什么是HAWKER蓄电池霍克电瓶建模

电池建模 篇1

蓄电池的荷电状况 (SOC) 及端电压是蓄电池的内部状况与外部电气特性, 两者之间的定量联系能够为蓄电池体系的安全运转及其工程运用供给必定的依据[1]。

 

文中经过某储能电站的运转数据, 选用电化学模型展开对单体磷酸铁锂电池的建模, 一起运用必定巨细的脉冲电流作为输入对模型进行仿真, 验证模型的可靠性。

 

2 影响锂电池SOC的要素

 

2.1 温度要素

 

温度越高电池放出容量越多, 但长期作业在高温环境下会使电极资料老化, 寿数缩短。图1为文献[2]中的锂电池在不同温度下的放电曲线。

 

从图中能够看出, 假如假定23℃时放出满容量, 则低温时放电容量变小, 高温时放电容量变大。这阐明锂电池SOC要遭到温度影响的。

 

2.2 放电倍率要素

 

锂电池在不同放电电流下放电时, 放出的容量不同。如图2所示。

 

图2是某公司供给的锂电池不同放电倍率下的放电试验曲线图。能够看出小倍率 (小电流) 放电下, 锂电池放出容量要多于大倍率放电时的放出容量, 所以锂电池的SOC受放电倍率影响的要素不能疏忽。

 

2.3 电池寿数和自放电要素

 

图3为某公司供给的锂电池寿数试验图, 图4为文献[3]供给的锂电池存放30天的自放电特性图。

 

由图3能够看出, 锂电池长期运用后可用的总容量会削减, 这会给电池SOC的估算带来初始差错。由图4能够看出, 锂电池自身存在放电现象, 一起也给电池SOC的估算带来了困难。由此可见, 电池循环寿数和自放电要素也会影响电池容量。

 

3 锂电池建模

 

研讨和树立电池模型的目的是为了找出电池外部电气特性 (电压等) 和内部状况 (剩下容量等) 的定量联系, 树立数学模型, 然后依据电池的电压等外部变量核算出电池的荷电状况 (SOC) 等内部状况。要精确估算磷酸铁锂电池的荷电状况, 有必要树立杰出的电池模型, 能够较好地体现电池的动静态特性, 一起易于工程完成。

 

开路电压 (OCV) 是蓄电池剩下容量的函数, 也是校对SOC的重要依据之一, OCV与SOC的联系曲线需求经过试验来测取。本文运用类似于文献[4]中介绍的快速法来确认电池OCV与SOC之间的联系曲线。这种办法的原理是用恒流电流做单体电池充放电试验, 每隔30秒采集一次数据, 然后用MATLAB对这些数据点进行曲线拟合。

 

以50A安稳电流对电池充电, 原始数据曲线如图5所示。

 

图5中所指的Δsoc是指电池剩下容量的改变量, 并不是荷电状况这一规范界说, 试验时得到的数据自身便是电池充进了多少容量, 所以为了便于记载故选用Δsoc这种办法。而在下面曲线拟合中经过了归一化处理, 使这些试验数据变为了SOC的规范界说荷电状况, 进行OCV与SOC的曲线拟合。经过观察图中原始数据曲线能够反映出来蓄电池的Δsoc和电流的线性联系, Δsoc是电流和时间的积分函数, 一起在电压改变曲线图中也能够看出锂电池有很好的充电渠道。

 

图6是运用MATLAB对这些恒流充电时的试验数据进行拟合得到的OCV与SOC联系曲线。

 

在求取进程中, 运用MATLAB中的多项式拟合函数polyfit对这些点进行曲线拟合, 得到了OCV与SOC之间的联系函数如下:电压随时间改变的曲线

 

(1)

 

这样就得到了电池模型中的要害方程式, 方程式 (1) 阐明晰电池开路电压是电池容量的函数。当电池在恒流充电办法下, 测出电池电压便能够经过联系式 (1) 找到此刻该电池的SOC, 便能够知道该电池现有的容量。

 

在实践电站中, 蓄电池作为电源是给负载供电的, 所以蓄电池的端电压和充放电电流联系式是最重要的。本文运用文献[5]中得到的蓄电池SOC和端电压的表达式, 依据该磷酸铁锂电池的特性参数对表达式进行了参数调整及更改, 整合出该电池SOC和端电压V的表达式别离为:

 

(2)

 

(3)

 

为了验证该模型用于磷酸铁锂电池时的动态功能, 联立 (1) 、 (2) 和 (3) 三个式子对模型进行Simulink仿真, 即能够以为端电压是模型的输出, 电流是输入。下面别离以占空比为50%的20A脉冲电流作为输入对模型进行仿真, 得到的荷电状况SOC的波形和其对应的端电压值如图7和图8所示。

 

