CN104297578A - 基于滑模观测器的超级电容器组荷电状态估计方法 - Google Patents
基于滑模观测器的超级电容器组荷电状态估计方法 Download PDFInfo
- Publication number
- CN104297578A CN104297578A CN201310296011.4A CN201310296011A CN104297578A CN 104297578 A CN104297578 A CN 104297578A CN 201310296011 A CN201310296011 A CN 201310296011A CN 104297578 A CN104297578 A CN 104297578A
- Authority
- CN
- China
- Prior art keywords
- state
- charge
- sliding mode
- super capacitor
- mode observer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Secondary Cells (AREA)
Abstract
本发明涉及一种基于滑模观测器的超级电容器组荷电状态估计方法,包括以下步骤:(1)实时采集超级电容器组工作时的每一超级电容器单体的充放电电流值和端电压值;(2)利用滑模观测器算法估计出每一超级电容器单体的荷电状态值;(3)通过比较所有单体的荷电状态值确定超级电容器组中单体荷电状态的最大值SOCmax和最小值SOCmin;(4)若当前超级电容为充电状态,则当前超级电容器组的荷电状态值为SOCmax;若超级电容为放电状态,则当前超级电容器组的荷电状态值为SOCmin。与现有技术相比,本发明具有计算量较低、延长超级电容器组使用寿命、保证整个储能系统工作安全性等优点。
Description
技术领域
本发明涉及一种荷电状态估计方法,尤其是涉及一种基于滑模观测器的超级电容器组荷电状态估计方法。
背景技术
超级电容器作为新型的电能存储器件,因具有功率密度大、工作温度范围宽、循环寿命长等优点,在可再生清洁能源发电、电压补偿、电动汽车节能运行和城市轨道交通制动能量回收等领域得到广泛使用。
在实际应用中,为保证储能系统的安全性和可靠性,需要对超级电容器内部状态进行预估。超级电容的内部状态包括荷电状态(State of Charge,SOC)和健康状态(State of Health,SOH)两大部分。准确预估超级电容器SOH,首先要对SOC进行有效估计。由于超级电容器单体电压较低,因此在实际应用中需由大量超级电容器单体串并联使用。但是组成超级电容器组的所有超级电容器单体的性能不可能做到完全一致,因此每节超级电容器储存的能量会有所不同,其差异与各单体之间不一致的程度有关。
目前,对于整个超级电容器组荷电状态估计方法的研究比较少,而针对超级电容器单体荷电状态的估计主要采用以下两类方法:1)基于安时计量的估计方法。安时法是根据充放电电流对时间的积分来实时估计超级电容器SOC。该方法主要缺点是无法准确确定初始SOC初始值和估计精度很大程度依赖于电流传感器的精度。2)基于卡尔曼滤波算法的估计方法。超级电容器在应用场合中具有较强的非线性动态特性,应用卡尔曼滤波器以及扩展卡尔曼滤波器方法时,在线性化过程中会引入与状态估计值有关的模型误差,导致估计精度降低。同时该算法对超级电容器等效电路模型的精度具有很强的依赖性,而且需要复杂的高计算量的矩阵求逆运算,对噪声的初值的选择十分敏感,错误的先验信息容易导致算法发散。因此使用以上两类方法不能准确估计超级电容器的荷电状态。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种计算量较低、、延长超级电容器组使用寿命、保证整个储能系统工作安全性的基于滑模观测器的超级电容器组荷电状态估计方法。
本发明的目的可以通过以下技术方案来实现:
一种基于滑模观测器的超级电容器组荷电状态估计方法,该方法包括以下步骤:
(1)实时采集超级电容器组工作时的每一超级电容器单体的充放电电流值和端电压值;
(2)根据步骤(1)中采集的电流和电压值,利用滑模观测器算法估计出每一超级电容器单体的荷电状态值;
(3)通过比较所有单体的荷电状态值确定超级电容器组中单体荷电状态的最大值SOCmax和最小值SOCmin;
(4)根据超级电容器组当前的工作状态确定其荷电状态值:
若当前超级电容为充电状态,则当前超级电容器组的荷电状态值为SOCmax;若超级电容为放电状态,则当前超级电容器组的荷电状态值为SOCmin;
(5)判断是否停机,若是,则结束,若否,则返回步骤(1)。
所述的步骤(2)具体包括以下步骤:
①建立超级电容器单体的等效电路模型,并对模型参数进行辨识;
②根据步骤①中等效电路模型,对超级电容器充电与放电建立不同的状态空间模型,状态空间方程为:
其中,x为状态变量,且将荷电状态作为其中一个状态变量,A、B、C、D为系统矩阵,u=I为系统输入,I为充放电电流,y=U为系统输出,U为端电压;
③根据步骤②中充放电状态空间模型,设计超级电容器充放电荷电状态滑模观测器结构,滑模观测器方程为:
式中,为x的观测值,为y的观测值,k和L为滑模观测器参数;
④根据采集到的每一单体充放电电流和端电压值,利用滑模观测器方程估计超级电容器单体的荷电状态。
所述的对模型参数进行辨识的方法包括最小二乘法、粒子群优化方法或差分进化方法。
与现有技术相比,本发明具有以下优点:
