准确预测电池充电状态的DiBu模型

【成果简介】
本文提出了一种预测电池充电状态的综合模型。该模型经过专门设计,可用于(智能)电网的能源管理模拟工具。该模型是简单、准确和广泛适用性之间的折衷。通过对三种类型的铅酸(Pb酸)电池、锂离子聚合物(Li-Poly)电池和磷酸铁锂(LiFePo)电池的测量,验证了该模型。对于铅酸蓄电池,在典型情况下预测充电状态,并将这些预测与铅酸蓄电池的测量值和使用KiBaM模型进行的预测进行比较,结果表明,该模型能准确地模拟电池的充电状态,模型与测量结果的充电状态之差小于5%。同样,该模型用于预测典型情况下锂电池和锂电池的充电状态。将这些预测值与测量值计算出的充电状态进行了比较,结果表明,也可以准确地模拟锂电池和LiFePo电池的充电状态。对于锂电池,测量和预测充电状态之间的差异小于5%,对于LiFePo电池,此差异小于3%。
【亮点解析】
1. 本研究提出的电池充电状态预测的实用模型,是简单、准确和广泛适用性之间的折衷。
2. 通过对三种类型的铅酸(Pb酸)电池、锂离子聚合物(Li-Poly)电池和磷酸铁锂(LiFePo)电池的测量,验证了该模型。
3. 该模型能准确地模拟电池的充电状态,模型与测量结果的充电状态之差小于5%,对于LiFePo电池,此差异甚至小于3%。
【模型构建】
DiBu模型可用于预测未来几个时间间隔内的一系列动作(电池充电或放电)对电池充电状态的影响。参考文献《Validation of a predictive model for smart control of thermal and electrical energy storage》首次描述了DiBu模型的概念,其中讨论了热能存储和电能存储之间的相似性,并给出了模型的第一个版本,同时指出了该模型的一些不足和问题。在参考文献《A comprehensive model for battery state of charge prediction》中,解决了这些问题,并提出了一个改进的模型,还提出了模型预测能力的第一个结果。本文对DiBu模型的预测能力进行了广泛的分析,并对其在各种类型电池上的适用性进行了论证。
参考文献中提出的模型,根据当前的SoC(t-1),预测未来时间点(t)的荷电状态(SoC),以Wh中最大容量(Emax)的百分比表示。更准确地说,充电状态(SoCT)作为电池容量的一部分,通过将时间间隔[t-1,t]期间SoC的变化添加到之前的SoC(SoCt-1)中来计算。SoC的变化基于(t-1)和t之间的时间间隔Δt中的电流(It)和电压(Ut)。具体来说,公式表述如下:
准确预测电池充电状态的DiBu模型 准确预测电池充电状态的DiBu模型
图1 充电、放电和静置阶段蓄电池的电压示意图。
要计算某个时间点的SoC(SoCT),从0点的初始SoC(SoCStart)开始,需要知道Emax和时间间隔[t-1,t],t¼t开始…t期间使用的电流(It)和电压(Ut)。电流(It)与时间间隔内应用于电池或从电池要求的电流(It)相对应。为了计算电压,作者考虑了电池的四种状态:放电(2a)、放电后的空闲时间(2b)、充电(2c)和充电后的空闲时间(2d)。对于这四种状态中的每一种,都使用不同的表达式来确定电压。这些表达式的基本公式如下。
准确预测电池充电状态的DiBu模型
【结果分析】准确预测电池充电状态的DiBu模型
图2用于确定铅酸蓄电池参数A、B、G和D的测量。
确定参数的典型测量和一些示例结果如图2所示。参数a和d的值分别是恒流放电曲线(见图3a)和恒流充电曲线(见图3b)线性部分的斜率。多个测量,使用不同的电荷和放电电流来确定a和d的值,以确保准确性。蓄电池恒流放电期间的电压行为不是完全线性的(见图3a),在模型中采用的是线性近似法。当电池放电时,放电电流越高,所产生的放电曲线越趋于线性。这意味着,当放电电流较高时,对电池放电时电压的预测就不太准确。为了确定参数b和g的值,使用了两个连续放电步骤和两个之间的空闲时间的电压测量值,见图3c。然而,空闲期间测量的电压不是实际的电池电压,而是开路电位(OCP)。实际上,OCP总是高于放电电压,但在这里我们可以利用OCP的进展来确定第二放电步骤开始时的电压。同样,使用不同的放电电流和空闲时间进行多次测量,以确定参数的准确值。最后一步,通过比较测量结果计算出的电荷状态(SOCmeas)和使用DiBu模型计算出的电荷状态(SoCDiBu),再次验证参数。在这种情况下,SoCmeas和SoCDiBu之间的差异几乎不可见,最大差异计算为0.48%,(见图3d)。
准确预测电池充电状态的DiBu模型
图3 所选电池的充电状态,根据电池的测量值与使用DiBu模型和KiBaM模型的预测值进行比较计算。
准确预测电池充电状态的DiBu模型
表1 SoCmeas和SoCDiBu之间的平均偏差和最大偏差
表1总结了使用DiBu模型(SoCDiBu)预测的电荷状态与根据所有预测测量(SoCmeas)计算的电荷状态之间的差异
准确预测电池充电状态的DiBu模型
图5 在这项工作中用来进行测量和分析的电池分析设备。例如,两个铅酸电池连接到Vencon UBA5(4a),一个LiFePo电池连接到Cadex C8000(4b)。
【结论展望】
在参考文献中提出了一个简单而准确的电池充电状态预测模型,即DiBu模型。该模型专门开发用于智能电网的模拟、预测和控制工具。因此,该模型可以准确预测电荷状态,同时非常简单,可以应用于此类工具中。本文应用DiBu模型对几种不同类型电池的充电状态进行了预测。该模型预测了电池在充电、放电和空闲期间的电压,并根据这些电压预测了电池的充电状态。要应用该模型,前四个参数必须根据有关电池的测量确定。第一步表明,DiBu模型可用于准确预测各种铅酸蓄电池的性能。对于铅酸蓄电池,在超过3000分钟(约50小时)的充电状态下,SoCDiBu和SoCmeas之间的差异小于10%。还表明,使用DiBu模型的电荷状态预测精度等于或在某些情况下优于使用良好建立的KiBaM模型的电荷状态预测精度。然而,KiBaM模型更为复杂,不适合用于智能电网的模拟、预测和控制工具。结果表明,DiBu模型也能准确预测锂电池和锂电池的性能。在锂电池的情况下,在充电状态预测超过600分钟(~10小时)时,SoCDiBu和SoCmeas之间的差异已显示为4.3%。对于LiFePo电池,在超过1200分钟(约20小时)的充电状态预测中,SoCDiBu和SoCmeas之间的差异为11.6%。还表明,通过定期更新电池电压和充电状态的起始值,可以提高预测的准确性。
【文献信息】
Bart Homan, Marnix V. ten Kortenaar, Johann L. Hurink, Gerard J.M. Smit, A realistic model for battery state of charge prediction in energy management simulation tools, Energy, 2019, DOI:10.1016/j.energy.2018.12.134

本文由能源学人编辑zhangjunbo555发布整理,非特别说明为独家版权,转请注明出处:https://nyxr-home.com/22359.html

参考文献:Energy