由图7和图8能够看出, 当以占空比为50%的20A脉冲电流对电池放电时, 其荷电状况从充溢电时的1一直削减。端电压曲线中曲线的上包络线是指脉冲电流为零时的电池端电压, 即便是蓄电池的开路电压, 其走势和试验所得的开路电压相同;下包络线是脉冲电流不为零时的电池端电压, 在3.5V与3.25V间呈下降趋势, 且有一段的放电渠道, 契合磷酸铁锂电池的放电电压改变趋势。

 

4 定论

 

剖析了影响电池SOC的几种要素, 挑选文献[5]中提出的电化学模型并选用某储能电站运转数据对单体磷酸铁锂电池建模仿真, 给出了磷酸铁锂电池端电压和SOC的数学表达式, 并经过选用和原始数据不同的脉冲电流验证了磷酸铁锂电池电气特性模型的可靠性。

 

参阅文献

 

[1]吴红斌, 孙辉.蓄电池荷电状况猜测的改进新算法[J].电子丈量与仪器学报, 24 (11) , 2010.

 

[2]方佩敏, 新式磷酸铁锂动力电池[J].今天电子, 2007, (9) :95-98.

 

[3]陈全世, 林成涛.电动轿车用电池功能模型研讨总述[J].轿车技能, 2005, (3) :1-5.

 

[4]Suleiman Abu-Sharkh, Dennis Doer-ffel.Rapid test and non-linear model characterisati-on of solid-state lithium-ion batteries[J], Jour-nal of PowerSources, 2004, (130) :266-274.

 

电池建模 篇2

要害词：锂离子；电池储能体系建模；电网安稳性影响

 

中图分类号： TB13 文献标识码： A 文章编号： 1673-1069（2016）26-167-2

 

1 储能技能在现代电力体系中的运用

 

1.1 电力体系的削峰填谷

 

在我国社会不断开展的现阶段，无论是我国工业上仍是商业上用电，用电量都在不断进步。在大规模的配电网中依然会出现负荷率低的状况，而且在不同的时段、不用的时节都存在很大的差异。此刻，贮存体系就产生了巨大作用。如在电网中装备大规模的、高功能的贮存体系，那就能够在用电低谷的时候将电能贮存，在用电高峰期的时候开释出来，这样就能够满意负荷，然后完成削峰填谷。

 

1.2 新动力分布式发电的灵敏接入和安稳输出

 

在国内，跟着我国的各种资源的干涸与环境的继续恶化，寻觅新的动力代替品已提上日程。太阳能、风能以及地热能都逐步被重视起来，世界各国都在这些方面投入了很多的人力物力。现阶段，新动力分布式发电的灵敏接入和安稳输出为电力作业的开展做出了巨大的贡献，锂离子电池储能体系也随之开展壮大，在我国得到大力的扶持与开展。

 

2 锂离子电池概略及其在电力体系中的运用现状

 

2.1 锂离子电池的概略

 

世界上关于锂离子电池的研讨最早是从20世纪的六七十年代开端的，当时最首要便是以金属锂以及锂的合金作为负极，当时来说便是锂的一次电池。经过多年的开展，在20世纪八十年代的时候又发现将锂的石墨镶嵌到化合物中作为电池的负极，由此开启了锂的二次电池年代。开展到现在的磷酸铁锂电池，这种锂离子电池是现在来说，功能最好的，最有开展前景的电池。

 

2.2 锂离子电池在电力体系中的运用现状

 

在电池中，锂离子电池自成一个体系。锰酸锂电池是现阶段电车上用的做多的，它的功能也是运用到电车上最好的资料。还有便是钴酸锂电池，这种电池运用的最广泛，它首要是运用于通讯职业，例如：电脑、手机等等。而实在能够运用到电网上的还当属磷酸铁锂电池，磷酸铁锂运用最为成功的仍是美国，美国也是代表着世界科技前沿的水平。

 

3 锂离子电池储能体系建模及其对电网安稳性影响

 

为了能够有用地研讨锂离子电池储能体系建模及其对电网安稳性影响，咱们对锂离子电池储能体系进行了一系列的数学建模，以及进行仿真研讨。下文就经过锂离子电池储能体系的数学建模、锂离子电池储能体系对电网安稳性影响的仿真以及锂离子电池储能体系对电网安稳性影响的研讨三个方面进行探求。针对这是三个方面，咱们进行了一系列的仿实在验，并对这些仿真成果进行了剖析与点评。依据下文的成果，咱们能够具体地了解到锂离子电池储能体系建模及其对电网安稳性影响。

 

3.1 锂离子电池储能体系的数学建模

 

为了更好地研讨锂离子电池储能体系，咱们为它创建了一个新的并网体系的数学建模，图1为锂电储能体系并网拓扑

 

