CN114280376A - 一种超级电容的等效电路模型及构建方法 - Google Patents
一种超级电容的等效电路模型及构建方法 Download PDFInfo
- Publication number
- CN114280376A CN114280376A CN202111490611.5A CN202111490611A CN114280376A CN 114280376 A CN114280376 A CN 114280376A CN 202111490611 A CN202111490611 A CN 202111490611A CN 114280376 A CN114280376 A CN 114280376A
- Authority
- CN
- China
- Prior art keywords
- super capacitor
- internal resistance
- voltage
- equivalent circuit
- charging
- 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.)
- Pending
Links
- 239000003990 capacitor Substances 0.000 title claims abstract description 131
- 238000010276 construction Methods 0.000 title abstract description 7
- 238000007600 charging Methods 0.000 claims abstract description 73
- 238000007599 discharging Methods 0.000 claims abstract description 65
- 238000012360 testing method Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims description 44
- 230000010287 polarization Effects 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 9
- 238000002474 experimental method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 7
- 238000004836 empirical method Methods 0.000 claims description 5
- 230000032683 aging Effects 0.000 claims description 3
- 238000010277 constant-current charging Methods 0.000 claims description 3
- 230000021715 photosynthesis, light harvesting Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000000979 retarding effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000010278 pulse charging Methods 0.000 description 1
Images
Landscapes
- Secondary Cells (AREA)
Abstract
本发明公开了一种超级电容的等效电路模型,涉及电池管理系统技术领域,包括超级电容、内阻开关控制模块、非线性等效电路模型模块、端电压模块和迟滞电压补偿模块,并依次串联连接。本发明公开了一种超级电容的等效电路模型构建方法,包括S100、充电放电测试,S200、参数辨识,S300、实际工况参数验证。能够准确的拟合超级电容的充电放电特性,解决了现有的超级电容模型由于精度低和实时性差导致的SOC估计误差较大的问题。
Description
技术领域
本发明涉及电池管理系统技术领域,尤其涉及一种超级电容的等效电路模型及构建方法。
背景技术
超级电容作为一种新的储能装置,被广泛应用于太阳能和风能发电储能系统、新能源汽车等领域。
如同传统燃油车的油表,新能源汽车也需要给予使用者剩余里程或剩余电量等信息,且剩余电量或里程信息的准确性也会给使用者提供便利,减少了行驶过程中的里程焦虑,还能尽量避免超级电容的过充过放等影响寿命的行为。新能源汽车中的“油表”需要通过监测到的超级电容输出电流与电压等数据实现对剩余电量的估计,这个过程就是荷电状态(State of Charge,SOC)估计。为了得到剩余行驶里程信息,需要建立汽车使用的超级电容模型,这个模型模拟了超级电容在为汽车提供动力及充电时的特性,通过算法对模型计算可以近似得到剩余里程。对汽车“油量”信息的计算准确性与所建立模型的准确程度有很大相关性,需要模型全面精确的反映超级电容的充电放电行为。影响超级电容模型精度的因素有多种,其中内阻控制与迟滞电压补偿具有较明显的作用。电池模型中的等效电路模型因其复杂度适中且具有较高精确度,常被用作超级电容模型。本发明提供一种高精度的超级电容的等效电路模型,具有实际意义。
