学位论文 > 优秀研究生学位论文题录展示

VRLA阀控铅酸电池SOC估算研究

作　者: 黄世回
导　师: 蔡启仲
学　校: 广西科技大学
专　业: 控制理论与控制工程
关键词: 荷电状态蓄电池卡尔曼滤波储能电站交流阻抗法小波分析
分类号: TM912
类　型: 硕士论文
年　份: 2013年
下　载: 26次
引　用: 0次
阅　读: 论文下载

内容摘要

剩余容量信息是蓄电池的重要性能参数之一，习惯上用荷电状态（SOC：state ofcharge）来表示。通过监测在线蓄电池实时的SOC信息，发现是否有蓄电池的失容、失效等故障，有利于蓄电池组诊断、维护和科学合理使用。及时处理性能不良电池，保证正常安全供电，预防生产事故的发生。蓄电池的电化学反应所表现出来的复杂动态、静态特性，使得精确估计SOC成为蓄电池应用领域的研究热点。论文首先简单介绍了VRLA电池的电化学原理，总结了当前蓄电池物理模型和SOC估计模型。在这个基础上，针对大型VRLA电池组在储能电站应用，VRLA蓄电池物理模型主要采用Thevenin电路模型的主体结构，根据储能电站频繁充电、放电的工作状态，在Thevenin电路模型基础上进行了拓展，细分了充电和放电的结构；SOC的数学模型在E-SOC模型基础上，也进行修正，分充放电两种情况；针对UPS后备电源直流系统，根据蓄电池组长期处于浮充，主要关心蓄电池放电工作状态，采用蓄电池简单电路模型，SOC估计数学模型采用V-R模型。其次，论文介绍了蓄电池物理模型的辨识方法，即单频交流阻抗法辨识简单电路模型；双频交流激励法辨识Thevenin电路模型的结构参数，引用了小波去噪原理，处理交流阻抗法内阻测试信号的噪声问题，通过Matlab仿真实现了小波去噪处理交流阻抗法内阻测试信号的噪声，也得到了良好的去噪效果。论文以汤浅公司的VRLA蓄电池作为对象，在室温25℃恒温条件下开展了一系列的蓄电池的充放电特性实验。实验采集了大量的VRLA电池在线完全充电、放电电压，内阻，电流等数据，利用这些数据，一方面，运用最小二乘辨识法，得到了具体的SOC的V-R数学模型公式，另一方面，也确立了修正后具体E-SOC数学模型公式。最后，相应SOC数学模型确立后，联合Ah计量法，构建了卡尔曼滤波器算法的空间结构方程，编写算法Matlab程序，仿真实现了基于卡尔曼滤波器的SOC最优估计。仿真结果表明，该算法策略有效解决了SOC初始值造成误差累积问题，并且SOC最优估计值误差控制在客户要求的8%范围内，证明该套算法能用来在线实时估计VRLA蓄电池的SOC。该算法嵌入到蓄电池监测设备PITE3920软件系统中，得到实际应用。

