【微信公众号】AESA论文推荐第5期:电池状态估计与复合电源
发表时间:2020-12-23     阅读次数:     字体:【

☆本期分享导读:

本期论文推荐主题为电池状态估计和符合电源,共5篇,内容包括:SOH估计(1)、SOC估计(2,3,4)、复合电源(5)。全部阅读预计用时9分钟,或按照对应标号阅读感兴趣的论文。分享知识是一种美德,如果喜欢,请把推送分享给您的同学、学生和身边可能有需要的人。

微信公众号推送


论文一:基于机理寿命模型与粒子滤波的电池健康状态与老化参数在线估计

【分类】电池健康状态估计

【题目】Online state of health and aging parameter estimation using a physics-based life model with a particle filter

【作者】Yalan Bi, Yilin Yin, Song-Yul Choe

【单位】Department of Mechanical Engineering, Auburn University

【下载地址】https://doi.org/10.1016/j.jpowsour.2020.228655

【摘要】由于不良反应引发的锂离子电池退化使得电极材料的化合物和形态发生变化,从而导致锂离子的损失、活性材料的损失、电解质溶剂的消耗和内阻的增加,最终造成容量和功率衰减,从而缩短电池寿命。在这篇论文中,我们提出一种基于高保真的、降维机理寿命模型的电池健康状态(SOH)和老化参数在线估计器。该模型包括两部分,一是用于负极的伪二维模型,并引入了两种副反应的退化模型,即SEI膜形成和负极析锂;二是用于正极单粒子模型,以此提高计算效率。通过将模型重新构造为面向控制的递归老化模型,结合用于实时电流和终端电压测量的粒子滤波器,实现了SOH和老化参数的同时估计,从而可以预测由于整体老化和局部老化机制导致的电池失效。通过电池在环测试,验证了所提出的估计方案在不同温度下的性能,结果表明,容量和功率衰减估计误差分别在3%和4%以内。

【关键词】老化参数;电化学模型;析锂;粒子滤波;SEI膜形成;健康状况

【推荐理由】该论文提出一种基于机理寿命模型的电池健康状态在线估计方法,通过引入两种副反应模型对原有机理寿命模型进行了改进,利用粒子滤波器对机理寿命模型中的老化参数进行在线估计,最终在电池在环测试得到了实时验证,是一篇将复杂模型在线应用于电池状态估计上的参考性论文。

【关键插图】

图1 P2D-SPM模型示意图

图4 用于老化参数与SOH估计的粒子滤波实现流程图

图7 (a)和(b)为初始误差为5%时, SOHQ估计值与SOHQ测量值的对比;(c)和(d)为不同老化循环次数下SOHQ的估计结果及其误差;(e)和(f)为不同老化循环次数下SOHP的估计结果及其误差


论文二:电动汽车锂离子电池在线荷电状态估计方法的误差来源探讨

【分类】SOC估计

【题目】Investigating the error sources of the online state of charge estimation methods for lithium-ion batteries in electric vehicles

【作者】Yuejiu Zheng, Minggao Ouyang, Languang Lu

【单位】College of Mechanical Engineering, University of Shanghai for Science and Technology, Shanghai 200093, PR China State Key Laboratory of Automotive Safety and Energy, Tsinghua University, Beijing 100084, PR China

【下载地址】https://doi.org/10.1016/j.jpowsour.2017.11.094

【摘要】在新能源汽车锂离子电池管理系统中,荷电状态(SOC)估计是公认的电池最重要的功能之一。虽然各种在线SOC估计方法尽可能在有限的片上资源下可靠地提高估计精度,但是很少有文献讨论这些SOC估计方法的误差来源。本文首先从传统的分类方法出发,回顾了目前研究较多的SOC估计方法。提出了一种新的SOC估计方法误差分析的新视角。从测量值、模型、算法和状态参数等方面分析了SOC估计方法。随后,提出了误差流程图,从信号测量到新能源汽车广泛应用的在线SOC估计方法的模型和算法,分析了误差来源。最后,结合实际工况,讨论了如何选择更可靠、更适用的SOC估计方法,并对未来有发展前景的在线SOC估计方法进行了展望。

