针对储能系统中电池组充放电过程中能量利用率以及系统运行安全性较低的问题,提出考虑SOC一致性的电池组双层动态均衡方法。首先,采用耦合电感与Flyback变换器搭建均衡系统双层架构,建立电池组端电压、均衡电流及占空比间的关联特性。...针对储能系统中电池组充放电过程中能量利用率以及系统运行安全性较低的问题,提出考虑SOC一致性的电池组双层动态均衡方法。首先,采用耦合电感与Flyback变换器搭建均衡系统双层架构,建立电池组端电压、均衡电流及占空比间的关联特性。为提高电池组的供能可靠性,系统引入故障切除功能,通过改变开关阵列导通状态实现故障电池组的快速切除;其次,考虑增补电池组剩余容量较大问题,利用传统最值法改进的双层极值法,以荷电状态(stage of charge,SOC)作为均衡目标变量,对增补电池组进行快速放电均衡;最后,设计充放电及静置均衡实验,对比传统最值法,分析常态及故障切除后电路的均衡速度与均衡效率。结果表明,提出的双层均衡方法可以将均衡速度提升约10%,且故障切除后电路的均衡效率最高可达95%以上。展开更多
新能源产业的飞速发展使磷酸铁锂电池广泛应用于储能领域。磷酸铁锂电池电解液固有的可燃性使其热稳定性和安全性问题不容忽视。为了更好地防控储能电站的爆炸事故,有必要开展储能电池的热失控过程研究,并对产气过程和产气组分的危害性...新能源产业的飞速发展使磷酸铁锂电池广泛应用于储能领域。磷酸铁锂电池电解液固有的可燃性使其热稳定性和安全性问题不容忽视。为了更好地防控储能电站的爆炸事故,有必要开展储能电池的热失控过程研究,并对产气过程和产气组分的危害性进行深入分析。开展了不同荷电状态(State of Charge, SOC)60 Ah磷酸铁锂电池热失控试验,根据电池温度演变曲线,将电池热失控过程分成三个阶段;依据电池产气曲线,将电池产气过程分为四个阶段;使用FLACS软件建模对预混气体进行了爆炸仿真,探索了SOC对可燃气体燃爆行为的影响规律,混合可燃气体的爆炸上下限和爆炸超压随着SOC的增大而增大。研究成果对储能电站的安全防护具有理论指导意义。展开更多
由于电池荷电状态(state of charge,SOC)无法直接测量,且传统的SOC估算方法精度低。为了提升锂离子电池SOC估算精度,对比了不同深度学习网络模型应用于SOC估算的效果,并提出了一种基于DRSN-CW-LSTM网络的锂离子电池SOC估算方法。该方法...由于电池荷电状态(state of charge,SOC)无法直接测量,且传统的SOC估算方法精度低。为了提升锂离子电池SOC估算精度,对比了不同深度学习网络模型应用于SOC估算的效果,并提出了一种基于DRSN-CW-LSTM网络的锂离子电池SOC估算方法。该方法基于长短期记忆网络(long-short-term memory,LSTM)和逐通道不同阈值的深度残差收缩网络(deep residual shrinkage networks with channel-wise thresholds,DRSN-CW),利用锂离子电池电压、电流、温度、容量等数据信息在深度残差收缩网路中进行特征提取,通过LSTM进一步拟合时间序列数据趋势,实现锂离子电池在使用周期内SOC的预测。在DRSN-CW网络的残差收缩模块中可以实现自适应噪声数据处理功能,消除锂离子电池数据流质量对SOC预测的负面影响。利用锂电池公共数据集训练所提出的网络,对比了3种神经网络模型在该两组数据集上的预测效果。实验结果表明,所提出的深度学习模型在两组公开数据集上的MAE和RMSE均值都控制在5%以内,相比其他3种深度学习模型有更好的抗噪性能和预测性能,且估算精度高。展开更多
传统电动汽车充电负荷建模通常采用对电动汽车个体进行抽样模拟的方式,未能从分析机理的角度描述电动汽车群体相互作用形成的宏观运行状态。为此,提出一种基于半动态交通均衡模型和组合荷电状态(combined states of the charge,CSOC)概...传统电动汽车充电负荷建模通常采用对电动汽车个体进行抽样模拟的方式,未能从分析机理的角度描述电动汽车群体相互作用形成的宏观运行状态。为此,提出一种基于半动态交通均衡模型和组合荷电状态(combined states of the charge,CSOC)概率计算的电动汽车充电负荷概率分布计算方法。首先,分析电动汽车的交通特性和充电特性,并提出一种可行路径集构建方法;然后,引入交通均衡理论进行电动汽车空间分布建模,建立考虑随机效用的半动态交通均衡模型,实现宏观交通流均衡分配。进一步地,从理论层面分析电动汽车群的荷电状态变化,建立基于CSOC的充电负荷概率分布计算模型。最后,分别在13节点路网和实际大路网中验证所提方法的有效性,并分析了电动汽车渗透率和路网结构对充电负荷概率分布的影响。展开更多
