电池状态的准确在线估计是锂离子电池储能系统安全、可靠和高效运行的重要支撑,精确电池模型是实现上述估计的前提。然而,锂电池复杂的电化学反应过程使电池模型参数可能随荷电状态(State of Charge,SOC)、温度及运行工况改变而变化,传...电池状态的准确在线估计是锂离子电池储能系统安全、可靠和高效运行的重要支撑,精确电池模型是实现上述估计的前提。然而,锂电池复杂的电化学反应过程使电池模型参数可能随荷电状态(State of Charge,SOC)、温度及运行工况改变而变化,传统的离线识别方法难以保证模型精度和适应性。提出一种基于递推最小二乘法(Recursive Least Squares,RLS)的在线参数识别方法,该方法能够自动适应电池SOC、温度及运行条件变化,拟合计算出最佳模型参数,进而保证模型精度。研究不同电池类型下等值模型结构对建模精度的影响,并通过混合脉冲功率性能测试试验,验证了方法有效性。算例分析结果表明:基于RLS的在线参数识别方法能够实时修正电池模型参数,提高电池模型建模精度;对于磷酸铁锂电池,采用二阶RC模型可比一阶RC模型获得更高的建模精度。展开更多
文摘电池状态的准确在线估计是锂离子电池储能系统安全、可靠和高效运行的重要支撑,精确电池模型是实现上述估计的前提。然而,锂电池复杂的电化学反应过程使电池模型参数可能随荷电状态(State of Charge,SOC)、温度及运行工况改变而变化,传统的离线识别方法难以保证模型精度和适应性。提出一种基于递推最小二乘法(Recursive Least Squares,RLS)的在线参数识别方法,该方法能够自动适应电池SOC、温度及运行条件变化,拟合计算出最佳模型参数,进而保证模型精度。研究不同电池类型下等值模型结构对建模精度的影响,并通过混合脉冲功率性能测试试验,验证了方法有效性。算例分析结果表明:基于RLS的在线参数识别方法能够实时修正电池模型参数,提高电池模型建模精度;对于磷酸铁锂电池,采用二阶RC模型可比一阶RC模型获得更高的建模精度。