1)可以使超级电容器组中所有单体不会出现过充电或过放电等不良使用状况,从而延长超级电容器组的使用寿命,同时又保证了整个储能系统工作的安全性。
2)由于滑模观测器是一种鲁棒性很强的非线性状态观测器,可以有效补偿系统的模型误差和外界干扰,结构简单,不需要预知噪声的先验信息,固定增益的观测器结构可以确保估计算法的实时性,计算量较低、不依赖初始值也能准确测得荷电状态真实值。
附图说明
图1为混合型超级电容器单体等效电路模型;
图2为本发明超级电容器单体荷电状态估计流程图;
图3为本发明超级电容器组荷电状态估计流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图2和图3所示,一种基于滑模观测器的超级电容器组荷电状态估计方法,该方法包括以下步骤:
(1)实时采集超级电容器组工作时的每一超级电容器单体充放电电流值和端电压值。
(2)根据步骤(1)中采集的电流和电压值,利用滑模观测器算法估计出每一超级电容器单体的荷电状态值,具体包括以下步骤:
①建立超级电容器单体的等效电路模型,如图1所示为混合型超级电容器等效电路模型,图1中,U(t)为超级电容器端电压,I(t)为电流,CF、Cd为电容,RF、Rp、Rs为电阻,并采用最小二乘、粒子群优化或差分进化对模型参数进行辨识。
②根据步骤①中等效电路模型,对超级电容器充电与放电建立不同的状态空间模型,充放电状态空间模型包括两部分,即系统状态方程和系统输出方程,本实施例中,系统状态方程为:
其中[x1 x2 x3]T=[Uf Ud S]T,Uf、Ud分别为电容CF和Cd两端的电压,S代表荷电状态;
系统输出方程为:
系统输入输出为u=I,y=U,其中I为充放电电流,U为超级电容器的端电压A、B、C、D为系统矩阵。
③根据步骤②中充放电状态空间模型,设计超级电容器充放电荷电状态滑模观测器结构,滑模观测器方程为:
式中,k和L为滑模观测器参数;
④根据采集到的每一单体充放电电流和端电压值,利用滑模观测器方程估计超级电容器单体的荷电状态;
⑤判断是否停机,若是,则结束,若否,则返回步骤①。
(3)通过比较所有单体的荷电状态值确定超级电容器组中单体荷电状态的最大值SOCmax和最小值SOCmin。
(4)根据超级电容器组当前的工作状态确定其荷电状态值:
若当前超级电容为充电状态,则当前超级电容器组的荷电状态值为SOCmax;若超级电容为放电状态,则当前超级电容器组的荷电状态值为SOCmin。
(5)判断是否停机,若是,则结束,若否,则返回步骤(1)。
Claims (3)
1.一种基于滑模观测器的超级电容器组荷电状态估计方法,其特征在于,该方法包括以下步骤:
(1)实时采集超级电容器组工作时的每一超级电容器单体的充放电电流值和端电压值;
(2)根据步骤(1)中采集的电流和电压值,利用滑模观测器算法估计出每一超级电容器单体的荷电状态值;
(3)通过比较所有单体的荷电状态值确定超级电容器组中单体荷电状态的最大值SOCmax和最小值SOCmin;
(4)根据超级电容器组当前的工作状态确定其荷电状态值;
若当前超级电容为充电状态,则当前超级电容器组的荷电状态值为SOCmax;若超级电容为放电状态,则当前超级电容器组的荷电状态值为SOCmin;
(5)判断是否停机,若是,则结束,若否,则返回步骤(1)。
2.根据权利要求1所述的一种基于滑模观测器的超级电容器组荷电状态估计方法,其特征在于,所述的步骤(2)具体包括以下步骤;
①建立超级电容器单体的等效电路模型,并对模型参数进行辨识;
②根据步骤①中等效电路模型,对超级电容器充电与放电建立不同的状态空间模型,状态空间方程为:
其中,x为状态变量,且将荷电状态作为其中一个状态变量,A、B、C、D为系统矩阵,u=I为系统输入,I为充放电电流,y=U为系统输出,U为端电压;
③根据步骤②中充放电状态空间模型,设计超级电容器充放电荷电状态滑模观测器结构,滑模观测器方程为:
式中,为x的观测值,为y的观测值,k和L为滑模观测器参数;
④根据采集到的每一单体充放电电流和端电压值,利用滑模观测器方程估计超级电容器单体的荷电状态。
3.根据权利要求2所述的一种基于滑模观测器的超级电容器组荷电状态估计方法,其特征在于,所述的对模型参数进行辨识的方法包括最小二乘法、粒子群优化方法或差分进化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310296011.4A CN104297578B (zh) | 2013-07-15 | 2013-07-15 | 基于滑模观测器的超级电容器组荷电状态估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310296011.4A CN104297578B (zh) | 2013-07-15 | 2013-07-15 | 基于滑模观测器的超级电容器组荷电状态估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104297578A true CN104297578A (zh) | 2015-01-21 |
CN104297578B CN104297578B (zh) | 2017-10-24 |
Family
