基于人工智能分析的储能BMS系统

发布时间：2021-06-21 18:12

　　随着国际能源格局的深刻变化和我国能源发展战略的转型,可再生能源在国家能源所占的比重不断增加。与此同时,可再生能源的消纳问题成为了当前和今后较长时期制约可再生能源发展的根本性问题。储能技术为解决风能、太阳能等可再生能源发展中遇到的诸如不稳定、难消纳、弃用率高等问题找到了解决方案,推动储能技术的快速发展是提高能源使用效率继而达成我国能源发展战略的必由之路。其中锂离子电池储能系统是一种装机容量大、发展潜力最大的储能系统,其核心能力在于电池管理系统对于荷电状态的精准估算。本文通过NB-IOT物联网对锂离子电池储能系统BMS获取的电池实时运行状态数据进行传输,包括有本实验室搭建的实训平台和合作公司的储能现场的运行数据,并根据收集到的大量实际工况数据设计和实现了适用于储能场景的基于LSTM网络的锂电池SOC估算模型。并在这一基础上,考虑到模型的迭代速度对于网络参数和模型超参数的依赖问题,引入了BN算法对其进行优化,使得估算模型的迭代速度加快,误差性能表现提升。最后,针对模型的预测噪声现象和较多工况现象,设计去噪自适应解码器对输入数据进行特征提取和去噪自适应,优化提升了模型的鲁棒性和泛化能力,误差表... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

磷酸铁锂电池内部结构示意图

浙江大学硕士学位论文第2章理论知识基础11进行化学反应，从而完成充电过程，实现了化学能向电能的转换。图2.2磷酸铁锂电池充放电原理示意图以本文所进行研究的用于储能系统的磷酸铁锂电池来说，其电池在充放电过程中，发生的化学反应如下：（1）放电过程正极反应：LiFePO4+xLi++xe-→xLiFePO4+(1-x)FePO4（2.1）负极反应：LixC6-xLi+-xe-→6C（2.2）（2）充电过程正极反应：LiFePO4-xLi+-xe-→xLiFePO4+(1-x)FePO4（2.3）负极反应：6C+xLi++xe-→LixC6（2.4）2.2电池荷电状态与影响因素2.2.1电池荷电状态定义美国先进电池联合会（USABC）通过对电池的测量和研究，联合各大

浙江大学硕士学位论文第2章理论知识基础13电池实际在充电和放电过程中表现出的实际可放和可充的容量值在电池充放电倍率不同的情况下往往表现也不同。通过在实验环境下，对某品牌20Ah的磷酸铁锂电池进行不同倍率下进行充电和放电实验，分别进行了室温环境（25℃）下，其他条件一致情况下，按照2C、1.5C、1C、0.7C、0.5C、0.3C、0.1C的倍率分别设计和实现了充放电的实验。通过实验发现，在不同的充放电倍率下，磷酸铁锂电池的充放电曲线也呈现不同的样式。如图为不同放电倍率下磷酸铁锂电池的单体电压和SOC的曲线。图为不同充电倍率下磷酸铁锂电池的单体电压和SOC的曲线。图2.3磷酸铁锂电池不同放电倍率下单体电压和SOC关系曲线图2.4磷酸铁锂电池不同充电倍率下单体电压和SOC关系曲线

【参考文献】：
期刊论文
[1]储能技术应用场景和发展关键问题[J]. 张东辉,徐文辉,门锟,张树卿,卢嗣斌.  南方能源建设. 2019(03)
[2]电池管理系统发展综述[J]. 谭泽富,孙荣利,杨芮,何德伍.  重庆理工大学学报(自然科学). 2019(09)
[3]基于遗传算法优化扩展卡尔曼滤波的锂电池SOC估计[J]. 周韦润,姜文刚.  重庆理工大学学报(自然科学). 2019(09)
[4]2019上半年中国储能十大事件回顾[J]. 宁娜.  能源. 2019(09)
[5]储能电池回收利用国际比较[J]. 李亚春.  现代经济信息. 2019(15)
[6]电化学储能应用现状及对策研究[J]. 舒彤,何斌.  中国电力企业管理. 2019(19)
[7]基于BP神经网络的锂电池SOC在线精确估算[J]. 夏克刚,钱祥忠,余懿衡,张佳瑶.  电子设计工程. 2019(05)
[8]基于改进安时积分法估计锂离子电池组SOC[J]. 杨文荣,朱赛飞,陈阳,朱佳斌,薛力升.  电源技术. 2018(02)
[9]基于神经网络模型的动力电池SOC估计研究[J]. 蔡信,李波,汪宏华,聂亮.  机电工程. 2015(01)
[10]磷酸铁锂电池组均衡控制策略及荷电状态估计算法[J]. 冯飞,宋凯,逯仁贵,魏国,朱春波.  电工技术学报. 2015(01)

硕士论文
[1]基于滑模观测器的锂离子电池荷电状态与健康状态估计算法研究[D]. 杜嘉诚.哈尔滨工业大学 2018



本文编号：3241158