中国专利授权号CN107677892B,公告日2019.8.23,公开了一种超级电容的等效电路模型结构及验证方法。等效电路模型结构主要由受控电流源、虚拟开关、快速电阻、慢速电阻、漏电电阻、可变电容、固定电容等元件组成。该专利技术存在缺点,模型未对开路电压迟滞效应进行补偿,这将导致SOC估计中产生更多误差;固定电阻不能精确模拟在超级电容充电放电过程中的内阻变化。
中国专利授权号CN110208704B,公告日2021.8.6,公开了一种基于电压滞后效应的锂电池建模方法和系统。该专利技术存在缺点,在不同倍率电流放电实验时皆采用同一种内阻-SOC函数,这将导致在电流大小不同时内阻与实际值的偏差较大,影响模型精度。
因此,本领域的技术人员致力于开发一种储能电池的等效电路模型及构建方法。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是开路电压迟滞效应和忽略了不同电流充电放电时内阻变化不同而产生的误差。
本发明的一个实施例中,提供了一种超级电容的等效电路模型,含内阻控制与迟滞补偿的等效电路模型结构,包括:
超级电容,提供电池的电压及容量;
内阻开关控制模块,提供精确的内阻变化规律以提高模型精度;
非线性等效电路模型模块,模拟超级电容的老化、极化;
端电压模块,连接超级电容与外部,保证超级电容充电放电;
迟滞电压补偿模块,由状态方程预测,利用电压装置对迟滞电压在电路中进行补偿,减少对模型精度造成的影响;
超级电容、内阻开关控制模块、非线性等效电路模型模块、端电压模块和迟滞补偿模块依次串联连接。
进一步地,在上述实施例中的超级电容的等效电路模型中,电压关系如为:
UOC=Uter+U1+UH+UC0+U0 (1)
其中UOC为超级电容的等效电路模型的开路电压,Uter为端电压,U1为极化电阻R1和极化电容C1并联部分两端电压,UH为迟滞电压,UC0为积分电容两端电压,U0为内阻开关控制模块电压。
可选地,在上述任一实施例中的超级电容的等效电路模型中,端电压模块为负载时,为放电模式,电流从超级电容的正极流向负极;端电压模块为电源时,为充电模式,电流从电源正极流向负极。
发明人在对超级电容模型进行具体研究前,获取了SOC与开路电压(Open circuitvoltage,OCV)关系函数。在SOC的整个范围内,对应SOC处充电时开路电压高于放电时开路电压。这是因为内阻在充电时电压叠加到开路电压,而放电时相反的减少开路电压,通过静置就可使充电、放电开路电压趋近,可发现迟滞电压是真实存在的。
进一步地,在上述任一实施例中的超级电容的等效电路模型中,充电放电开路电压取平均值时的SOC-OCV函数关系为:
其中OCVc为充电开路电压,OCVd为放电开路电压,OCVa为平均开路电压。
进一步地,在上述实施例中的超级电容的等效电路模型中,内阻开关控制模块包括开关S、初始内阻R0、小电流幅值补偿内阻Rcd,大电流幅值充电补偿内阻Rc、大电流幅值放电补偿内阻Rd,初始内阻R0、小电流幅值补偿内阻Rcd,大电流幅值充电补偿内阻Rc、大电流幅值放电补偿内阻Rd并联连接,由开关S选择补偿内阻实现内阻的精确控制。
进一步地,在上述实施例中的超级电容的等效电路模型中,内阻开关控制模块在小电流充电状态和小电流放电状态、大电流充电状态和大电流放电状态时分别选择用初始内阻R0并联小电流幅值补偿内阻Rcd、大电流幅值充电补偿内阻Rc、大电流幅值放电补偿内阻Rd调节,按照当前时刻SOC查表配置内阻,充电时内阻逐渐减小,放电时内阻逐渐增大,设置初始内阻R0电阻值高于超级电容额定内阻。
进一步地,在上述实施例中的超级电容的等效电路模型中,小电流充电状态和小电流放电状态,并联电阻R0与Rcd关系为:
大电流充电状态,并联电阻R0与Rc关系为:
Rc变化范围为:
大电流放电状态,并联电阻R0与Rd关系为:
Rd变化范围为:
其中,a、x为常数。
发明人分析,由于开路电压的迟滞效应,即在实时充电放电时同一SOC对应两个开路电压,不符合OCV-SOC函数一一对应关系,影响OCV-SOC关系的准确性。对迟滞电压的补偿是通过在超级电容的等效电路模型中增加迟滞电压补偿模块,迟滞电压补偿模块受到电流及SOC的影响。
进一步地,在上述实施例中的超级电容的等效电路模型中,迟滞电压补偿模块包括电流继电器KA1,迟滞电阻Rh,迟滞电容Ch,Ch为固定值,电压源,产生双向电流,表示充电和放电,热补偿电阻Rhh,热补偿电阻在迟滞电压补偿模块结构电路总回路中电流大于超级电容产品规定的额定充电放电电流时产生作用,补偿因为大电流充电放电时热功率导致的能量耗散对迟滞电压补偿产生的数值误差,sgn(I)G为电压源,上述各元件为串联连接,继电器触点选择热补偿电阻或不连接任何元件。该电路中的迟滞电压与SOC关系为:
时域中迟滞电压补偿模块的状态方程:
其中,α为常数,τh为时间常数。
可选地,在上述任一实施例中的超级电容的等效电路模型中,非线性等效电路模型模块包括积分电容C0、极化电阻R1、极化电容C1,极化电阻R1、极化电容C1并联形成一个电阻电容并联环节,积分电容C0与RC串联。
