CN110888076B - 星载氢镍蓄电池在轨电压降提取及退化建模方法 - Google Patents
星载氢镍蓄电池在轨电压降提取及退化建模方法 Download PDFInfo
- Publication number
- CN110888076B CN110888076B CN201811033013.3A CN201811033013A CN110888076B CN 110888076 B CN110888076 B CN 110888076B CN 201811033013 A CN201811033013 A CN 201811033013A CN 110888076 B CN110888076 B CN 110888076B
- Authority
- CN
- China
- Prior art keywords
- storage battery
- hydrogen
- nickel
- voltage
- discharge
- 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.)
- Active
Links
Images
Abstract
本发明公开了一种星载氢镍蓄电池在轨电压降提取及退化建模方法,包括以下几个步骤:1.提取氢镍蓄电池放电电压与放电电流;2.建立氢镍蓄电池放电电压与放电电流的关系模型;3.修正氢镍蓄电池放电电压;4.提取氢镍蓄电池单位时间电压降;5.建立氢镍蓄电池电压降退化模型。本发明突破了传统以地面循环寿命试验数据来对星载氢镍蓄电池性能进行分析的局限,充分利用了其在轨遥测数据,提取了可以反映氢镍蓄电池在轨运行性能变化的单位时间电压降作为关键性能参数,并建立其退化模型,实现了对星载氢镍蓄电池在轨性能衰退的良好把握。
Description
一、技术领域
本发明提供一种星载氢镍蓄电池在轨电压降提取及退化建模方法,属于可靠性工程技术领域。
二、背景技术
目前使用最为普遍的航天器电源系统是太阳能电池阵-蓄电池组,其由三部分构成:太阳能电池阵,蓄电池组和电源控制器装置。它在卫星地面测试、主动段飞行、转移轨道及地球同步轨道寿命期内,给卫星的有效载荷舱和服务舱等各个分系统供应电能。可见,星载蓄电池组是卫星正常运行的重要保障,其在轨性能的实时准确掌握以及寿命的准确预测对卫星的可靠性、安全性都是至关重要的。
对于星载氢镍蓄电池而言,目前的寿命预测主要通过地面加速试验或模拟试验来完成,这种试验方法便于实施,但难以充分反映其在轨真实工作状态,因此寿命预测结果的可信性往往受到较大质疑。氢镍蓄电池在轨运行过程中,大量在轨遥测数据包含了丰富的性能和寿命信息,通过对遥测数据的分析,提取能真实反映其性能衰退的关键性能参数,并进行建模分析,可准确的掌握氢镍蓄电池的性能变化。本发明介绍一种从氢镍蓄电池遥测数据中提取单位时间电压降,并对电压降进行建模分析的方法,为科学预测星载氢镍蓄电池寿命的提供技术手段。
三、发明内容
(一)目的
本发明的目的是提供一种星载氢镍蓄电池在轨电压降提取和退化建模方法。针对星载氢镍蓄电池的特点以及其在轨性能退化建模技术的不足,在充分挖掘其在轨遥测数据的基础上,从卫星氢镍蓄电池的失效机理出发,提取反映其在轨性能的单位时间电压降,并建立电压降的性能退化模型,提供一种切实可行的星载氢镍蓄电池性能特征提取和建模方法,为进一步实现其科学准确的寿命预测与验证奠定基础。
(二)技术方案
本发明星载氢镍蓄电池在轨电压降提取和退化建模方法,以卫星在轨运行期间氢镍蓄电池的部分遥测数据为依据,包括采样时间、蓄电池组电压、单体蓄电池电压、充电电流、放电电流、电池温度。
本发明星载氢镍蓄电池在轨电压降提取和退化建模方法,其步骤如下:
步骤1,提取氢镍蓄电池放电电压与放电电流:由于遥测资源的限制,星载氢镍蓄电池的遥测采样时间并不连续,使得遥测的电池电压和电流数据中并不能包括完整的放电过程。因此,首先需要从大量的遥测数据中,辨识电池正好处于阴影区放电的部分数据,并提取处于放电过程的放电电压和放电电流数据。