储能并网体系一般包括几种部分，电池办理监测体系、储能设备以及逆变器体系等。咱们能够做一系列的假定：首要是滤波器的电感线性、无饱和现象；再有便是一切的损耗和影响咱们现阶段疏忽不计。这样咱们终究采纳的数学建模的办法如图2，为简化后的储能并网结构三相桥式逆变器一般有两种建模办法，别离是开关函数建模法和占空比建模法。其间开关函数建模法适用体系仿真、占空比建模适用操控规划，依据上文假定、归纳考虑。

 

3.2 锂离子电池储能体系对电网安稳性影响的仿真研讨

 

经过咱们对锂离子电池储能逆变体系线性增量建模、接入锂离子电池储能的单机无穷大体系建模以及接入锂离子电池储能的两区域互联体系建模这三个建模理论的研讨，在Matlab软件中别离树立接入锂电储能的单机无穷大体系模型和两区域互联体系模型。别离在充放电的办法下比照接入储能与无储能时的功角振动曲线，再仿真出不同的储能对功角安稳的影响程度，之后评论出容量的配置问题。经过锂离子电池储能体系对电网安稳性影响的仿真研讨能够有用地、明晰地了解到锂离子电池储能体系对电网安稳性的影响的要素。树立仿真模型，别离在放电和充电形式下观测体系接入20MW锂电储能前后在小扰动时的功角振动曲线。为便于剖析储能的运转状况，这儿一起给出接入储能后的电池电流IBEs和电池电压增量4VBOc的仿真曲线。仿真成果如图3。

 

体系接入20MW锂电储能后，功角安稳性显着增强。因体系自身具有阻尼效应，无储能条件下产生小扰动时，仍可经过一段时间振动后康复安稳（放电形式，机械功率正向扰动，功角瞬时上升，后动摇趋稳；充电形式反之）。

 

3.3 锂离子电池储能体系对电网安稳性影响研讨

 

跟着电力作业的不断开展和壮大，以及我国电网的归纳负荷也不断进步，杂乱程度也随之变强，电力体系的安稳性也面临着非常巨大的应战。在我国，最传统的电力电网首要是依靠继电保护设备来完成电网的安稳性，而现阶段跟着电网的杂乱性进步，传统的安稳体系已无法满意要求，更多的电网安稳性办法也在不断创新与开展。为了完成功率平衡，为电网供给了主动致隐途径，锂离子电池是现代电力体系大规模储能设备，有用进步体系安稳性。电网储能设备专作安稳操控将在我国大力开展。锂离子电池储能对电力体系安稳性的影响，侧重重视功角安稳和频率安稳两方面。首要对储能运用于电网安稳的研讨现状简要剖析，继而依据已建的锉电池等效电路模型结合逆变原理在理论上进一步推导、剖析，线性化处理，构成了适于安稳研讨的线性增量模型，然后树立了接入锂电储能的单机无穷大模型和两区域互联体系模型。

 

4 定论

 

燃料电池并联供电体系的建模和操控 篇3

因为单台燃料电池供电体系很难满意巨大的负荷要求, 因而大负荷、大容量的供电体系需求多台燃料电池并联供电。燃料电池的输出特性较软, 其输出电压跟着输出电流添加而下降, 因而燃料电池不能像蓄电池那样能够直接并联运用。当2台燃料电池输出的电流不一起, 其端电压也不同, 则会在2台燃料电池之间构成电流回路, 严峻时可能构成燃料电池的损坏。因而, 燃料电池的并联供电体系与蓄电池并联供电体系比较, 无论是主电路的规划仍是操控办法都要杂乱[1,2]。

 

1 电路作业原理及体系小信号模型树立

 

燃料电池相互之间不能直接并联, 因而每台燃料电池均需求装备一台DC/DC变换器, 而变换器的输出端并联在一起, 体系示意图如图1所示[3,4]。

 

为了剖析方便, 以2组燃料电池并联供电体系来阐明整个体系的作业原理和操控办法。体系中的DC/DC变换器是整个供电体系主体部分, 现在用于燃料电池并联供电体系中的DC/DC变换器首要有反激式变换器、正激式变换器、半桥电路、全桥电路以及推挽式电路等。总体上一切的变换器可归纳为2类:一类是经过变压器阻隔的变换器, 这种变换器需求的开关器件较多, 操控体系杂乱[5];另一类是非阻隔变换器, 其结构和操控体系简略, 可是这种变换器只合适功率不大、电压转化差别不大的电路[6,7]。针对体系需求提出了一种2级升压的DC/DC变换器, 其拓扑电路如图2所示[8,9,10,11]。

 

在一个完好的开关周期中, 变换器有6个作业进程, 上半周期与下半周期彻底对称。开关管VT1、VT2、VT3的驱动电压波形ug1、ug2、ug3;电容器C2、C3所接受的电压波形uC2、uC3;电感L1中流过的电流波形iL1;变压器中流过的电流波形iT如图3所示。