进一步地,在上述实施例中的超级电容的等效电路模型中,非线性等效电路模型模块开路电压与SOC间函数关系:
其中OCVk和SOCk为k时刻开路电压与SOC,r1、r2、r3、r4、r5为常实数系数。
进一步地,在上述实施例中的超级电容的等效电路模型中,时域电流电压间关系如下:
UOC=Uter+U1(t)+UH(t)+UC0(t)+U0 (16)
U0=IL(t)*R (18)
其中,设内阻开关控制模块总内阻为R,
经过拉氏变换后传递函数为:
作双线性变换离散化传递函数:
其中,a、b、c、d、e是含R、C0、R1、C1的关系式:
进一步地,在上述实施例中的超级电容的等效电路模型中,状态空间函数为:
Uter=UOC-U0-UC0-U1+UH (28)。
基于上述实施例,本发明的另一个实施例中,提供了一种超级电容的等效电路模型构建方法,包括如下步骤:
S100、充电放电测试,超级电容在线性工作范围内充电和放电,在占空比D、恒流I下对超级电容进行恒流充电放电试验,获取在SOC整个范围中采样点处的开路电压,得到开路电压与SOC的函数关系,将SOC、电流I、端电压U输入超级电容的等效电路模型,设计SOC变化策略以进行相应的充电放电实验;
S200、参数辨识,使用最小二乘法、拟合及经验方法对超级电容的等效电路模型参数进行辨识,输入是通过测试试验得到的电流和电压的采样数据,而后输入辨识后的元件参数;
S300、实际工况参数验证,将得到的动态参数配置到超级电容的等效电路模型中,选择部分车辆行驶中的实际工况进行测试,验证模型参数的准确性,并使之适用于实际新能源车辆超级电容电池管理系统。
可选地,在上述实施例中的超级电容的种等效电路模型构建方法中,步骤S100还包括:
S110、保持恒温时,在输入的占空比D与电流I下进行充电放电,在负载或电源运行过程中电压发生变化,当充电放电结束瞬间端电压会发生瞬时变化然后缓慢变化至稳态,取采样点记录开路电压及SOC实验数据;
S120、当超级电容充电放电结束后将其静置一段时间至端电压稳定,记录此值为当前SOC时的开路电压,继续充电放电测试实验并保存所有SOC及开路电压的对应数据;
S130、利用记录的数据拟合SOC-开路电压函数,使用5次多项式拟合方法获得SOC-开路电压曲线,研究迟滞电压的规律。
可选地,在上述任一实施例中的超级电容的种等效电路模型构建方法中,步骤S200还包括:
S210、利用已有的实验数据,对离散化后的非线性等效电路模型模块传递函数使用递推最小二乘法计算非线性等效电路模型模块中的元件参数,包括公式(21)~(26),解方程组后得到C0、R1、C1的参数值;
S220、在仿真模型中使用经验法调参及拟合法获得初始内阻R0、大电流幅值补偿内阻与小电流幅值补偿内阻Rc、Rd、Rcd及热补偿电阻Rhh参数,对超级电容进行恒流I的充电放电,选取采样点在不同SOC处对模型中内阻开关控制模块及迟滞电压补偿模块的电阻值Rc、Rd、Rcd、Rh、Rhh进行参数调整,得到不同SOC处对应的最佳参数值,最后对多点参数结果拟合得到动态参数辨识结果,R0是固定参数,通过经验法获得。
可选地,在上述任一实施例中的超级电容的种等效电路模型构建方法中,步骤S300还包括:
S310、在实际工况中对比验证使用本发明内阻开关控制模块与未使用内阻开关控制模块的最大误差及均方根误差;
S320、在实际工况中对比验证使用本发明迟滞电压补偿模块与未使用迟滞电压补偿模块的最大误差及均方根误差。
本发明提供了一种超级电容的含内阻控制与迟滞补偿的等效电路模型及构建方法。首先设计了科学可行有效的脉冲充电放电测试试验,获得超级电容在恒温条件下的电流和电压数据,得到了开路电压和SOC间的函数关系。然后分析确定了开路电压的迟滞效应,在充电放电时确定不同电流内阻与SOC关系差异,分段拟合内阻变化趋势;再建立内阻开关控制模块、迟滞电压补偿模块和非线性等效电路模型模块并将三者进一步融合成超级电容的等效电路模型。内阻开关控制模块用开关分段了不同电流充电放电时不同的内阻-SOC关系,增强了在工程上的可用性,减少了在实时运行中的计算难度。迟滞电压补偿模块用一阶状态方程补偿开路电压的迟滞效应,本发明能减少其带来的模型误差。非线性等效电路模型模块为PNGV模型。
本发明综合了内阻开关控制模块和迟滞电压补偿模块的等效电路模型,提高了模型精度,有效提高基于模型的SOC估计精度。本发明能够准确的拟合超级电容的充电放电特性,解决了现有的超级电容模型由于精度低和实时性差导致的SOC估计误差较大的问题;避免因过充过放等问题而影响超级电容使用寿命;保障了超级电容的等效电路模型的精度;能够为基于模型的SOC估计提供更精确的信息。因此本发明有助于开发电池管理系统中SOC估计的高级算法,进一步提高BMS的性能。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1是图示根据示例性实施例的超级电容的等效电路模型结构示意图;
图2是图示根据示例性实施例的超级电容的等效电路模型构建方法流程图;
图3是图示根据示例性实施例的迟滞电压补偿模块结构图;
图4是图示根据示例性实施例的超级电容的等效电路模型的非线性等效电路模型原理图;
