CN116008846A - 一种面向空间站电源系统的蓄电池组健康状态估计方法 - Google Patents
一种面向空间站电源系统的蓄电池组健康状态估计方法 Download PDFInfo
- Publication number
- CN116008846A CN116008846A CN202310079468.3A CN202310079468A CN116008846A CN 116008846 A CN116008846 A CN 116008846A CN 202310079468 A CN202310079468 A CN 202310079468A CN 116008846 A CN116008846 A CN 116008846A
- Authority
- CN
- China
- Prior art keywords
- storage battery
- battery pack
- period
- space station
- health
- 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
Images
Landscapes
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供一种面向空间站电源系统的蓄电池组健康状态估计方法,解决在空间站地影期和光照期循环交替工作环境及无标签的真实应用场景的技术问题。首先获取蓄电池组相关参数数据集,并基于参数集中充电模块控制信号确定可对比的特定场景区间,输出该区间下的参数数据集;然后采用递归最小二乘方法辨识蓄电池组改进的等效电路离散模型参数,基于辨识的模型参数和推导等效电阻公式计算选定的间接健康指征等效电阻;最后对估计的等效电阻进行归一化后得到蓄电池组的健康状态。上述方法实现了在空间站地影期和光照期循环交替下无标签的真实应用场景的蓄电池组健康状态估计。
Description
技术领域
本发明涉及故障诊断与预测管理的一种健康状态估计的方法,特别涉及一种面向空间站电源系统的蓄电池组健康状态估计方法。
背景技术
电源系统是空间站重要组成部分,主要功能是为整个空间站供电,满足其在整个寿命周期期间和各种工作模式下的功率需求。其中,蓄电池组是电源系统的储能设备,在空间站处于地影期的重要电能来源。由于长时间的循环充电放电或者过充和过放等不正常的工作模式蓄电池组,这些都会导致其的性能退化,从而影响空间站的安全可靠性运行。所以,开展对蓄电池组的健康状态评估能够提前预防灾难性故障的发生,保证电池乃至整个用电系统的安全性和稳定性。
但是,由于空间站经历地影期和光照期的循环交替周期性影响,蓄电池组工作模式也趋于复杂化,呈周期性动态变化特点。同时,在无标签的真实应用场景下,作为蓄电池组的直接健康表征的电容量难以得到,且缺乏开展相应的实验条件支撑为建模提供指导。在上述应用场景下,为开展空间站电源系统的蓄电池组健康状态带来了严峻的挑战。因此,针对地影期和光照期循环交替的工作环境以及无标签的真实应用场景的技术问题,本发明选取蓄电池组的可对比的特定场景简化其周期性动态变化问题,改进现有的电路模型获取间接健康指征以适用现有的无标签的真实应用场景,可为空间站电源系统的蓄电池组健康状态估计提供有效的解决方案。
发明内容
针对地影期和光照期循环交替的工作环境以及无标签的真实应用场景的技术问题,本发明公开一种面向空间站电源系统的蓄电池组健康状态估计方法,能够及时反映蓄电池组的健康状态,保证空间站各系统的正常且可靠地运行,以防灾难性故障发生。
针对空间站受地影期与光照期循环交替的周期性影响特点,本项目以地面的工作模式作为参考,选取可对比的特定工作场景来简化蓄电池组动态变化过程,即选取蓄电池组充满电后的地影期首次放电曲线的场景。该特定场景下的数据作为本项目蓄电池组该研究对象的数据来源。无标签真实应用场景缺乏蓄电池组直接健康指征电容量和缺乏支撑建模的实验条件(如低电流放电过程用于确定开路电压与电荷量状态的非线性关系)。本项目提出采用改进的一阶RC等效电路模型的等效电阻作为蓄电池组的间接的健康状态表征,其能够稳定地反映蓄电池组的退化情况。一方面,可解决蓄电池组受光照期地影期周期性交替带来的负责的动态变化问题,一方面保证了蓄电池组在大周期下的等效电阻具有可对比性从而可近似表征蓄电池组的健康状态。
图1为本项目公开的一种面向空间站电源系统的蓄电池组健康状态估计方法的步骤流程图。如图1所示,本项目的空间站电源系统的蓄电池组健康状态估计的方法具体包括以下步骤:
S1:获取蓄电池组相关参数数据集,确定参数集φ,并输出对应参数的数据集;其包括蓄电池组输出电压Ud、蓄电池组电流i、蓄电池组的单体数量n、充电模块控制信号Sc、单体自放电的电压降ΔUs。
