CN102253343B - 一种蓄电池的健康度与荷电状态的估算方法 - Google Patents

Abstract

本发明公开了一种应用于备用电力系统的蓄电池健康度SOH(State Of Health)与荷电状态SOC(State Of Charge)的估算方法。本发明方法包括如下步骤：同时用两条支路估算蓄电池的SOH与SOC；比较两条支路估算值的偏差；选择、确定估算值。本发明提供的方法不需要备用电池组，在线就能够完成测量，能实现定量测量且准确度高，测量时不需要复杂设备从而降低了成本。

Description

一种蓄电池的健康度与荷电状态的估算方法

技术领域

本发明涉及一种应用于备用电力系统的蓄电池的健康度SOH（State Of Health）与荷电状态SOC（State Of Charge）的估算方法。

背景技术

蓄电池作为电力可靠供应的最后防线在备用电力系统中发挥着重要作用。由于长期处于浮充而且缺乏维护，一些电池的性能随着使用逐渐变差。由于备用电力系统的电池是串联使用的，有缺陷的电池会导致充放电时电池单体电压的分配不均，从而达不到规范充放电，进一步加速其它电池的老化，使整个电池组的可靠性下降。于是了解每块电池的SOH是至关重要的。由于蓄电池的高度电化学非线性和动态特性，以及在备用电力系统中的应用特点，要在线、准确的检测每块电池的SOH一直以来都是相当困难的事。

现有的测量方法有以下几种：

完全放电法：完全放电法是当前唯一公认最可靠的SOH检测方法，方法是将充满的电池用负载完全放电测量其容量并求出SOH。

巡检法：巡检法是在完全放电法基础上发展而来，将电池组放电一段时间后找出单体电压下降最快的一块电池，单独对其做完全放电测试，用其SOH评估整组电池的SOH。

内阻法：内阻法通过电池欧姆内阻与电池的SOH的关系求解问题，常见的是交流注入法：向电池两端加一正弦交流小电流信号，测量其电压响应，由响应电压与注入电流幅值之比求出内阻。由于测量中忽略信号的相位信息，结果实际上是用电池阻抗的模近似表示阻抗。

电化学阻抗分析：阻抗分析是目前最复杂的方法，其思想是对电池注入多个不同频率的正弦信号，用模糊逻辑对采集的数据进行分析以估算电池的性能。该方法需要事前做大量数据采集分析，得到该类型电池的特征。这种方法对已知型号的电池的性能估算有比较理想的准确性。

但是现有的测量方法有很多不足之处，如：

完全放电法：测试电池需要离线，这意味着系统需要备用电池组；需要笨重的测试负载，操作不便；大电流放电需要人力看管；测试时间很长，用0.1C标准放电率放电测试，过程需要10小时。

巡检法：巡检法缩短了完全放电法的时间，但也需要离线，需要备用电池，并且用性能最差的电池估算整组电池的SOH准确度不高。

内阻法：对于内阻法，内阻与SOH的关系是一种分布趋势，函数关系不是严格确立的，这给准确估算SOH带来困难，而且大量文献表明内阻在电池容量下降至少25%到30%以上后才会出现明显变化，而IEEE规定电池容量下降到80%就应该更换电池，所以通过这种内阻监测方式及时找出问题电池有些困难，同时电池内阻也是难以测量的小信号。

电化学阻抗分析：电化学阻抗分析法仅适用于手提设备，而且造价也昂贵，不适合备用电力系统这一应用领域。

发明内容

本发明要解决的问题是提供一种应用于备用电力系统的蓄电池SOH与SOC的估算方法。这种方法不需要备用电池组，在线就能够完成测量，能实现定量测量且准确度高，测量时不需要复杂设备从而降低了成本。

为了实现上述目的，本发明采用了如下技术方案：一种蓄电池的健康度与荷电状态的估算方法，包括如下步骤：

1.1.同时用两条支路估算蓄电池的健康度与荷电状态；

1.2.比较两条支路估算值的偏差；

1.3选择、确定估算值。

所述步骤1.1中，其中一条支路采用基于自适应模型估算所述蓄电池的健康度与荷电状态，另外一条支路采用基于归一化放电电压曲线法和剩余容量域放电电压曲线法中任一方法估算所述蓄电池的健康度与荷电状态。