图5是图示根据示例性实施例的超级电容的等效电路模型的充电放电测试SOC变化策略图。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例,使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现,本发明的保护范围并非仅限于文中提到的实施例。
在附图中,结构相同的部件以相同数字标号表示,各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的,本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰,附图中有些地方示意性地适当夸大了部件的厚度。
发明人设计了一种超级电容的等效电路模型,含内阻控制与迟滞补偿的等效电路模型结构,如图1所示,包括。
超级电容,提供电池的电压及容量。
内阻开关控制模块,提供一个精确的内阻变化规律以提高模型精度;内阻开关控制模块包括开关S、初始内阻R0、小电流幅值补偿内阻Rcd,大电流幅值充电补偿内阻Rc、大电流幅值放电补偿内阻Rd,初始内阻R0、小电流幅值补偿内阻Rcd,大电流幅值充电补偿内阻Rc、大电流幅值放电补偿内阻Rd并联连接,由开关S选择补偿内阻实现内阻的精确控制;内阻开关控制模块在小电流充电状态和小电流放电状态、大电流充电状态和大电流放电状态时分别选择用初始内阻R0并联小电流幅值补偿内阻Rcd、大电流幅值充电补偿内阻Rc、大电流幅值放电补偿内阻Rd调节,按照当前时刻SOC查表配置内阻,充电时内阻逐渐减小,放电时内阻逐渐增大,设置初始内阻R0电阻值高于超级电容额定内阻;小电流充电状态和小电流放电状态,并联电阻R0与Rcd关系为:
大电流充电状态,并联电阻R0与Rc关系为:
Rc变化范围为:
大电流放电状态,并联电阻R0与Rd关系为:
Rd变化范围为:
其中,a、x为常数。
非线性等效电路模型模块,模拟超级电容的老化、极化,如图4所示其元件包括积分电容C0、极化电阻R1、极化电容C1,极化电阻R1、极化电容C1并联形成一个电阻电容并联环节,积分电容C0与RC串联;非线性等效电路模型开路电压与SOC间函数关系:
其中OCVk和SOCk为k时刻开路电压与SOC,r1、r2、r3、r4、r5为常实数系数。
端电压模块,连接超级电容与外部,保证超级电容充电和放电;端电压模块为负载时,为放电模式,电流从超级电容的正极流向负极;端电压模块为电源时,为充电模式,电流从电源正极流向负极。
迟滞电压补偿模块,由状态方程预测,利用电压装置对迟滞电压在电路中进行补偿,减少对模型精度造成的影响;迟滞电压补偿模块包括电流继电器KA1,迟滞电阻Rh,迟滞电容Ch,Ch为固定值,电压源,产生双向电流,表示充电和放电,热补偿电阻Rhh,热补偿电阻在图3电路总回路中电流大于超级电容产品规定的额定充电放电电流时产生作用,补偿因为大电流充电放电时热功率导致的能量耗散对迟滞电压补偿产生的数值误差,sgn(I)G为电压源,上述各元件为串联连接,继电器触点选择热补偿电阻或不连接任何元件。该电路中的迟滞电压与SOC关系为:
时域中迟滞电压补偿模块的状态方程:
其中,α为常数,τh为时间常数。
超级电容、内阻开关控制模块、非线性等效电路模型模块、端电压模块和迟滞补偿模块依次串联连接。电压关系如为:
UoC=Uter+U1+UH+UC0+U0 (1)
其中UOC为超级电容的等效电路模型的开路电压,Uter为端电压,U1为极化电阻R1和极化电容C1并联部分两端电压,UH为迟滞电压,UC0为积分电容两端电压,U0为内阻开关控制模块电压;充电、放电开路电压取平均值时的SOC-OCV函数关系为:
其中OCVc为充电开路电压,OCVd为放电开路电压,OCVa为平均开路电压。电流电压间关系如下:
UOC=Uter+U1(t)+UH(t)+UC0(t)+U0 (16)
U0=IL(t)*R (18)
其中,设内阻开关控制模块总内阻为R,
经过拉氏变换后传递函数为:
作双线性变换离散化传递函数:
其中,a、b、c、d、e是含R、C0、R1、C1的关系式:
进一步地,在上述实施例中的超级电容的等效电路模型中,状态空间函数为:
Uter=UOC-U0-UC0-U1+UH (28)。
基于上述实施例,本发明的另一个实施例中,发明人提供了一种超级电容的等效电路模型构建方法,如图2所示,包括如下步骤:
S100、充电放电测试,选择额定容量为17Ah的超级电容,在线性工作范围内充电和放电,在占空比D、恒流I下对超级电容进行恒流充电放电试验,获取在SOC整个范围中采样点处的开路电压,得到开路电压与SOC的函数关系,将SOC、电流I、端电压U输入超级电容的等效电路模型;如图5所示,设计三种不同形式的SOC变化策略,横坐标为时间,每66min作为一个单位,纵坐标为SOC,图中散点为容量变化10%时的点;具体包括:
S110、保持恒温时,在输入的占空比D与电流I下进行充电放电,在负载或电源运行过程中电压发生变化,当充电放电结束瞬间端电压会发生瞬时变化然后缓慢变化至稳态;具体地,对满电的超级电容以占空比D=9.1%按照如图5所示的SOC变化策略进行电流为1C的充电放电实验,即每放电6min,即容量变化10%后静置超级电容60min使充电放电停止时开路电压发生瞬时变化后静置至稳态;
S120、当超级电容充电放电结束后将其静置一段时间至端电压稳定,记录此值为当前SOC时的开路电压,继续充电放电测试实验并保存所有SOC及开路电压的对应数据;