步骤2,建立氢镍蓄电池放电电压与放电电流的关系模型:在卫星运行过程中,由于执行任务的变化,运行负载的类型和功率也会有所不同,从而导致氢镍蓄电池的放电电流并非一个恒定的值,会时刻根据负载所需功率发生变化。同时,氢镍蓄电池的电压也会逐渐降低,放电电压的变化也并非均匀的,而是与放电电流的大小有紧密的联系。为了在同一标准下提取氢镍蓄电池单位时间电压降,需要建立放电电压与放电电流的关系模型,定量描述放电电压与放电电流的关系,分析放电电流对放电电压的影响。
步骤3,修正氢镍蓄电池放电电压:根据步骤2得到的氢镍蓄电池放电电压与放电电流的关系模型,选择卫星运行过程中的标准放电电流水平,将所有放电电压值修正到该标准放电电流水平下,消除放电电流对放电电压的影响。
步骤4,提取氢镍蓄电池电压降:在长期使用过程中,氢镍蓄电池单体内部不断进行电化学反应,反应过程中出现的电解液迁移、镍电极膨胀、氢气泄漏、电极活性材料的电化学性能降低等现象,会导致蓄电池电性能的逐渐退化。具体表现为,放电过程中,去除负载的因素,相同放电时间的电压降越来越大,即单位时间电压降逐渐升高。然而,由于遥测资源有限,并不能实时对蓄电池的电压进行监测。因此,需在考虑遥测数据时间不连续条件下,进行氢镍蓄电池电压降的提取。
步骤5,建立氢镍蓄电池电压降退化模型:由于受到与太阳的距离及直射角度的影响,以及氢镍蓄电池循环次数的增加,单位时间电压降呈现出明显的周期性和趋势性,采用时间序列分析方法进行建模。
其中,所述的“部分遥测数据”,是指本发明所述的方法并未利用氢镍蓄电池所有遥测数据项,是在下列遥测数据基础上进行的,具体包括有:
(1)采样时间:用于确定氢镍蓄电池处于放电过程的时间以及采样时间间隔;
(2)蓄电池组电压:用于分析蓄电池组的电压变化趋势;
(3)单体蓄电池电压:用于分析单体蓄电池的电压变化趋势;
(4)充电电流:用于辅助判断蓄电池是否正处于放电过程;
(5)放电电流:用于判断蓄电池是否正处于放电过程;
(6)电池温度:用于分析电池表面温度的变化趋势,以判断电池温度是否正常,是否对电池性能造成明显影响。
其中,在步骤1中所述的完整的放电过程:是指卫星从进入阴影区一直到回到光照区的整个期间,这段时间卫星的所有负载工作都由蓄电池组提供电能,是蓄电池组一个完整的放电周期。
其中,在步骤1中所述的辨识电池正好处于阴影区放电的部分数据:是指需要结
合蓄电池组的充电电流和放电电流值识别电池是否正在阴影区放电。定义充电电流、
阈值(接近0),放电电流、阈值(接近0),满足以下条件即表明蓄电池正好处于
阴影区放电:
以上条件剔除了可能存在的光照区期间由于负载功率过高,需要蓄电池辅助放电的情形。
其中,在步骤2中所述的单位时间电压降:是指获取单位采样间隔时间(s)的电压降后,再根据每个放电循环的总时间(卫星处于阴影区时间:30min)转化为每个放电循环的电压降(单位:V/圈)。
其中,在步骤2中所述的放电电压与放电电流的关系模型:是指利用回归分析方法,以放电电压为因变量,放电电流为自变量,建立放电电压与放电电流的线性回归方程。
其中,在步骤3中所述的标准放电电流水平:是指卫星运行过程,执行正常任务时的放电电流。其他执行特殊任务时,放电电流出现明显变化,需根据放电电压与放电电流关系模型,将对应的放电电压变换到该标准放电电流水平。
其中,在步骤5中所述的周期性:是指卫星随地球绕太阳公转,所处的环境温度会呈现以一年为周期的周期性变化。环境温度是影响星载氢镍蓄电池性能的重要因素,从而导致其电压降也呈现出以一年为周期的周期性变化。
其中,在步骤5中所述的趋势性:是指卫星运行过程中,氢镍蓄电池不停地进行充放电循环,其性能会不断下降,具体表现为放出相同电量对应的电池电压降会呈现逐渐升高的趋势。
其中,在步骤5中所述的时间序列分析方法:该方法能很好地描述氢镍蓄电池电压降的趋势性和周期性,具体形式如下:
(三)本发明的优点:
(1)本发明根据星载氢镍蓄电池遥测数据,提取了关键性能特征量-单位时间电压降,该指标具有清晰的物理解释,能很好地反映氢镍蓄电池的在轨运行健康状况,并能按照本发明给出的实施步骤准确提取;
(2)本发明提出的星载氢镍蓄电池电压降提取与建模流程清晰,所引用数据项皆能在遥测收据中便捷地获取,便于实际操作。
四、附图说明
图1为本发明的流程图;
图2为单体氢镍蓄电池放电电压与放电电流的关系图;
图3为单体氢镍蓄电池放电电压与放电电流的模型拟合效果图;