针对储能电池组在电网典型储能工况下荷电状态(state of charge,SOC)估算精度较低的问题,提出一种基于核主成分分析(kernel principal component analysis,KPCA)-鹈鹕优化(pelican optimization algorithm,POA)-双向门控循环单元(bidire...针对储能电池组在电网典型储能工况下荷电状态(state of charge,SOC)估算精度较低的问题,提出一种基于核主成分分析(kernel principal component analysis,KPCA)-鹈鹕优化(pelican optimization algorithm,POA)-双向门控循环单元(bidirectional gated recurrent unit,Bi GRU)的SOC估计模型。通过设计调峰/调频工况下电池组充放电实验,从数据中提取表征SOC变化的融合特征作为模型输入;分别构建不同工况下Bi GRU网络,并利用POA对其超参数进行优化,提高模型性能;进一步在混合工况下验证模型的有效性。结果表明,所建模型有着更好的SOC估计效果和更强的鲁棒性,能够提高复杂储能工况下储能电池组SOC估计精度。展开更多
电池的荷电状态(state of charge,SOC)的准确快速估计与电池安全管理、延长生命周期、确定再制造阈值等密切相关,优秀的SOC估计算法至少具有准确、稳定、适用性强、估计快四大性质。文中分析了几种常用SOC估算方法,单一的安时积分法和...电池的荷电状态(state of charge,SOC)的准确快速估计与电池安全管理、延长生命周期、确定再制造阈值等密切相关,优秀的SOC估计算法至少具有准确、稳定、适用性强、估计快四大性质。文中分析了几种常用SOC估算方法,单一的安时积分法和开路电压法虽然操作简单,但精确度不足,神经网络法和滤波法的通用性和精确性较好,但神经网络法需要大量数据,投入成本较大,滤波法对模型精度依赖性较强。最后针对现有SOC估算技术,提出未来研究重点:(1)联系电池制造工艺,实现从制造商到SOC估计的一致性;(2)考虑电池的工作环境,实现外部数据与内在反应的联系;(3)考虑电池类型的多样性,提高估算方法的通用性。展开更多
针对无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计锂电池荷电状态(state of charge,SOC)时精度低、稳定性差、产生的sigma点过多导致计算难度大等不足,提出一种基于自适应球形不敏变换方式的无迹卡尔曼滤波(unscented Kalman f...针对无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计锂电池荷电状态(state of charge,SOC)时精度低、稳定性差、产生的sigma点过多导致计算难度大等不足,提出一种基于自适应球形不敏变换方式的无迹卡尔曼滤波(unscented Kalman filter based on adaptive spherical insensitive transformation,ASIT-UKF)算法。该算法通过使用球形不敏变换方式选择权系数以及初始化一元向量对sigma点的产生进行选取。与UKF算法相比,ASIT-UKF算法产生的sigma点减少近50%,使得算法的计算复杂度大大降低。同时,将产生的所有sigma点进行单位球形面上的归一化处理,提高了数值的稳定性。考虑到实际运行中锂电池系统噪声干扰带来的不确定性,加入Sage-Husa自适应滤波器对不确定性噪声的干扰进行实时更新和修正,以达到提高在线锂电池SOC估计精度的目的。最后,将均方根误差和最大绝对误差计算公式引入到性能估计指标中。实验结果表明,ASIT-UKF算法在准确度、鲁棒性和收敛性方面具有优越的性能。展开更多
文摘针对储能系统中电池组充放电过程中能量利用率以及系统运行安全性较低的问题,提出考虑SOC一致性的电池组双层动态均衡方法。首先,采用耦合电感与Flyback变换器搭建均衡系统双层架构,建立电池组端电压、均衡电流及占空比间的关联特性。为提高电池组的供能可靠性,系统引入故障切除功能,通过改变开关阵列导通状态实现故障电池组的快速切除;其次,考虑增补电池组剩余容量较大问题,利用传统最值法改进的双层极值法,以荷电状态(stage of charge,SOC)作为均衡目标变量,对增补电池组进行快速放电均衡;最后,设计充放电及静置均衡实验,对比传统最值法,分析常态及故障切除后电路的均衡速度与均衡效率。结果表明,提出的双层均衡方法可以将均衡速度提升约10%,且故障切除后电路的均衡效率最高可达95%以上。