S130、利用记录的数据拟合SOC-开路电压函数,使用5次多项式拟合方法获得SOC-开路电压曲线,研究迟滞电压的规律。
S200、参数辨识,使用最小二乘法、拟合及经验方法对超级电容的等效电路模型参数进行辨识,参数辨识过程中的输入是通过测试实验得到的电流和电压的采样数据,而后输出辨识后的元件参数;具体包括:
S210、利用已有的实验数据,对离散化后的非线性等效电路模型传递函数使用递推最小二乘法计算非线性等效电路模块中的元件参数,包括公式式(21)~(26),解方程组后得到C0、R1、C1的参数值;
S220、在仿真模型中使用经验法调参及拟合法获得初始内阻R0、大电流幅值补偿内阻与小电流幅值补偿内阻Rc、Rd、Rcd及热补偿电阻Rhh参数,具体地,对超级电容进行电流为1C的充电放电,且容量每变化10%时在当前SOC处对模型中内阻开关控制模块及迟滞电压补偿模块的电阻值Rc、Rd、Rcd、Rh、Rhh进行参数调整,得到当前最佳参数值,最后对这些点的参数结果拟合得到最终的动态参数辨识结果,R0是固定参数,通过经验法获得。
S300、实际工况参数验证,将得到的动态参数配置到超级电容的等效电路模型中,选择部分车辆行驶中的实际工况进行测试,设置测试时时间和步长与采样数据一致,评估综合模型的电压估计结果;具体包括:
S310、利用步骤S100与参数辨识的数据对内阻开关控制模块进行测试,展示开关连接到小电流充电放电时内阻与未使用本发明内阻开关控制模块得到的结果对比,最终使用内阻开关控制模块将均方根误差与最大误差分别减小了1.35%与4.37%;
S320、对迟滞电压补偿模块进行测试,在Rh、Ch和Rhh经过经验法调参及拟合法获取参数值后,最终,使用迟滞电压补偿模块的超级电容的等效电路模型将均方根误差与最大误差分别减小了0.98%与1.53%。
经过试验得到本实施例的具体性能如下表1、表2所示(RMSE为均方根误差):
表1有/无内阻开关控制模块端电压误差
表2有/无迟滞电压补偿模块端电压误差
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种超级电容的等效电路模型,其特征在于,包括:
超级电容,提供电池的电压及容量;
内阻开关控制模块,提供精确的内阻变化规律以提高所述超级电容的等效电路模型精度;
非线性等效电路模型模块,模拟所述超级电容的老化、极化;
端电压模块,连接所述超级电容与外部,保证所述超级电容充电放电;
迟滞电压补偿模块,由状态方程预测,利用电压装置对迟滞电压在电路中进行补偿,减少对所述模型精度造成的影响;
所述超级电容、所述内阻开关控制模块、所述非线性等效电路模型模块、所述端电压模块和所述迟滞补偿模块依次串联连接。
2.如权利要求1所述的超级电容的等效电路模型,其特征在于,所述模型电压关系如为:
UOC=Uter+U1+UH+UC0+U0 (1)。
3.如权利要求2所述的超级电容的等效电路模型,其特征在于,所述端电压模块为负载时,为放电模式,电流从所述超级电容的正极流向负极;所述端电压模块为电源时,为充电模式,电流从所述电源正极流向负极。
4.如权利要求3所述的超级电容的等效电路模型,其特征在于,所述内阻开关控制模块包括开关S、初始内阻R0、小电流幅值补偿内阻Rcd,大电流幅值充电补偿内阻Rc、大电流幅值放电补偿内阻Rd,初始内阻R0、小电流幅值补偿内阻Rcd,大电流幅值充电补偿内阻Rc、大电流幅值放电补偿内阻Rd并联连接,由开关S选择补偿内阻实现内阻的精确控制。
5.如权利要求4所述的超级电容的等效电路模型,其特征在于,所述内阻开关控制模块在小电流充电状态和小电流放电状态、大电流充电状态和大电流放电状态时分别选择用所述初始内阻R0并联所述小电流幅值补偿内阻Rcd、所述大电流幅值充电补偿内阻Rc、所述大电流幅值放电补偿内阻Rd调节,按照当前时刻SOC查表配置内阻,充电时内阻逐渐减小,放电时内阻逐渐增大,设置所述初始内阻R0电阻值高于所述超级电容额定内阻。
6.如权利要求5所述的超级电容的等效电路模型,其特征在于,所述滞电压补偿模块包括电流继电器KA1、迟滞电阻Rh、迟滞电容Ch、电压源、热补偿电阻Rhh,其中热补偿电阻在所述迟滞电压补偿模块结构电路总回路中电流大于超级电容产品规定的额定充电放电电流时产生补偿作用,补偿因为大电流充电放电时热功率导致的能量耗散对迟滞电压补偿产生的数值误差,sgn(I)G为电压源,所述电流继电器KA1、所述迟滞电阻Rh、所述迟滞电容Ch、所述电压源、所述热补偿电阻Rhh为串联连接,所述继电器KA1触点选择热补偿电阻或不连接任何元件。
7.一种超级电容的等效电路模型构建方法,其特征在于,使用如权利要求6所述的超级电容的等效电路模型,包括如下步骤:
S100、充电放电测试,所述超级电容在线性工作范围内充电和放电,在占空比D、恒流I下对所述超级电容进行恒流充电放电试验,获取在SOC整个范围中采样点处的开路电压,得到开路电压与SOC的函数关系,将SOC、电流I、端电压U输入所述超级电容的等效电路模型,设计SOC变化策略以进行相应的充电放电实验;
S200、参数辨识,使用最小二乘法、拟合及经验方法对所述超级电容的等效电路模型参数进行辨识,输入是通过测试试验得到的电流和电压的采样数据,而后输入辨识后的元件参数;