全文目录

摘要  4-5
Abstract  5-9
第一章绪论  9-20
  1.1 课题研究背景和意义  9-10
  1.2 VRLA 蓄电池介绍  10-14
    1.2.1 VRLA 蓄电池发展及其应用  10-11
    1.2.2 VRLA 蓄电池的化学原理  11-13
    1.2.3 蓄电池常用术语  13-14
  1.3 VRLA 蓄电池的 SOC 估计方法  14-15
    1.3.1 Peukert 方程和 SOC 数学定义  14
    1.3.2 SOC 估计的研究现状  14-15
  1.4 VRLA 电池 SOC 估计的应用  15-17
  1.5 论文的主要任务和结构安排  17-20
    1.5.1 课题的来源  17-18
    1.5.2 主要任务  18
    1.5.3 论文的结构安排  18-20
第二章 VRLA 蓄电池 SOC 估计模型  20-31
  2.1 VRLA 蓄电池物理电路模型  20-22
    2.1.1 VRLA 蓄电池池内阻模型  20-22
    2.1.2 Thevenin 电池模型  22
  2.2 VRLA 蓄电池 SOC 估计模型  22-27
    2.2.1 基本 SOC 估计模型  23-26
    2.2.2 经验数学模型  26-27
  2.3 卡尔曼滤波器法  27-29
    2.3.1 Kalman 滤波器的结构  27-28
    2.3.2 Kalman 滤波器的误差原理  28-29
    2.3.3 Kalman 滤波器的迭代算法  29
  2.4 基于智能系统理论的 SOC 优化估计方法  29-30
  2.5 本章小结  30-31
第三章 VRLA 蓄电池充放电实验设计  31-44
  3.1 实验条件  31-32
  3.2 充电实验设计  32-35
    3.2.1 0.1C 电流恒流连续充电实验  32-34
    3.2.2 不同电流恒流连续充电实验  34-35
  3.3 放电特性实验设计  35-38
    3.3.1 不同电流连续放电实验  35-37
    3.3.2 间断放电实验  37-38
  3.4 E-SOC 和 R-SOC 关系实验  38-43
    3.4.1 蓄电池电势 E-SOC 关系实验  38-42
    3.4.2 蓄电池内阻 R-SOC 关系实验  42-43
  3.5 本章小结  43-44
第四章 VRLA 蓄电池物理模型的辨识  44-56
  4.1 蓄电池阻抗辨识方法  44-46
    4.1.1 直流放电法  44-45
    4.1.2 交流激励法  45-46
  4.2 交流激励法辨识 VRLA 蓄电池内阻模型  46-49
    4.2.1 单频率交流法简单电路模型的内阻辨识  46-47
    4.2.2 双频交流阻抗法放 Thevenin 电路模型辨识  47-49
  4.3 基于小波变换的蓄电池内阻交流测试信号去噪处理  49-55
    4.3.1 小波变换  50-51
    4.3.2 小波降噪原理方法  51-52
    4.3.3 引入小波分析在蓄电池内阻测试信号去噪应用  52-53
    4.3.4 样本数据实验仿真结果  53-55
  4.4 本章小结  55-56
第五章 UPS 中 VRLA 蓄电池 SOC 估计  56-65
  5.1 VRLA 蓄电池在 UPS 系统应用  56-57
    5.1.1 通信领域的直流不间断系统  56-57
    5.1.2 交流不间断系统  57
  5.2 基于端电压—电阻模型的 SOC 估计  57-60
    5.2.1 物理模型构建  58-59
    5.2.2 SOC 的计算模型  59
    5.2.3 基于最小二乘法对系数 α,β ,γ , δ, λ的辨识  59-60
  5.3 Kalman 滤波器的 SOC 最优估计模型构建  60-62
    5.3.1 系统中各个矩阵A，B，C，D确立  61
    5.3.2 SOC 最优估计卡尔曼滤波器迭代  61-62
  5.4 实验数据仿真分析  62-64
  5.5 本章小结  64-65
第六章储能电站 VRLA 蓄电池 SOC 在线最优估计  65-76
  6.1 VRLA 蓄电池在储能电站应用简介  65-66
    6.1.1 离网储能电站的结构  65
    6.1.2 光伏储能电站的工作原理  65-66
    6.1.3 储能电站 VRLA 蓄电池应用特点  66
  6.2 基于 Thevenin 模型的优化模型  66-67
  6.3 修正的蓄电池 E-SOC 模型  67-69
  6.4 基于 E-R 修正模型的卡尔曼滤波器的构造  69-70
    6.4.1 Kalman 状态空间方程的构造  69-70
    6.4.2 Kalman 状态更新方程和时间更新方程  70
  6.5 模型参数的确定  70-72
    6.5.1 修正的蓄电池 E-SOC 模型的系数确定  70-71
    6.5.2 Thevenin 电池模型电阻电容取值  71
    6.5.3 Kalman 滤波器相关参数设定  71-72
  6.6 仿真实验数据分析  72-73
  6.7 算法在 PITE3920 软件系统中实现  73-74
  6.8 本章小结  74-76
第七章总结与展望  76-78
  7.1 总结  76-77
  7.2 进一步工作展望  77-78
参考文献  78-81
发表论文和参加科研情况说明  81-82
致谢  82

VRLA阀控铅酸电池SOC估算研究

内容摘要

全文目录

相似论文