【关键词】充电状态;估计误差;锂离子电池;电动汽车;电池管理系统

【推荐理由】本文从传统的SOC分类入手,对常用的SOC估计方法进行了综述,并讨论了它们的优缺点。在介绍了SOC估计方法的基础上,提出了一种新的SOC估计方法的误差分析方法。从测量值、模型、算法和状态参数等方面分析了SOC估计方法的误差。概述了SOC估计方法的技术路线。定性地比较了估计精度和计算复杂度。

【关键插图】

图1 常用的SOC估计方法的估计误差和计算复杂度

图2 在线SOC估计方法的误差来源(a)基于OCV的估计方法;(b)安时积分的估计方法;(c)基于KF家族的估计方法

基于OCV的估计方法的主要误差来源是OCV估计和SOC-OCV曲线。它的误差相对较小,但只能在LiBs不工作时使用。因此,它可以作为参考或初始SOC值。AHC方法的误差来源主要是电流传感器漂移以及对CE和自放电的不准确估计。这些累积误差会使估计的SOC在长期内偏离真实值,但AHC方法在短时间内的SOC估计仍然可以作为参考。基于ECM+KF族的估计方法最主要的误差源是模型和电压传感器漂移,与AHC方法相比,这导致了相对平稳的误差。然而,由于ECM误差的存在,基于ECM+KF族的SOC误差比基于OCV的SOC误差大。


论文三:锂离子电池充电状态的参数灵敏度分析及等效电路模型的简化

【分类】SOC估计

【题目】Parameter sensitivity analysis and simplification of equivalent circuit model for the state of charge of lithium-ion batteries

【作者】Xin Lai , Shuyu Wang , Shangde Ma , Jingying Xie , Yuejiu Zheng

【单位】College of Mechanical Engineering, University of Shanghai for Science and Technology, Shanghai, 200093, China Shanghai Institute of Space Power-Sources, Shanghai, 200245, China

【下载地址】https://doi.org/10.1016/j.electacta.2019.135239

【摘要】为了保证模型的准确性,等效电路模型(ECM)中的模型参数会随着健康状态(SOH)和荷电状态(SOC)的变化而频繁更新。本文研究了具有单状态滞后的2RC模型的参数灵敏度,以确定关键参数。首先,利用粒子群优化算法在动态工况下辨识2RCH的模型参数。其次,采用一次一因素法对两种电池的2RCH参数灵敏度进行了定性分析。第三,提出了一种简化模型,在保证模型精度的同时,大大降低了计算复杂度。最后,利用扩展卡尔曼滤波器对两种电池在不同SOH下的整个SOC范围内进行了基于简化ECM的SOC估计。实验结果表明,通过更新关键参数得到的SOC精度与更新所有参数得到的SOC精度基本一致。简化模型有利于避免在SOC估计中对不同SOC和SOH范围的模型参数进行不必要的重复计算。

【关键词】等效电路模型;参数辨识;敏感性分析;荷电状态;锂离子电池

【推荐理由】本文从2阶RC模型入手,详细研究了模型中各参数的灵敏度,并根据其灵敏度简化在不同环境下所需变化的参数,并验证了简化后的模型在精度和SOC估计上与原模型差异基本一致,这种简化的思路对于模型的实车运用有很大的意义。

【关键插图】

图1 LFP电池在整个SOC范围内的相对参数灵敏度

图2 不同SOH下LPF电池的参数灵敏度


论文四:一种用于电动汽车的使用H无穷算法的多模型概率电池SOC估计方法

【分类】SOC估计

【题目】A novel multi-model probability battery state of charge estimation approach for electric vehicles using H-infinity algorithm

【作者】Cheng Lin, Hao Mu, Rui Xiong, Weixiang Shen

【单位】National Engineering Laboratory for Electric Vehicles, School of Mechanical Engineering, Beijing Institute of Technology, Beijing, China

