基于AEKF的锌镍单液流电池SOC估计

发布时间：2021-02-10 15:53

　　提出一种基于自适应扩展卡尔曼滤波（AEKF）算法的锌镍单液流电池荷电状态（SOC）估计方法。建立二阶等效RC电路模型,并提出AEKF算法,对锌镍单液流电池进行参数辨识,再在不同的SOC初值情况下以14 A的电流进行恒流脉冲充放电实验,进一步验证AEKF算法。提出的AEKF算法能准确地估计SOC,估计误差小于2%,能在SOC初始值错误的情况下进行快速修正,具有较强的适应性。 

【文章来源】：电池. 2020,50(01)北大核心

【文章页数】：4 页

【部分图文】：

锌镍单液流电池的原理图

锌镍单液流电池等效电路模型如图2所示。图2中:Uoc是电池的OCV;R1是电化学极化电阻;C1是电化学极化电容;U1是电化学极化电压;R2是浓差极化电阻;C2是浓差极化电容;U2是浓差极化电压;R0是电池的欧姆内阻;i是放电电流;Ucell是电池端电压。

先用自适应多遗忘因子递归最小二乘法(MAFF-RLS)对R0、R1、C1、R2和C2等参数进行在线辨识[7]。以0.7 C进行恒流放电，以5 min为周期进行静置循环过程，采集到的电流i和端电压Ucell见图3。利用曲线拟合工具箱对电池欧姆内阻(R0)、极化电阻(R1、R2)和极化电容(C1、C2)进行分析。将电池静置的端电压实验数据导入，离线辨识电池模型的参数。SOC从0.10到0.90，每隔0.05拟合一次，得到的数据列于表1。

【参考文献】：
期刊论文
[1]VRB电解液的高锰酸钾电位滴定分析[J]. 方磊,常芳,李晓兵,何平.  电池. 2012(01)



本文编号：3027612