S2:确定可对比的特定场景区间,以蓄电池组充满电后的首次地影期的放电过程作为选定的特定场景并获取对应的区间,输出该区间下所需参数的数据集。S2包含S201、S202和S203;S201:将充电模块控制信号转为二进制信号;S202:变换二进制信号用于确定选定蓄电池组充满电后的首次地影期的放电过程为选定的特定场景的放电区间;S203:选取上述选定的区间的前80%区域作为特定场景目标区间O,输出该区间下所需参数的数据集。
S3:辨识蓄电池组等效电路模型参数,估计间接健康指征等效电阻R0。S3包含S301、S302和S303。S301:离散化连续等效电路模型,推导出等效电阻表达式R0;S302:利用递归最小二乘方法辨识离散后的模型参数;S303:利用离散模型推导出等效电阻表达式,并基于辨识得到的参数集确定等效电阻的估计值。
S4:估计蓄电池组健康状态,对估计的等效电阻R0进行归一化得到蓄电池健康状态的估计值。
附图说明
图1为空间站电源系统的蓄电池组健康状态估计方法的步骤流程图。
图2为空间站电源系统中蓄电池组的周期性工作模式示意图,包含输出电压以及充电控制信号输出变化过程。
图3为一阶RC等效电路模型,包含开路电压Uocv,欧姆内阻R0和一个RC网络包括极化电阻Rp和极化电容Cp。
具体实施方案
S1:获取蓄电池组相关参数数据集。
电源系统是空间站重要组成部分,主要功能是为整个系统供电,满足空间站各种工作模式下的用电功率需求。电源系统主要由太阳翼、转换器、蓄电池组、电源管理器、电源分配装置等组成。其中,蓄电池组是电源系统的主要储能模块。当空间站进入地影期太阳能电池板不工作,此时蓄电池组代替太阳能电池板为用电设备提供电能以满足正常工作需求;在光照期,蓄电池组一般不工作,但如果当前光照不足以供应整个空间站,蓄电池组在其他电源子系统的控制下也可以切换到放电模式提供电能以保证空间站的用电需求。
由于空间站始终围绕地球运转,空间站会循环经历地影期和光照期。由于上述的循环交替影响,蓄电池组的工作模式也表现为周期性特点。在不同的期间下,蓄电池对应不同的工作模式。一般情况下,蓄电池组在地影期放电为空间站提供能源,在光照期充电储存能量。蓄电池组工作模式主要是由充电调节器和放电控制器控制。充电调节器负责对蓄电池充电控制,仅在光照期工作。充电控制器设计的核心是根据所用蓄电池组的充电特性,选用恰当的充电策略,为蓄电池提供合适的充电电流和充电终止控制方式,防止蓄电池组出现过电流充电、充电不足和过充电等情况。放电控制器控制蓄电池组的放电回路和调节蓄电池组的放电输出电压。放电控制器一般主要在地影期工作,如果现有光照不足以满足空间站需求,也会在光照期为空间站提供所需的能量,从而维持整个空间站的正常运转。
根据上述对空间站的蓄电池工作模式的分析,可知随着空间站地影期和光照期的循环交替,蓄电池组根据不同时期切换不同的工作模式。为了保证蓄电池组可靠安全地运行,蓄电池组在设计时会限制其最大充电电压Umax和最小放电输出电压Umin。在限制条件下,蓄电池组始终保证工作在最大充电电压和最小放电输出电压以避免过充和过放。空间站电源系统的蓄电池组的周期性工作模式示意图如图2所示,其中包含蓄电池组输出电压Ud和充电模块控制信号Sc随时间的周期性变化,且O为可选的可对比的特定场景的区间。本发明定义文中所出现的大周期Γ下蓄电池组主要包括三个阶段:充电主导过程P1、恒压充电主导过程P2以及放电主导过程P3。根据电源系统的设计,在未达到最大充电电压Umax之前,电源系统处于P1阶段,其充电效率会大于放电效率,从而蓄电池组的输出电压持续上升直至最大充电电压。当蓄电池组达到最大充电电压时,在光影期维持一定时间的恒压过程,即为P2阶段。后续则位于P3阶段,停止在光影期为蓄电池组充电,蓄电池组仅在地影期放电。此时,蓄电池组的放电输出电压会持续下降,直到达到最小放电输出电压Umin,也称为截止电压。当蓄电池组输出电压小于该截止电压时,开始恢复充电主导P1阶段,重复上述三个过程。本发明定义地影期和光照期的周期为小周期,分别为TL和TS。在忽略地影期小周期TL和光照期地影期TS的细节下的交替过程,在大周期下蓄电池组的工作模式符合经典的充电策略,包含恒流充电阶段和恒压充电阶段。由于空间站电源系统的蓄电池组的外接负载基本上变化不大,可认为该蓄电池组在地影期处于恒定负载工作模式。
本文将上述3个过程的一个循环区间{P1,P2,P3}作为一个大周期Γ。在每个大周期Γ下,需提取蓄电池组的健康状态估计值——等效电阻R0。等效电阻R0具有较强的线性退化趋势且其变化较为稳定,适合作为蓄电池组的健康状态表征。根据已分析得空间站蓄电池的工作模式特点,结合地面蓄电池组的工作模式特点,本发明选取蓄电池组在充满电后地影期的首次放电过程作为目标区间O,以此区间作为每个大周期内的研究对象蓄电池组的健康状态估计的数据来源。由于蓄电池组在不同的工作状态以及不同的荷电状态,基于等效电路模型的估计方法会得到不同的等效电阻值,而实际上表征蓄电池组的真实电阻状态未发现明显变化。因此,选取每个大周期下的充满电后的地影期的首次放电过程作为比较标准,从而不同周期下的等效电阻估计值具有可比性,后续可以通过对等效电阻进行归一化描述蓄电池组的健康状态。
本发明基于一阶RC等效电路模型(或称为Thevenin等效电路模型)计算等效电阻估计值,作为评估蓄电池组的健康状态表征值。等效电路模型根据蓄电池组的工作原理,利用电压、电阻和电容等元器件仿真模拟电池的动态特性,建立电压和电流之间的关系。一阶RC等效电路模型由于其明确的参数物理含义以及计算复杂度和精度之间的良好折衷,因此电池建模中得到了广泛地使用。本发明一阶RC等效电路模型包含3个部分:开路电压Uocv,欧姆内阻R0和一个RC网络包括极化电阻Rp和极化电容Cp,如图3所示。根据电路,模型可以描述为:
Ud=Uocv-iR0-Up (1)
其中,电流i代表负载电流,由于当负载变化时,电流也随着变化;Ud是放电输出电压,Up是RC网络的极化电压输出。基于电路基本原理,可将上述公式转变为,
本文针对的对象为蓄电池组而非电池单体,所以假设蓄电池组由n个单体组成,则Uocv可以近似为Uocv=U0+n*ΔUs。从而公式(2)为,
U=(U0+n*ΔUs)-Ud (3)
其中,U为变换得到的电压变量,由公式(3)确定;ΔUs为单体是自放电的电压降,可根据蓄电池单体类型进行确定;U0为蓄电池组充满电后首次放电过程的初始电压输出,基本等同于蓄电池组的充电最大输出电压Umax。同时为了保证U0估计值不受传感器测量的误差或扰动影响,可通过对充满电后地影期首次放电过程的前m个输出电压取平均作为U0的估计值。
因此,根据上述选定的等效电路模型,如果需对等效电阻R0进行辨识,获得蓄电池组的参数集φ需包含蓄电池组输出电压Ud、蓄电池组电流i、蓄电池组的单体数量n、充电模块控制信号Sc、单体自放电的电压降ΔUs。其中,充电模块控制信号Sc用于确定可对比的特定场景。该特定场景为蓄电池组充满电后的处于地影期首次放电过程区间O。
S2:确定可对比特定场景的区间。根据S1获得的参数集φ,选取充电模块控制信号Sc用于确定蓄电池组特定场景的区间范围O,并输出该对应的第l个大周期Γ下的选定区间O的数据集Xl=[UO,IO,tO]。S2包含S201、S202和S203;S201:将充电模块控制信号转为二进制信号;S202:变换二进制信号用于确定选定蓄电池组充满电后的首次地影期的放电过程为选定的特定场景的放电区间;S203:选取上述选定的区间的前80%区域作为特定场景最终区间,输出该区间下所需参数的数据集。
(2)如果Sc>p,则输出为1,否则输出为0;
S203:选取上述选定的区间的前80%区域作为特定场景目标区间,输出的可对比的特定场景下区间O对应的数据集为Xl=[UO,IO,tO]。
S3:辨识蓄电池组等效电路模型参数,估计间接健康指征等效电阻R0。R0具有退化较为稳定的特性,同时具备较强的线性退化规律,所以通过归一化可以作为蓄电池组的健康状态估计值。根据上文提供的改进的一阶RC等效电路模型以及可对比的特定场景下目标区间数据集
Xl=[UO,IO,tO],下面可通过递归最小二乘方法计算出该大周期下等效电阻R0。
S3包含S301、S302和S303;S301:离散化连续等效电路模型,推导出等效电阻表达式R0;S302:利用递归最小二乘方法辨识离散后的模型参数集[θ1,θ2,θ3];S303:利用离散模型推导出等效电阻表达式,并基于辨识得到的参数集确定等效电阻的估计值。具体步骤如下:
S301:离散化连续一阶RC等效电路模型,推导出等效电阻表达式R0。具体推导过程如下:通过对上述公式(4)进行离散化,得
经过推导可得,
因此,
上述公式(9)描述了等效电阻R0与离散等效电路模型的参数集[θ1,θ2,θ3]的关系。因此,只要得到离散模型参数[θ1,θ2,θ3]的估计值,则可得到等效电阻R0估计值。
S302:利用递归最小二乘方法辨识离散后的模型参数[θ1,θ2,θ3]。
S303:利用离散模型推导出等效电阻表达式并基于辨识得到的参数集[θ1,θ2,θ3]估计值,从而可以确定等效电阻的估计值R0。从上述推导中,采用递归最小二乘方法对离散化的模型进行参数辨识得到[R1,θ2,θ3],即可得到等效电阻R0估计值。
S4:估计蓄电池组健康状态,对估计的等效电阻R0进行归一化得到蓄电池健康状态的估计值。通过上述S1-S3步骤,可以得到每个大周期Γ下的等效电阻估计值。随着蓄电池组不断循环充放电周期过程,其电化学特性不断改变,从而导致内阻呈上升趋势。假设初始的等效电阻为r0,当前第l个大周期下的等效电阻估计值为Rl且Rl≥r0,则蓄电池组第l个大周期下的蓄电池组健康状态为:
通过上述归一化得到的SOHl可以反映蓄电池组当前的健康状态,可为提前预警提供参考信息,以避免安全事故的发生。
Claims (5)
1.一种面向空间站电源系统的蓄电池组健康状态估计方法,其特征在于,包含以下步骤:
获取蓄电池组相关参数数据集,确定参数集φ,并输出对应参数的数据集;其包括蓄电池组输出电压Ud、蓄电池组电流i、蓄电池组的单体数量n、充电模块控制信号Sc、单体自放电的电压降ΔUs;
确定可对比的特定场景区间O,以蓄电池组充满电后的地影期首次的放电过程为选定的特定场景并获取对应的区间,输出该区间下所需参数的数据集;
辨识蓄电池组等效电路模型参数,估计间接健康指征等效电阻R0;
估计蓄电池组健康状态,对估计的等效电阻R0进行归一化得到蓄电池健康状态的估计值。
2.根据权利要求1的空间站电源系统的蓄电池组健康状态估计方法,其特征在于,所述的确定蓄电池组相关参数集并输出对应参数的数据集,具体包括:
确定空间站电源系统蓄电池组的工作模式,一般工作在地影期;但当光照期光照不足时,可为光照期空间站提供所需的能力,维持整个空间站的正常运转;
分析总结空间站蓄电池组工作的输出电压的周期性特点,均保持在最大充电电压Umax和最小放电输出电压Umin之间以避免过充和过放;定义大周期Γ主要包括三个阶段:充电主导过程P1、恒压充电主导过程P2以及放电主导过程P3,并详细论述整个大周期下的蓄电池组输出电压变化过程;
选取蓄电池组在充满电后地影期的首次放电过程作为每个大周期内的研究对象蓄电池组的健康状态估计的数据来源,从而保证大周期下的等效电阻估计具有可比性;
提出采用一阶RC等效电路模型计算等效电阻,作为蓄电池组健康状态的表征。对现有等效电路模型中开路电压Uocv进行改进适用于蓄电池组建模,即Uocv=U0+n*ΔUs;
根据蓄电池组的改进一阶RC等效电路模型确定估计等效电阻的相关参数数据集,参数集φ需包含蓄电池组输出电压Ud、蓄电池组电流i、蓄电池组的单体数量n、充电模块控制信号Sc、单体自放电的电压降ΔUs。其中,充电模块控制信号Sc用于确定可对比的特定场景,即为蓄电池组充满电后的处于地影期首次放电过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310079468.3A CN116008846A (zh) | 2023-02-08 | 2023-02-08 | 一种面向空间站电源系统的蓄电池组健康状态估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310079468.3A CN116008846A (zh) | 2023-02-08 | 2023-02-08 | 一种面向空间站电源系统的蓄电池组健康状态估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116008846A true CN116008846A (zh) | 2023-04-25 |
Family
ID=86026859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310079468.3A Pending CN116008846A (zh) | 2023-02-08 | 2023-02-08 | 一种面向空间站电源系统的蓄电池组健康状态估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116008846A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117192377A (zh) * | 2023-08-28 | 2023-12-08 | 广东工业大学 | 一种基于先验知识增强和半监督学习的锂电池soh估计方法 |
-
2023
- 2023-02-08 CN CN202310079468.3A patent/CN116008846A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117192377A (zh) * | 2023-08-28 | 2023-12-08 | 广东工业大学 | 一种基于先验知识增强和半监督学习的锂电池soh估计方法 |
CN117192377B (zh) * | 2023-08-28 | 2024-05-07 | 广东工业大学 | 一种基于先验知识增强和半监督学习的锂电池soh估计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102200550B1 (ko) | 이차 전지의 충전 상태를 추정하기 위한 장치 | |
US11336104B2 (en) | Method of performing a state of health estimation for a rechargeable battery energy storage system | |
RU2691963C2 (ru) | Способ контроля состояния зарядки батареи | |
Eddahech et al. | Behavior and state-of-health monitoring of Li-ion batteries using impedance spectroscopy and recurrent neural networks | |
CN110161425B (zh) | 一种基于锂电池退化阶段划分的剩余使用寿命的预测方法 | |
JP6234946B2 (ja) | 電池状態推定装置 | |
CN105140981B (zh) | 锂电池主动均衡控制方法 | |
CN105467325A (zh) | 电池容量退化解决的方法和系统 | |
EP2880456B1 (en) | System and method for posteriori adaptation of a state of charge model in a battery | |
WO2014191794A1 (en) | Cell monitoring apparatus, battery monitoring apparatus, integrated circuit and method of monitoring a rechargeable cell | |
JP5038258B2 (ja) | 残容量推定方法および残容量推定装置 | |
CN117318255B (zh) | 一种基于大数据可视化的电池状态分析系统及方法 | |
Bockrath et al. | State of charge estimation using recurrent neural networks with long short-term memory for lithium-ion batteries | |
KR102297343B1 (ko) | 하이브리드 varma 및 lstm을 이용한 배터리의 출력 전압 응답 및 충전 상태 예측 방법 | |
EP3832331B1 (en) | Cell state estimation device and cell control device | |
CN114035098A (zh) | 一种融合未来工况信息和历史状态信息的锂电池健康状态预测方法 | |
Lu et al. | Modeling discharge characteristics for predicting battery remaining life | |
AU2020387253A1 (en) | Evaluation device, computer program, and evaluation method | |
Sun et al. | A remaining charging electric quantity based pack available capacity optimization method considering aging inconsistency | |
CN116008846A (zh) | 一种面向空间站电源系统的蓄电池组健康状态估计方法 | |
Mohammed et al. | Programmable logic controller based lithium-ion battery management system for accurate state of charge estimation | |
KR20240019187A (ko) | 배터리 셀 진단 장치 및 방법 | |
CN116893366A (zh) | 用于运行系统以识别设备的电蓄能器的异常的方法和装置 | |
US20240162736A1 (en) | Method and device for controlling a charging signal for charging a rechargeable battery cell or battery | |
KR20230152210A (ko) | Knn 기계학습 알고리즘을 이용한 배터리팩 운용 관리 시스템 |
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 |