S300、实际工况参数验证,将得到的动态参数配置到所述超级电容的等效电路模型中,选择部分车辆行驶中的实际工况进行测试,验证模型参数的准确性,并使之适用于实际新能源车辆所述超级电容电池管理系统。
8.如权利要求7所述的超级电容的等效电路模型构建方法,其特征在于,所述步骤S100包括:
S110、保持恒温时,在输入的所述占空比D与所述电流I下进行充电放电,在负载或电源运行过程中电压发生变化,当充电放电结束瞬间端电压会发生瞬时变化然后缓慢变化至稳态,取采样点记录开路电压及SOC实验数据;
S120、当所述超级电容充电放电结束后静置一段时间至端电压稳定,记录此值为当前SOC时的开路电压,继续充电放电测试实验并保存所有SOC及开路电压的对应数据;
S130、利用记录的数据拟合SOC-开路电压函数,使用5次多项式拟合方法获得SOC-开路电压曲线,研究迟滞电压的规律。
9.如权利要求8的超级电容的等效电路模型构建方法,其特征在于,所述步骤S200包括:
S210、利用已有的实验数据,对离散化后的所述非线性等效电路模型模块传递函数使用递推最小二乘法计算所述非线性等效电路模型模块中的元件参数;
S220、在仿真模型中使用经验法调参及拟合法获得所述初始内阻R0、大电流幅值补偿内阻与小电流幅值补偿内阻Rc、Rd、Rcd及热补偿电阻Rhh参数,对超级电容进行恒流I的充电放电,选取采样点在不同SOC处对所述内阻开关控制模块及所述迟滞电压补偿模块的电阻值Rc、Rd、Rcd、Rh、Rhh进行参数调整,得到不同SOC处对应的最佳参数值,最后对多点参数结果拟合得到动态参数辨识结果,R0是固定参数,通过经验法获得。
10.如权利要求9的超级电容的等效电路模型构建方法,其特征在于,所述步骤S300包括:
S310、在实际工况中对比验证使用所述内阻开关控制模块与未使用内阻开关控制模块的最大误差及均方根误差;
S320、在实际工况中对比验证使用所述迟滞电压补偿模块与未使用迟滞电压补偿模块的最大误差及均方根误差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111490611.5A CN114280376A (zh) | 2021-12-08 | 2021-12-08 | 一种超级电容的等效电路模型及构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111490611.5A CN114280376A (zh) | 2021-12-08 | 2021-12-08 | 一种超级电容的等效电路模型及构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114280376A true CN114280376A (zh) | 2022-04-05 |
Family
ID=80871260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111490611.5A Pending CN114280376A (zh) | 2021-12-08 | 2021-12-08 | 一种超级电容的等效电路模型及构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114280376A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102021208096A1 (de) | 2021-07-27 | 2023-02-02 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zur Kompensation eines Innenwiderstands eines Energiespeichers und System zur Kompensation des Innenwiderstands |
CN117517792A (zh) * | 2023-10-31 | 2024-02-06 | 盐城工学院 | 一种用于新能源电容器的容量自动检测装置及检测方法 |
CN117665637A (zh) * | 2024-01-29 | 2024-03-08 | 深圳市乌托邦创意科技有限公司 | 一种高兼容性快充移动式电源老化速度测试方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110096780A (zh) * | 2019-04-23 | 2019-08-06 | 西安交通大学 | 一种超级电容一阶rc网络等效电路及参数确定方法 |
AU2020103886A4 (en) * | 2020-12-04 | 2021-02-11 | Nanjing Forestry University | A Method for Estimating SOC of a Fractional-Order Kinetic Battery Considering Temperature and Hysteresis Effect |