【下载地址】http://dx.doi.org/10.1016/j.apenergy.2016.01.010

【摘要】由于电池的强非线性和复杂时变特性,现有的基于单一等效电路模型(ECM)的SOC估计方法无法在整个放电周期提供准确的SOC估计。本文提出了一种基于多个ECM融合的SOC估计方法,来改善其实际应用性能。在本方法中,三种电池ECM:Thevenin模型,双极性模型和3阶RC模型用于描述锂离子电池的动态电压,遗传算法用于计算模型参数。基于H无穷方法的线性矩阵不等式从这三种模型中估计SOC,贝叶斯概率方法用于计算最优权重,来融合这3个模型的SOC估计结果。用2种类型的锂离子电池来验证本方法的可行性和鲁棒性。结果表明,本方法能在不确定电池材料和不精确的初始条下改善SOC估计的精度和可靠性。

【关键词】电动汽车;电池;SOC估计;多模型概率;H无穷

【推荐理由】本文提出了一种新颖的多模型融合方法,计算不同的电池模型SOC估计结果,通过贝叶斯概率方法加权求最优SOC估计结果。该方法精度高、可靠性好,且适用于不同的电池类型。

【关键插图】

图1 多模型融合估计方法的原理图

系统输入为测量的电压和电流,基于3种ECM和3个H无穷观测器估计SOC。之后,3个SOC估计值和3个模型预测的端电压在数据中心中进行处理。预测的端电压通过使用融合规则计算SOC估计的权重,权重越大,该模型在SOC估计中越重要。最终的SOC估计结果为三种模型估计结果的加权求和。


论文五:可再生能源并网混合储能系统的动态能量管理

【分类】复合电源

【题目】Dynamic Energy Management of Renewable Grid Integrated Hybrid Energy Storage System

【作者】Reddy Tummuru, Mahesh K. Mishra, S. Srinivas

【单位】Department of Electrical Engineering, Indian Institute of Technology Madras, Chennai 600 036, India

【下载地址】https://doi.org/10.1109/TIE.2015.2455063

【摘要】本文提出了一种适用于电池-超级电容混合储能的可再生能源并网系统的统一能源管理方案。可再生能源(RES)的间歇性,加上负荷变化的不可预测性,使得大功率和高能量密度的存储系统需要在当今的微电网环境中实现共存。该方案根据可再生能源的可用性和负荷的变化动态地改变可再生能源集成系统的模式。电池-超级电容存储系统的加入可以处理突然/平均的电涌变化,并快速直流连接电压调节,实现有效的能源管理,减少电池的电流压力。此外,所提出的能量管理方案能够实现真正的功率传输以及辅助服务,如电流谐波抑制、无功功率支持和公共耦合点处的功率因数改善。仿真和实验研究验证了该方案的有效性。

【关键词】电池;电能质量特性;可再生电网集成;超级电容器;电压源逆变器

【推荐理由】本文为研究复合电源能源管理优化的比较有代表性的一篇文章。方便读者快速了解复合电源工作原理以及能量优化管理策略的应用,本文同时对多电源系统与电网结合优化电网功率传输等当前热门话题进行了深入探讨,对于想要了解电网与多电源系统集成的同僚,本文具有很高的参考价值。

【关键插图】

图1 可再生电网交互式复合电源系统(GIHESS)

图2 电网交互系统的能量管理方案

上一篇:【微信公众号】AESA论文推荐第6期:电池老化与电池安全
下一篇:【微信公众号】AESA论文推荐第4期:电池热安全与老化
0
联系地址:北京市海淀区中关村南大街5号北京理工大学   Copyright  ©  2020-   先进储能科学与应用课题组  All Rights Reserved.网站地图
友情链接: 新能源与智能载运期刊    北京理工大学    ICEIV2022会议    机械与车辆学院    机械工程学报    Applied Energy期刊