图4为单体氢镍蓄电池电压降变化图;
图5为单体氢镍蓄电池电压降模型拟合效果图。
五、具体实施方式
本发明星载氢镍蓄电池在轨电压降提取及退化建模方法以氢镍蓄电池部分遥测数据为依据,包括采样时间、蓄电池组电压、单体蓄电池电压、充电电流、放电电流、电池温度。各方面信息包含的内容具体如下:
(1)采样时间描述星载氢镍蓄电池遥测数据的采集时间间隔,并确定氢镍蓄电池处于阴影区放电的时间;
(2)蓄电池组电压描述氢镍蓄电池组在轨运行期间电压的变化;
(3)单体蓄电池电压描述单体氢镍蓄电池在轨运行期间电压的变化;
(4)充电电流描述氢镍蓄电池组在轨运行期间充电电流的变化;
(5)放电电流描述氢镍蓄电池组在轨运行期间放电电流的变化;
(6)电池温度描述氢镍蓄电池组在轨运行期间电池表面温度的变化;
如图1所示,本发明星载氢镍蓄电池在轨电压降提取及退化建模方法,其步骤如下:
记录放电的起止采样时间以及每个采样时间点对应的蓄电池组放电电压、单体蓄电池放电电压和放电电流。
步骤2,建立氢镍蓄电池放电电压与放电电流的关系模型:在氢镍蓄电池放电过程中,放电电流随着负载的需求发生变化,放电电流的变化导致放电电压并非单调下降,呈现出波动下降的现象。为消除放电电流对放电电压的影响,建立放电电压与放电电流的关系模型。经分析,提取其中一个单体蓄电池放电电压随放电电流的关系图如图2所示。由此可见,放电电压与放电电流呈现明显的线性关系,建立两者的模型如下:
步骤3,修正氢镍蓄电池放电电压:根据氢镍蓄电池放电电压与放电电流关系模型,对放电电压进行修正,从而消除放电电流的影响,修正方程为
步骤4,提取氢镍蓄电池电压降:在卫星运行过程中,氢镍蓄电池的充放电交替进行,每个放电区间的遥测数据个数不等。以某型低轨卫星为例,每天大约绕地球运行15圈,为了有效利用数据,电压降定义为单体氢镍蓄电池在每个放电循环下降的电压值。具体计算方法是,将每个放电区间的数据提取出来,分别进行线性回归,得到单位采样间隔时间的电压降,再根据每个放电循环的总时间(约30min)转化为每个放电循环的电压降(单位:V/圈)。
步骤5,建立氢镍蓄电池电压降退化模型:由于受到与太阳的距离及直射角度的影响,电压降具有明显的趋势性和周期性,采用时间序列分析方法建模:
随着循环次数的增加,氢镍蓄电池的性能会不断下降,而在每个放电循环中,若不考虑特殊任务的执行,所放出的电量基本一致,为了保证每个循环负载工作性能不受影响,电压降会逐渐升高,使用如下线性模型描述:
由于卫星随地球绕太阳公转,其环境温度会呈现以一年为周期的周期性变化。环境温度影响星载氢镍蓄电池性能的重要因素,从而导致其电压降也呈现出以一年为周期的周期性变化。这种周期性用一阶傅里叶级数来描述:
综上,建立星载氢镍蓄电池电压降性能退化模型如下:
兹举实施案例如下:
本案例以某型低轨卫星氢镍蓄电池为例,陈述本发明星载氢镍蓄电池在轨电压降提取及退化建模方法的应用。
本案例氢镍蓄电池遥测数据基本信息如下:
采样时间段:2010年4月27日-2014年5月9日;
采样间隔:2s;
氢镍蓄电池组容量:70Ah,由18个单体蓄电池串联组成。
以其中1-4号单体蓄电池为例给出分析过程。提取采样期间,1号单体蓄电池放电电压与放电电流如图2所示,其他3个单体蓄电池类似。
利用线性回归方法分别建立1-4号单体蓄电池放电电压与放电电流的关系模型,并估计模型参数为
模型拟合效果如图3所示。
按照放电电压与放电电流关系模型修正放电电压,并提取1-4号单体蓄电池电压降如图4所示。
利用最小二乘法估计退化模型参数为
模型拟合效果如图5所示。
Claims (6)
1.星载氢镍蓄电池在轨电压降提取和退化建模方法,该方法是以卫星在轨运行期间氢镍蓄电池的部分遥测数据为依据,包括采样时间、蓄电池组电压、单体蓄电池电压、充电电流、放电电流、电池温度;所述采样时间为确定氢镍蓄电池处于放电过程的时间以及采样时间间隔;其特征在于:该方法的具体步骤如下:
步骤1,提取氢镍蓄电池放电电压与放电电流:根据遥测的蓄电池电压和电流数据中并不能包括完整的放电过程的特点,依据采样时间、充电电流和放电电流,从大量的遥测数据中,辨识蓄电池正好处于阴影区放电的部分数据,并提取处于放电过程的放电电压和放电电流数据;