CN113109712A (zh) * | 2021-04-15 | 2021-07-13 | 上海交通大学宁波人工智能研究院 | 一种基于二分支等效电路的非线性观测器及soc估算方法 |
-
2021
- 2021-12-08 CN CN202111490611.5A patent/CN114280376A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110096780A (zh) * | 2019-04-23 | 2019-08-06 | 西安交通大学 | 一种超级电容一阶rc网络等效电路及参数确定方法 |
AU2020103886A4 (en) * | 2020-12-04 | 2021-02-11 | Nanjing Forestry University | A Method for Estimating SOC of a Fractional-Order Kinetic Battery Considering Temperature and Hysteresis Effect |
CN113109712A (zh) * | 2021-04-15 | 2021-07-13 | 上海交通大学宁波人工智能研究院 | 一种基于二分支等效电路的非线性观测器及soc估算方法 |
Non-Patent Citations (2)
Title |
---|
HU X: "Advanced machinelearning approach forlithium-ion battery state estimation inelectric vehicles", 《IEEE TRANSACTIONS ON TRANSPORTATIONELECTRIFICATION》, vol. 2, no. 2, 31 December 2015 (2015-12-31), pages 140 - 149 * |
张涌;张福明;吴海啸;姜朋昌;: "基于改进的二阶阻容等效电路模型的锂电池建模仿真", 物流科技, no. 01, 10 January 2020 (2020-01-10) * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102021208096A1 (de) | 2021-07-27 | 2023-02-02 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zur Kompensation eines Innenwiderstands eines Energiespeichers und System zur Kompensation des Innenwiderstands |
CN117517792A (zh) * | 2023-10-31 | 2024-02-06 | 盐城工学院 | 一种用于新能源电容器的容量自动检测装置及检测方法 |
CN117517792B (zh) * | 2023-10-31 | 2024-06-07 | 盐城工学院 | 一种用于新能源电容器的容量自动检测装置及检测方法 |
CN117665637A (zh) * | 2024-01-29 | 2024-03-08 | 深圳市乌托邦创意科技有限公司 | 一种高兼容性快充移动式电源老化速度测试方法及系统 |
CN117665637B (zh) * | 2024-01-29 | 2024-04-05 | 深圳市乌托邦创意科技有限公司 | 一种高兼容性快充移动式电源老化速度测试方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Modeling and state-of-charge prediction of lithium-ion battery and ultracapacitor hybrids with a co-estimator | |
Dai et al. | Cell-BMS validation with a hardware-in-the-loop simulation of lithium-ion battery cells for electric vehicles | |
Cao et al. | Multi-timescale parametric electrical battery model for use in dynamic electric vehicle simulations | |
He et al. | Online model-based estimation of state-of-charge and open-circuit voltage of lithium-ion batteries in electric vehicles | |
CN114280376A (zh) | 一种超级电容的等效电路模型及构建方法 | |
Xiong et al. | A robust state-of-charge estimator for multiple types of lithium-ion batteries using adaptive extended Kalman filter | |