ID=52317383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310296011.4A Active CN104297578B (zh) | 2013-07-15 | 2013-07-15 | 基于滑模观测器的超级电容器组荷电状态估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104297578B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104730386A (zh) * | 2015-03-23 | 2015-06-24 | 大连理工大学 | 一种基于卡尔曼滤波算法的超级电容器荷电状态估算方法 |
CN105607483A (zh) * | 2016-01-27 | 2016-05-25 | 东莞理工学院 | 建立超级电容器动态特性模型及评估其精度的方法 |
CN106773690A (zh) * | 2016-12-16 | 2017-05-31 | 郑州云海信息技术有限公司 | 一种滑模观测器的优化方法及装置 |
CN109888904A (zh) * | 2019-03-15 | 2019-06-14 | 中南大学 | 一种车载超级电容的异步补偿均压装置和控制方法 |
CN110196395A (zh) * | 2018-02-26 | 2019-09-03 | 中国商用飞机有限责任公司 | 蓄电池soc估算方法 |
CN113419113A (zh) * | 2021-06-02 | 2021-09-21 | 中车青岛四方车辆研究所有限公司 | 有轨电车车载超级电容储能系统状态在线识别方法和系统 |
CN113884904A (zh) * | 2021-11-01 | 2022-01-04 | 国网湖南省电力有限公司 | 超级电容器电池的等效电路模型及其参数辨识方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1654974A (zh) * | 2004-02-14 | 2005-08-17 | 通用汽车公司 | 能量存储系统充电状态诊断 |
JP2010071905A (ja) * | 2008-09-22 | 2010-04-02 | Sumitomo Heavy Ind Ltd | 電気二重層キャパシタの静電容量の測定方法及び測定装置 |
EP2246956A1 (en) * | 2008-02-19 | 2010-11-03 | Toyota Jidosha Kabushiki Kaisha | Vehicle and method for estimating charged state of secondary battery |
CN202057733U (zh) * | 2011-04-02 | 2011-11-30 | 迅捷卓越传动系统科技(北京)有限责任公司 | 变桨距系统的超级电容组状态监测系统 |
CN102486529A (zh) * | 2010-12-03 | 2012-06-06 | 上海同沪电气科技股份有限公司 | 一种城轨车辆用串联超级电容器组荷电状态检测方法 |
-
2013
- 2013-07-15 CN CN201310296011.4A patent/CN104297578B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1654974A (zh) * | 2004-02-14 | 2005-08-17 | 通用汽车公司 | 能量存储系统充电状态诊断 |
EP2246956A1 (en) * | 2008-02-19 | 2010-11-03 | Toyota Jidosha Kabushiki Kaisha | Vehicle and method for estimating charged state of secondary battery |
JP2010071905A (ja) * | 2008-09-22 | 2010-04-02 | Sumitomo Heavy Ind Ltd | 電気二重層キャパシタの静電容量の測定方法及び測定装置 |
CN102486529A (zh) * | 2010-12-03 | 2012-06-06 | 上海同沪电气科技股份有限公司 | 一种城轨车辆用串联超级电容器组荷电状态检测方法 |
CN202057733U (zh) * | 2011-04-02 | 2011-11-30 | 迅捷卓越传动系统科技(北京)有限责任公司 | 变桨距系统的超级电容组状态监测系统 |
Non-Patent Citations (2)
Title |
---|
何洪文 等: "基于滑模观测器的锂离子动力电池荷电状态估计", 《吉林大学学报(工学版)》 * |
夏晴: "电动汽车动力电池荷电状态的滑模估计方法", 《东南大学学报(自然科学版)》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104730386A (zh) * | 2015-03-23 | 2015-06-24 | 大连理工大学 | 一种基于卡尔曼滤波算法的超级电容器荷电状态估算方法 |
CN105607483A (zh) * | 2016-01-27 | 2016-05-25 | 东莞理工学院 | 建立超级电容器动态特性模型及评估其精度的方法 |
CN105607483B (zh) * | 2016-01-27 | 2019-11-15 | 东莞理工学院 | 建立超级电容器动态特性模型及评估其精度的方法 |