步骤2,建立氢镍蓄电池放电电压与放电电流的关系模型:通过分析卫星运行过程中,氢镍蓄电池放电电压和放电电流的变化特性,建立放电电压与放电电流的关系模型,定量描述放电电压与放电电流的关系,分析放电电流对放电电压的影响;
步骤3,修正氢镍蓄电池放电电压:根据步骤2得到的氢镍蓄电池放电电压与放电电流的关系模型,选择卫星运行过程中的标准放电电流水平,将所有放电电压值修正到该标准放电电流水平下,消除放电电流对放电电压的影响;
步骤4,提取氢镍蓄电池电压降:根据氢镍蓄电池的性能退化特性,放电过程中,去除负载的因素,相同放电时间的电压降越来越大,即单位时间电压降逐渐升高, 通过对所提取放电过程中的放电电压建模,获取单位采样时间的电压降,并进一步转化为每个放电循环的电压降;
步骤5,建立氢镍蓄电池电压降退化模型:考虑受到与太阳的距离及直射角度的影响,以及氢镍蓄电池循环次数的增加,单位时间电压降呈现出明显的周期性和趋势性,采用时间序列分析方法进行建模;
ΔVd=fT(t)+fP(t)+ε(t)
其中,ΔVd为氢镍蓄电池单位时间电压降,fT(t)为模型趋势项,fP(t)为模型周期项,ε(t)为模型误差;
(1)趋势性:是指卫星运行过程中,氢镍蓄电池不停地进行充放电循环,其性能会不断下降,具体表现为放出相同电量对应的电池电压降会呈现逐渐升高的趋势,用线性模型描述:
fT(t)=β0×t+β1
其中,β0、β1为模型参数;
(2)周期性:是指卫星随地球绕太阳公转,所处的环境温度会呈现以一年为周期的周期性变化;环境温度是影响星载氢镍蓄电池性能的重要因素,从而导致其电压降也呈现出以一年为周期的周期性变化;电压降的周期性用一阶傅里叶级数来描述:
其中,电压降的变化周期为一年氢镍蓄电池的循环次数,即T=365×15,参数β2和θ作为模型参数进行估计;
(3)星载氢镍蓄电池电压降性能退化模型如下:
利用最小二乘估计方法,获取模型参数β0、β1、β2、θ。
2.根据权利要求1所述的星载氢镍蓄电池在轨电压降提取和退化建模方法,其特征在于:所述的“部分遥测数据”包括:(1)采样时间:用于确定氢镍蓄电池处于放电过程的时间以及采样时间间隔;(2)蓄电池组电压:用于分析蓄电池组的电压变化趋势;(3)单体蓄电池电压:用于分析单体蓄电池的电压变化趋势;(4)充电电流:用于辅助判断蓄电池是否正处于放电过程;(5)放电电流:用于判断蓄电池是否正处于放电过程;(6)电池温度:用于分析电池表面温度的变化趋势,以判断电池温度是否正常,是否对电池性能造成明显影响。
3.根据权利要求1所述的星载氢镍蓄电池在轨电压降提取和退化建模方法,其特征在于:在步骤1中所述的辨识电池正好处于阴影区放电的部分数据:是指需要结合蓄电池组的充电电流和放电电流值识别电池是否正在阴影区放电, 具体方法是,定义充电电流ICHG、阈值εCHG,放电电流IDSG、阈值εDSG,满足以下条件即表明蓄电池正好处于阴影区放电:
ICHG≤εCHG且IDSG>εDSG
以上条件剔除了可能存在的光照区期间由于负载功率过高,需要蓄电池辅助放电的情形。
4.根据权利要求1所述的星载氢镍蓄电池在轨电压降提取和退化建模方法,其特征在于:在步骤2中所述的放电电压与放电电流的关系模型:是指利用回归分析方法,以放电电压为因变量,放电电流为自变量,建立放电电压与放电电流的线性回归方程;具体如下:
Vd=a·Id+b
其中,Vd为放电电压,Id为放电电流,a、b为模型参数。
6.根据权利要求1所述的星载氢镍蓄电池在轨电压降提取和退化建模方法,其特征在于:在步骤4中所述的单位时间电压降:是指获取单位采样间隔时间(s)的电压降后,再根据每个放电循环的总时间转化为每个放电循环的电压降。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811033013.3A CN110888076B (zh) | 2018-09-05 | 2018-09-05 | 星载氢镍蓄电池在轨电压降提取及退化建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811033013.3A CN110888076B (zh) | 2018-09-05 | 2018-09-05 | 星载氢镍蓄电池在轨电压降提取及退化建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110888076A CN110888076A (zh) | 2020-03-17 |