所述另外一条支路采用基于归一化放电电压曲线法和剩余容量域放电电压曲线法中任一方法估算所述蓄电池的健康度与荷电状态，包括如下步骤：

3.1检测放电初期电压是否发生了陡降复升；

3.2如果发生所述的陡降复升，则选用所述的基于归一化放电电压曲线法估算所述蓄电池的健康度与荷电状态；如果没有发生所述的陡降复升，则选用所述的剩余容量域放电电压曲线法估算所述蓄电池的健康度与荷电状态。

所述剩余容量域放电电压曲线法估算所述蓄电池的健康度与荷电状态，包括如下步骤：

4.1根据蓄电池端电压u、放电电流i、放电时间经回归分析得到剩余容量域电压曲线f_s(v)；

4.2根据所述的剩余容量域电压曲线f_s(v)得到其反函数

4.3设定v₁，得到

4.4根据 $\mathrm{SOC}=f_s^{-1}\left(v\right)/f_s^{-1}\left(v_1\right),$ 估算出SOC；

4.5根据对电池浅度放电的起始时间从T_p和截止时间T_s的积分得到期间电量C_ps；

4.6根据 $\mathrm{SOH}=\frac{C_{\mathrm{ps}}}{1-{\mathrm{COS}}_s}={\∫}_{T_p}^{T_s}\mathrm{idt}/(1-{\mathrm{SOC}}_s),$ 估算出SOH。

所述基于自适应模型估算所述蓄电池的健康度与荷电状态，包括如下步骤：

5.1根据蓄电池的端电压u、放电电流i、放电时间t和

实时的得到放电过程的平均功率P_avr;

5.2根据5.1所述平均功率P_avr、设定的电池放电终止电压V_e和

得到i_e;

5.3根据放电电流i、放电时间t和

得到放电深度s;

5.4根据电池内阻r和5.3所述放电深度的s计算出电池端电压u等于电池放电终止电压V_e时电池内阻r_e，所述r_e是通过含两个隐层神经元的单层隐层、单输入、单输出的BP网络求出；

5.5根据放电电流i、电池内阻r和放电深度s做递推最小二乘法得到式（1）中待定参数θ

$\hat{u}(i\left(t\right),r\left(t\right),s\left(t\right))={\mathrm{\θ}}_1+{\mathrm{\θ}}_2{f}_{\mathrm{base}}\left(s\left(t\right)\right)+{\mathrm{\θ}}_{3}i\left(t\right)r\left(t\right)+{\mathrm{\θ}}_4{I}_{\mathrm{avr}}\left(t\right)f_{\mathrm{fix}}\left(s\left(t\right)\right)---\left(1\right)$

5.6根据电压曲线模型u＝f(s，i，I_avr，r)得到放电终止电压V_e到来时的放电深度s_e；

5.7根据5.3所述放电深度s、5.6所述放电终止电压V_e到来时的放电深度s_e，电池标称容量C_nominal，按照式（2）和（3）估算出该蓄电池的健康度与荷电状态。

$\mathrm{SOH}=\frac{S_e}{C_{\mathrm{no}\min \mathrm{al}}}\×100\%---\left(2\right)$

$\mathrm{SOC}=(1-\frac{S}{S_e})\×100\%---\left(3\right)$

所述步骤1.3中选择、确定估算值，就是如果所述偏差在设定范围内，选择所述基于自适应模型估算出的蓄电池的SOH和SOC；如果所述偏差超出设定范围，选择所述基于归一化放电电压曲线法和剩余容量域放电电压曲线法中任一方法估算出的蓄电池的SOH和SOC。

与现有技术相比，本发明的有益效果在于：

1、不需要备用电池组，在线就能够完成测量，能实现定量测量且准确度高，测量时不需要复杂设备从而降低了成本.

2、本发明采用的基于自适应模型估算所述蓄电池的健康度与荷电状态,考虑到了蓄电池的内阻对蓄电池端电压的影响,当放电率越大，内阻的分压也就越大，导致蓄电池端电压下降越大,需要增加由内阻分压造成不同放电率下曲线下移的修正项,从而使估算的SOH和SOC精度更高.