文摘新能源产业的飞速发展使磷酸铁锂电池广泛应用于储能领域。磷酸铁锂电池电解液固有的可燃性使其热稳定性和安全性问题不容忽视。为了更好地防控储能电站的爆炸事故,有必要开展储能电池的热失控过程研究,并对产气过程和产气组分的危害性进行深入分析。开展了不同荷电状态(State of Charge, SOC)60 Ah磷酸铁锂电池热失控试验,根据电池温度演变曲线,将电池热失控过程分成三个阶段;依据电池产气曲线,将电池产气过程分为四个阶段;使用FLACS软件建模对预混气体进行了爆炸仿真,探索了SOC对可燃气体燃爆行为的影响规律,混合可燃气体的爆炸上下限和爆炸超压随着SOC的增大而增大。研究成果对储能电站的安全防护具有理论指导意义。
文摘由于电池荷电状态(state of charge,SOC)无法直接测量,且传统的SOC估算方法精度低。为了提升锂离子电池SOC估算精度,对比了不同深度学习网络模型应用于SOC估算的效果,并提出了一种基于DRSN-CW-LSTM网络的锂离子电池SOC估算方法。该方法基于长短期记忆网络(long-short-term memory,LSTM)和逐通道不同阈值的深度残差收缩网络(deep residual shrinkage networks with channel-wise thresholds,DRSN-CW),利用锂离子电池电压、电流、温度、容量等数据信息在深度残差收缩网路中进行特征提取,通过LSTM进一步拟合时间序列数据趋势,实现锂离子电池在使用周期内SOC的预测。在DRSN-CW网络的残差收缩模块中可以实现自适应噪声数据处理功能,消除锂离子电池数据流质量对SOC预测的负面影响。利用锂电池公共数据集训练所提出的网络,对比了3种神经网络模型在该两组数据集上的预测效果。实验结果表明,所提出的深度学习模型在两组公开数据集上的MAE和RMSE均值都控制在5%以内,相比其他3种深度学习模型有更好的抗噪性能和预测性能,且估算精度高。
文摘传统电动汽车充电负荷建模通常采用对电动汽车个体进行抽样模拟的方式,未能从分析机理的角度描述电动汽车群体相互作用形成的宏观运行状态。为此,提出一种基于半动态交通均衡模型和组合荷电状态(combined states of the charge,CSOC)概率计算的电动汽车充电负荷概率分布计算方法。首先,分析电动汽车的交通特性和充电特性,并提出一种可行路径集构建方法;然后,引入交通均衡理论进行电动汽车空间分布建模,建立考虑随机效用的半动态交通均衡模型,实现宏观交通流均衡分配。进一步地,从理论层面分析电动汽车群的荷电状态变化,建立基于CSOC的充电负荷概率分布计算模型。最后,分别在13节点路网和实际大路网中验证所提方法的有效性,并分析了电动汽车渗透率和路网结构对充电负荷概率分布的影响。
文摘电池的荷电状态(state of charge,SOC)的准确快速估计与电池安全管理、延长生命周期、确定再制造阈值等密切相关,优秀的SOC估计算法至少具有准确、稳定、适用性强、估计快四大性质。文中分析了几种常用SOC估算方法,单一的安时积分法和开路电压法虽然操作简单,但精确度不足,神经网络法和滤波法的通用性和精确性较好,但神经网络法需要大量数据,投入成本较大,滤波法对模型精度依赖性较强。最后针对现有SOC估算技术,提出未来研究重点:(1)联系电池制造工艺,实现从制造商到SOC估计的一致性;(2)考虑电池的工作环境,实现外部数据与内在反应的联系;(3)考虑电池类型的多样性,提高估算方法的通用性。
文摘针对无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计锂电池荷电状态(state of charge,SOC)时精度低、稳定性差、产生的sigma点过多导致计算难度大等不足,提出一种基于自适应球形不敏变换方式的无迹卡尔曼滤波(unscented Kalman filter based on adaptive spherical insensitive transformation,ASIT-UKF)算法。该算法通过使用球形不敏变换方式选择权系数以及初始化一元向量对sigma点的产生进行选取。与UKF算法相比,ASIT-UKF算法产生的sigma点减少近50%,使得算法的计算复杂度大大降低。同时,将产生的所有sigma点进行单位球形面上的归一化处理,提高了数值的稳定性。考虑到实际运行中锂电池系统噪声干扰带来的不确定性,加入Sage-Husa自适应滤波器对不确定性噪声的干扰进行实时更新和修正,以达到提高在线锂电池SOC估计精度的目的。最后,将均方根误差和最大绝对误差计算公式引入到性能估计指标中。实验结果表明,ASIT-UKF算法在准确度、鲁棒性和收敛性方面具有优越的性能。