CN110888076B true CN110888076B (zh) | 2020-12-11 |
Family
ID=69744268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811033013.3A Active CN110888076B (zh) | 2018-09-05 | 2018-09-05 | 星载氢镍蓄电池在轨电压降提取及退化建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110888076B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111190113B (zh) * | 2020-04-15 | 2020-07-07 | 中国人民解放军国防科技大学 | 一种航天器蓄电池性能衰退异常检测方法 |
CN111257760A (zh) * | 2020-05-06 | 2020-06-09 | 长沙德壹科技有限公司 | 一种蓄电池容量核定方法及装置 |
CN112731156B (zh) * | 2020-12-10 | 2023-07-25 | 中国西安卫星测控中心 | 卫星蓄电池电流数据异常参数移除方法及装置 |
CN112731165B (zh) * | 2020-12-10 | 2023-10-24 | 中国西安卫星测控中心 | 卫星蓄电池电流数据异常类型识别方法及装置 |
CN114200311B (zh) * | 2021-12-10 | 2023-05-16 | 中国西安卫星测控中心 | 一种基于遥测数据的geo卫星氢镍蓄电池在轨性能分析方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014132332A1 (ja) * | 2013-02-26 | 2014-09-04 | 株式会社 日立製作所 | 劣化推定装置及び劣化推定方法 |
CN104852686A (zh) * | 2015-05-27 | 2015-08-19 | 中国人民解放军国防科学技术大学 | 一种基于电流衰减的太阳能电池寿命预测方法 |
CN106569138A (zh) * | 2016-10-21 | 2017-04-19 | 北京空间飞行器总体设计部 | 一种基于性能退化的卫星小子样镉镍蓄电池寿命预测方法 |
CN106908733B (zh) * | 2017-02-09 | 2019-07-12 | 北京空间飞行器总体设计部 | 一种卫星蓄电池产品在轨性能分析方法 |
-
2018
- 2018-09-05 CN CN201811033013.3A patent/CN110888076B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110888076A (zh) | 2020-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110888076B (zh) | 星载氢镍蓄电池在轨电压降提取及退化建模方法 | |
Eddahech et al. | Behavior and state-of-health monitoring of Li-ion batteries using impedance spectroscopy and recurrent neural networks | |
US8340934B2 (en) | Method of performance analysis for VRLA battery | |
CN102662148B (zh) | 在线反馈式蓄电池soc预测方法 | |