附图说明

图1为适合于备用电力系统蓄电池的SOC和SOH估算流程图.

图2为基于剩余容量域放电电压曲线估算电池的SOC和SOH的系统框图。

图3为基于自适应模型估算电池的SOC和SOH的系统框图.

图4为基于归一化放电电压曲线估算电池的SOC和SOH的系统框图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细描述，但不作为对本发明的限定。

实施例一：

当一次放电开始，并且之前有充足的充电时间保证电池已经充满，估算开始启动。分为两条支路同时估算SOC和SOH：支路一通过基于自适应模型估算SOC和SOH;支路二通过基于归一化的电压曲线和剩余容量域的电压曲线中的其中一个方法估算SOC和SOH；支路二中是选用基于归一化的电压曲线法还是剩余容量域的电压曲线法,判断依据为放电初期电压是否发生了陡降复升。如发生陡降复升,则优先选取基于归一化电压曲线法估算，因为其精度略高。支路一和支路二并行。只要放电深度超过30%，支路二就能估出SOH，并继续实时给出SOC和更新SOH使精度更高。在支路一中，如果先前模型中参数已被辨识且在当前放电的递推中也继续收敛则能够开始给出SOC和SOH的实时估计，否则需要放电深度达到至少80%以使系统完成模型辨识。当模型中参数已收敛，则可以开始给出SOC和SOH的实时估计。当同时获得支路一和支路二的估计值时，先判断两个估计值的偏差，如果偏差在设定范围内，则采取支路一基于自适应模型估算的结果.

如图2所示,支路二中的剩余容量域的电压曲线法是按照以下步骤进行:

1根据蓄电池端电压u、放电电流i、放电时间经回归分析得到剩余容量域电压曲线f_s(v)；

2根据所述的剩余容量域电压曲线f_s(v)求出其反函数

3设定v₁，求出

4根据 $\mathrm{SOC}=f_s^{-1}\left(v\right)/f_s^{-1}\left(v_1\right),$ 估算出SOC；

5根据对电池浅度放电的起始时间从T_p和截止时间T_s的积分求出期间电量C_ps；

6根据 $\mathrm{SOH}=\frac{C_{\mathrm{ps}}}{1-{\mathrm{COS}}_s}={\∫}_{T_p}^{T_s}\mathrm{idt}/(1-{\mathrm{SOC}}_s),$ 估算出SOH。

如图3所示,支路一中基于自适应模型法是按照以下步骤进行的:

1根据蓄电池的端电压u、放电电流i、放电时间和

实时的得到放电过程的平均功率P_avr;

2根据平均功率P_avr、设定的电池放电终止电压V_e和

得到i_e;

3根据放电电流i、放电时间t和

得到放电深度s;

4根据电池内阻r和放电深度的s计算出电池端电压u等于电池放电终止电压V_e时电池内阻r_e，所述r_e是通过含两个隐层神经元的单层隐层、单输入、单输出的BP网络求出；

5根据放电电流i、电池内阻r和放电深度s做递推最小二乘法得到式（1）中待定参数θ

$\hat{u}(i\left(t\right),r\left(t\right),s\left(t\right))={\mathrm{\θ}}_1+{\mathrm{\θ}}_2{f}_{\mathrm{base}}\left(s\left(t\right)\right)+{\mathrm{\θ}}_{3}i\left(t\right)r\left(t\right)+{\mathrm{\θ}}_4{I}_{\mathrm{avr}}\left(t\right)f_{\mathrm{fix}}\left(s\left(t\right)\right)---\left(1\right)$

6根据电压曲线模型u＝f(s，i，I_avr，r)得到放电终止电压V_e到来时的放电深度s_e；

7根据放电深度s、放电终止电压V_e到来时的放电深度s_e，电池标称容量C_nominal，按照式（2）和（3）估算出该蓄电池的健康度与荷电状态。

$\mathrm{SOH}=\frac{S_e}{C_{\mathrm{no}\min \mathrm{al}}}\×100\%---\left(2\right)$

$\mathrm{SOC}=(1-\frac{S}{S_e})\×100\%---\left(3\right)$

基于归一化放电电压曲线估算电池的SOC和SOH是本领域的公知技术,就如图4所显示的系统框图,在此不赘述了.