CN106773690A (zh) * | 2016-12-16 | 2017-05-31 | 郑州云海信息技术有限公司 | 一种滑模观测器的优化方法及装置 |
CN110196395A (zh) * | 2018-02-26 | 2019-09-03 | 中国商用飞机有限责任公司 | 蓄电池soc估算方法 |
CN110196395B (zh) * | 2018-02-26 | 2022-07-12 | 中国商用飞机有限责任公司 | 蓄电池soc估算方法 |
CN109888904A (zh) * | 2019-03-15 | 2019-06-14 | 中南大学 | 一种车载超级电容的异步补偿均压装置和控制方法 |
CN113419113A (zh) * | 2021-06-02 | 2021-09-21 | 中车青岛四方车辆研究所有限公司 | 有轨电车车载超级电容储能系统状态在线识别方法和系统 |
CN113419113B (zh) * | 2021-06-02 | 2022-08-02 | 中车青岛四方车辆研究所有限公司 | 有轨电车车载超级电容储能系统状态在线识别方法和系统 |
CN113884904A (zh) * | 2021-11-01 | 2022-01-04 | 国网湖南省电力有限公司 | 超级电容器电池的等效电路模型及其参数辨识方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104297578B (zh) | 2017-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104297578A (zh) | 基于滑模观测器的超级电容器组荷电状态估计方法 | |
CN103257323B (zh) | 一种锂离子电池剩余可用能量的估计方法 | |
CN103197251B (zh) | 一种动力锂电池二阶rc等效模型的辨识方法 | |
CN103472403B (zh) | 一种基于pngv等效电路模型的动力电池soc复合估计方法 | |
CN103020445B (zh) | 一种电动车车载磷酸铁锂电池的soc与soh预测方法 | |
CN106872899B (zh) | 一种基于降维观测器的动力电池soc估计方法 | |
CN102868000B (zh) | 一种电动汽车动力源均衡方法 | |
CN108790893B (zh) | 一种交流充电桩及充电控制方法 | |
Jiang et al. | Extended Kalman Filter based battery state of charge (SOC) estimation for electric vehicles | |
CN103793605A (zh) | 基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计的方法 | |
CN109557477A (zh) | 一种电池系统健康状态估算方法 | |
CN103529394B (zh) | 一种储能系统容量检测装置及方法 | |
CN102486529B (zh) | 一种城轨车辆用串联超级电容器组荷电状态检测方法 | |
CN105044606B (zh) | 一种基于参数自适应电池模型的soc估计方法 | |
CN104730386A (zh) | 一种基于卡尔曼滤波算法的超级电容器荷电状态估算方法 | |
CN105242212A (zh) | 用于电池梯次利用的磷酸铁锂电池健康状态特征参数提取方法 | |
Sabatier et al. | Fractional models for lithium-ion batteries | |
CN104485474A (zh) | 一种基于一致性指标的纯电动汽车电池组匹配方法 | |
CN104297577A (zh) | 基于超级电容器的老化状态估算检测系统及方法 | |
CN105445665A (zh) | 一种利用卡尔曼滤波预估电池荷电状态的方法 | |
CN103529397A (zh) | 一种估算电池电量的方法及电池电量管理系统 | |
CN107255757A (zh) | 一种基于动态容值修正的超级电容器荷电状态估计方法 | |
CN102608444B (zh) | 一种超级电容储能装置soc检测及修正方法 | |
Huang et al. | Estimating battery pack soc using a cell-to-pack gain updating algorithm | |
CN103439603A (zh) | 一种超级电容储能装置荷电状态检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220728 Address after: 200131 building C, No. 888, Huanhu West 2nd Road, Lingang New District, Pudong New Area, Shanghai Patentee after: Zhiche (Shanghai) Industrial Co.,Ltd. Address before: 200092 Siping Road 1239, Shanghai, Yangpu District Patentee before: TONGJI University |
|
TR01 | Transfer of patent right |