Seo et al. | Innovative lumped-battery model for state of charge estimation of lithium-ion batteries under various ambient temperatures | |
Thanagasundram et al. | A cell level model for battery simulation | |
Takyi‐Aninakwa et al. | A strong tracking adaptive fading‐extended Kalman filter for the state of charge estimation of lithium‐ion batteries | |
Li et al. | Joint estimation of state of charge and state of health for lithium‐ion battery based on dual adaptive extended Kalman filter | |
Nemes et al. | Modeling and simulation of first-order Li-Ion battery cell with experimental validation | |
Wang et al. | An improved coulomb counting method based on dual open‐circuit voltage and real‐time evaluation of battery dischargeable capacity considering temperature and battery aging | |
Huo et al. | Research on parameter identification and state of charge estimation of improved equivalent circuit model of Li‐ion battery based on temperature effects for battery thermal management | |
Nemes et al. | Parameters identification using experimental measurements for equivalent circuit Lithium-Ion cell models | |
CN113009361B (zh) | 一种基于开路电压校准的电池荷电状态估计方法 | |
Hossain et al. | A parameter extraction method for the Thevenin equivalent circuit model of Li-ion batteries | |
Wildfeuer et al. | Experimental characterization of Li-ion battery resistance at the cell, module and pack level | |
CN113433464A (zh) | 一种适用于富锂锰基电池的高阶模型参数辨识方法和系统 | |
Zhang et al. | A novel battery state-of-health estimation method for hybrid electric vehicles | |
Castano-Solis et al. | Hybrid characterization procedure of Li-ion battery packs for wide frequency range dynamics applications | |
Lavety et al. | A dynamic battery model and parameter extraction for discharge behavior of a valve regulated lead-acid battery | |
Jin et al. | Modeling and simulation of lithium-ion battery considering the effect of charge-discharge state | |
Koirala et al. | Comparison of two battery equivalent circuit models for state of charge estimation in electric vehicles | |
CN111856286A (zh) | 基于dp-rc模型的电池功率估计方法及装置 | |
Xiong et al. | A comparative study on fractional order models for voltage simulation of lithium ion batteries |
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 |