Zhu et al. | A simplified equivalent circuit model for simulation of Pb–acid batteries at load for energy storage application | |
CN109991548A (zh) | 一种ocv-soc标定实验方法、电池等效模型参数辨识方法及soc估算方法 | |
CN106093778A (zh) | 电池状态预测方法及系统 | |
Hussein | Adaptive artificial neural network-based models for instantaneous power estimation enhancement in electric vehicles’ Li-ion batteries | |
CN104569844A (zh) | 阀控密封式铅酸蓄电池健康状态监测方法 | |
CN102749497A (zh) | 卫星太阳电池阵电流输出预测及故障诊断方法 | |
CN110007237A (zh) | 一种铝空气电池放电特性实验测试系统及其方法 | |
US7489107B2 (en) | Optimal battery charging for damage mitigation | |
CN109061521A (zh) | 蓄电池组荷电状态计算方法及系统 | |
CN105203968A (zh) | 一种铅酸蓄电池剩余电量的在线测量系统 | |
CN112068000A (zh) | 一种考虑动力电池耐久性影响的峰值功率预测方法 | |
CN112763916B (zh) | 一种空间用锂离子电池组未来工况预测方法 | |
Ausswamaykin et al. | Design of real time battery management unit for PV-hybrid system by application of Coulomb counting method | |
CN117054892B (zh) | 一种储能电站电池健康状态的评估方法、装置及管理方法 | |
CN1879251B (zh) | 电池浮充管理 | |
Mariani et al. | Simple and effective OCV prediction mechanism for VRLA battery systems | |
Yu et al. | Reliability evaluation and in-orbit residual life prediction for satellite lithium-ion batteries | |
CN105487017B (zh) | 一种变电站ups用阀控式密封铅酸蓄电池状态估计与预测方法 | |
CN116819364A (zh) | 电池健康度的确定方法、应用方法、电子设备及存储介质 | |
Rodrigues et al. | Comparison of battery models for energy storage applications on insular grids | |
CN115754729A (zh) | 一种低轨卫星锌镍蓄电池在轨寿命预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: On orbit voltage drop extraction and degradation modeling method of spaceborne Ni MH battery Effective date of registration: 20211008 Granted publication date: 20201211 Pledgee: Bank of Changsha Co.,Ltd. Yinde sub branch Pledgor: Hunan gingko Reliability Technology Research Institute Co.,Ltd. Registration number: Y2021980010281 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |