为电力系统中二次系统负载提供电力保障,以确保继电保护、通信设备等正常运行。变电站中蓄电池一般串联成组使用,由于“木桶效应”,有缺陷的电池如果长期存在则会导致整组电池的容量下降,加速其它电池老化,降低整组电池的可靠性。因此,变电站运行中,必须实时监测每块蓄电池的健康状况(State of Health, SOH)和其荷电状态(State of Charge,SOC),以确保电力设备的安全运行。论文通过分析某电网区域内50多所变电站近5年的VRLA蓄电池历史运行数据,概括出与变电站用VRLA电池SOC估计相关的多种影响因素。在实验室条件下进行不同温度、不同工况实验,提取VRLA蓄电池典型OCV(Open Circuit Voltage)-SOC曲线,借鉴国内外常用的VRLA电池等效模型和SOC估计模型,结合变电站蓄电池组长期处于浮充状态和一般两年才进行一次全容量核对性放电的实际工况和实际工作环境,选用五阶OCV-SOC模型,引入温度、循环次数等参数对电池实际容量进行补偿修正,采用扩展卡尔曼滤波算法(Extended Kalman Filter,EKF)进行电池SOC估计,并在MATLAB/Simulink模块里构建EKF算法模型进行实验数据仿真分析,验证本算法的精确性和可靠性。然后重点研究VRLA蓄电池SOH与电池温度、SOC、内阻、电压等参数之间的关系建立蓄电池本体参数-蓄电池运维工况-寿命模型,在实验室条件下进行高温浮充老化加速实验,进行多因素综合分析,建立面向变电站用实际工况下的VRLA电池老化模型和SOH估计算法,并详细介绍了整个算法的实现过程和验证过程。论文以江苏理士DJ100和DJ300型VRLA蓄电池作为研究对象,于实验室恒温恒湿柜里进行一系列不同温度、不同工况充放电实验,根据实验数据,进行OCV-SOC数学模型公式的参数辨识和电池容量补偿系数参数辨识,然后在Matlab/Simulink里进行仿真,误差分析结果表明该方法可以获得较高的SOC估计精度。最后通过电池在线监测管理系统上位机验证了SOH算法及预测模型的准确性,达到了预期的设计目标。
【关键词】：阀控式铅酸蓄电池 荷电状态 健康状态 扩展卡尔曼滤波算法 多因素耦合
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM912;TM63
【目录】：

• 致谢7-8
• 摘要8-9
• abstract9-16
• 第一章 绪论16-29
• 1.1 课题研究背景及意义16
• 1.2 VRLA蓄电池介绍16-22
• 1.2.1 VRLA蓄电池的发展及在变电站中的应用16-18
• 1.2.2 VRLA蓄电池结构及电化学反应原理18-20
• 1.2.3 VRLA蓄电池特性20-22
• 1.3 VRLA蓄电池SOC、SOH研究现状22-27
• 1.3.1 VRLA蓄电池SOC研究现状22-24
• 1.3.2 VRLA蓄电池SOH研究现状24-27
• 1.4 本文的研究内容、拟解决的问题及预期效果27-28
• 1.4.1 主要研究内容27
• 1.4.2 拟解决的问题27-28
• 1.4.3 预期效果28
• 1.5 章节安排28-29
• 第二章 VRLA电池的等效模型研究29-34
• 2.1 VRLA电池常用等效模型29-33
• 2.2 VRLA电池SOC估计常用方法33-34
• 第三章 VRLA电池SOC估计34-51
• 3.1 VRLA电池SOC及其影响因素34-37
• 3.1.1 电池SOC的数学定义34
• 3.1.2 电池SOC的影响因素34-37
• 3.2 变电站电池历史数据分析37-38
• 3.3 EKF算法介绍38-40
• 3.4 基于EKF算法的VRLA电池SOC估计方法40-45
• 3.4.1 适用于不同工况的统一VRLA电池模型40-41
• 3.4.2 基于上述模型引入容量补偿修正的电池系统状态方程41-44
• 3.4.4 基于EKF算法的电池SOC估计44-45
• 3.5 实验与仿真验证45-51
• 第四章 VRLA电池SOH估计51-65
• 4.1 VRLA电池SOH及其影响因素51
• 4.1.1 电池SOH的数学定义51
• 4.1.2 电池SOH的影响因素51
• 4.2 电池SOH的估计方法51-57
• 4.3 本文拟采用的SOH估计方法57-60
• 4.4 本文SOH估计算法的实现及验证60-65
• 4.4.1 实验条件60-62
• 4.4.2 SOH估计算法的实现62-63
• 4.4.3 算法验证63-65
• 第五章 总结与展望65-67
• 5.1 总结65-66
• 5.2 工作展望66-67
• 参考文献67-71
• 攻读硕士学位期间的学术活动及成果情况71

【参考文献】

中国期刊全文数据库 前10条

1 张利;张庆;常成;毕翔;刘征宇;;用于电动汽车SOC估计的等效电路模型研究[J];电子测量与仪器学报;2014年10期

2 夏承成;王顺利;李占锋;马有良;;一种基于SOH的机载蓄电池地面维护设备的实现[J];通信电源技术;2014年02期

3 桂长清;柳瑞华;;蓄电池内阻与容量的关系[J];通信电源技术;2011年01期

4 侯波;刘俊伟;;一种电动车铅酸蓄电池SOC预测模型及检测系统的设计[J];电测与仪表;2010年11期

5 林瑞霖;郭辉;;最小二乘支持向量机在蓄电池剩余容量建模中的应用研究[J];海军工程大学学报;2010年05期

6 刘新天;刘兴涛;何耀;陈宗海;;基于V_(min)-EKF的动力锂电池组SOC估计[J];控制与决策;2010年03期

7 李蓓;王耀南;吴亮红;陈正龙;;端电压模糊估算动力电池SOC的新方法[J];湖南大学学报(自然科学版);2009年09期

8 李蓓;叶玮琼;王耀南;陈正龙;王映林;;基于工作电压的动力电池剩余容量动态估算[J];变流技术与电力牵引;2008年04期

9 雷肖;陈清泉;刘开培;马历;;电动车蓄电池荷电状态估计的支持向量机方法[J];中国电机工程学报;2008年18期

10 雷肖;陈清泉;刘开培;马历;;电动车电池SOC估计的径向基函数神经网络方法[J];电工技术学报;2008年05期

，

本文编号：755323