以上实施例仅为本发明的示例性实施例，不用于限制本发明。本领域技术人员可以在本发明的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。

Claims (1)

1.一种蓄电池的健康度与荷电状态的估算方法，其特征在于包括如下步骤：

1.1.同时用两条支路估算蓄电池的健康度即SOH与荷电状态即SOC；

其中一条支路采用基于自适应模型估算所述蓄电池的健康度与荷电状态，其包括如下步骤：(A)根据蓄电池的端电压u、放电电流i、放电时间t和

实时的得到放电过程的平均功率P_avr；

(B)根据步骤(A)所述平均功率P_avr、设定的蓄电池放电终止电压V_e和

得到i_e；

(C)根据放电电流i、放电时间t和

得到放电深度s；

(D)根据电池内阻r和步骤(C)所述放电深度的s得到蓄电池端电压u等于电池放电终止电压V_e时电池内阻r_e，所述r_e是通过含两个隐层神经元的单层隐层、单输入、单输出的BP网络求出；

（E）根据放电电流i、电池内阻r和放电深度s做递推最小二乘法得到式(1)中待定参数θ

$\hat{u}(i\left(t\right),r\left(t\right),s\left(t\right))={\mathrm{\θ}}_1+{\mathrm{\θ}}_2{f}_{\mathrm{base}}\left(s\left(t\right)\right)+{\mathrm{\θ}}_{3}i\left(t\right)r\left(t\right)+{\mathrm{\θ}}_4{I}_{\mathrm{avr}}\left(t\right)f_{\mathrm{fix}}\left(s\left(t\right)\right)---\left(1\right)$

(F)根据电压曲线模型u＝f(s，i，I_avr，r)得到放电终止电压V_e到来时的放电深度s_e；

(G)根据步骤(C)所述放电深度s、步骤(F)所述放电终止电压V_e到来时的放电深度s_e，蓄电池标称容量C_nominal，按照式(2)和(3)得到该蓄电池的健康度与荷电状态；

$\mathrm{SOH}=\frac{S_e}{C_{\mathrm{no}\min \mathrm{al}}}\×100\%---\left(2\right)$

$\mathrm{SOC}=(1-\frac{S}{S_e})\×100\%---\left(3\right)$

对于另外一条支路，首先检测放电初期电压是否发生了陡降复升；如果发生所述的陡降复升，则选用所述的基于归一化放电电压曲线法估算所述蓄电池的健康度与荷电状态；如果没有发生所述的陡降复升，则选用所述的剩余容量域放电电压曲线法估算所述蓄电池的健康度与荷电状态；

其中，所述剩余容量域放电电压曲线法估算所述蓄电池的健康度与荷电状态，包括如下步骤：

(a)根据蓄电池端电压u、放电电流i、放电时间t经回归分析得到剩余容量域电压曲线f_s(v)；

(b)根据所述的剩余容量域电压曲线f_s(v)得到其反函数

(c)设定v₁，得到

(d)根据 $\mathrm{SOC}=f_s^{-1}\left(v\right)/f_s^{-1}\left(v_1\right),$ 得到SOC；

(e)根据对电池浅度放电的起始时间T_p到截止时间T_s的积分得到期间电量C_ps；

(f)根据 $\mathrm{SOH}=\frac{C_{\mathrm{ps}}}{1-{\mathrm{COS}}_s}={\∫}_{T_p}^{T_s}\mathrm{idt}/(1-{\mathrm{SOC}}_s),$ 得到SOH；

1.2.比较两条支路估算值的偏差；

1.3选择、确定估算值；其中如果所述偏差在设定范围内，选择所述基于自适应模型估算出蓄电池的SOH和SOC；如果所述偏差超出设定范围，选择所述基于归一化放电电压曲线法或剩余容量域放电电压曲线法估算出蓄电池的SOH和SOC。

Images