 

设开关管VT1上接受的电压为UC1, 开关管VT2上接受的电压为UC2, 开关管VT3上接受的电压为UC3, 电容器C4上输出电压为UC4, 电容器C5上输出电压为UC5, 电容器C1上输出电压为Uo。燃料电池的电压为Uin, 电感L1中的电流为iL1, 变压器漏感Lr中的电流为iLr。开关管VT1的占空比为D, VT2和VT3导通、关断的时间除掉死区ξ时间彻底对称。依据状况均匀法以电感中的电流和电容两头的电压为变量, 得出体系稳态状况空间的矩阵方程[12,13]为

 

当输入量b由直流重量和小信号量构成时, 即那么对应的其间B、X标明直流重量, 标明小信号重量。式 (1) 可标明为

 

把直流重量和小信号重量分隔, 就能够得到小信号状况方程表达式为

 

经过收拾就能够得出电感L1、Lr中电流以及输出电压UC1的小信号状况空间均匀数学模型:

 

其间, 为对应变量的小信号变量;为开关管VT1对应占空比D的小信号变量。因为死区ξ所占用的时间很短, 因而能够疏忽掉。所规划单台变换器输出功率为1 k W, 燃料电池的输入电压按24 V核算, 能够核算出电路各元器件的具体参数如下:直流电阻Ra=0.06Ω;电感L1=1.5 m H;负载电阻RL=45Ω;电容C4上的稳态电压UC4=30 V;变压器变比n=5;电感L1中的稳态电流IL1=42 A;电容C1=800μF;电容C4=200μF;变压器的漏感Lr=0.8μH。

 

令U赞in=0, 即让占空比单独作用, 并疏忽4次以上小信号量的影响, 化简得出体系的输入/输出小信号状况模型函数为

 

2 体系的操控战略和补偿环节规划

 

经过对各种操控办法进行比较, 因为均匀电流法具有简略、有用、均流作用好等特色, 决议选用此种操控办法。均匀电流的思想是每个并联模块经过均流母线与其他模块并接在均流母线上。每个模块检测电流与母线电流进行比较后转化成电压信号, 然后调理PWM操控信号, 完成均流。

 

2.1 单个DC/DC变换器电压操控模型

 

体系完成均流操控的前提条件是单个模块单独安稳闭环作业, 所以在树立均流操控体系之前, 需求树立单个DC/DC变换器电压操控模型, 规划能够确保闭环安稳作业的补偿网络。图4为单个DC/DC变换器电压操控框图[14,15]。其间, Gvd为占空比到输出电压传递函数, Gvd=U赞o (s) /d (s) ;Gcv为补偿函数;Fv为分压系数, Fv=1/60。

 

当体系的未加补偿环节时, 即Gcv=1, 其体系闭环函数的特征方程为

 

其系数有变号, 体系不安稳, 有必要对体系进行补偿规划, 经过比较选定补偿函数为

 

能够得出体系闭环函数的特征方程为

 

能够看出:

 

a.体系的各项系数为正;

 

这满意体系安稳的要求。因而经过补偿环节的规划, 能够使体系到达安稳状况。

 

2.2 均匀电流法操控模型及体系安稳性剖析

 

依据单个DC/DC变换器电压操控模型能够构建出均匀电流法操控结构框图如图5所示。其间uAC为均流信号;uA为均流差错信号;Fv为分压系数, Fv=1/60, 也便是输出电压的反响系数;Fr=rs/ZL=0.01, 标明单个模块负载电流信号转化成电压信号的函数, 其间rs为单个供电体系的电流采样电阻, ZL是每单个供电体系的负载电阻, Gcs为电流扩大倍数, 取为对应的小信号输入、输出量。

 

第n个模块的输出电流跟踪均匀电流的操控回路的开环传递函数为[16]

 

化简后得:

 

依据得出体系开环传递函数的截止频率ωc=0.01 rad/s, 其相应的相角安稳裕度γ=160°>40°, 满意安稳性要求。依据穿越频率的界说∠T (ωx) = (2 k+1) π (k=0, ±1, …) , 得出其穿越频率ωx=2 680 rad/s, 其相应的幅值安稳裕度h=39.08>2, 满意安稳性要求。

 

3 体系仿真和试验成果

 

经过剖析和参数核算在仿真软件下树立体系的闭环仿真体系, 从理论剖析上能够看出, 体系可完成n台燃料电池的并联供电, 但出于实践运用以及体系剖析的方便, 本次规划以2台燃料电池并联供电考虑, 树立体系的仿真操控电路。图6为开关管VT1上的驱动电压和电感L1中的电流仿真输出波形。图7为2台燃料电池并联输出的电流i1、i2波形。

 

从图6、图7能够看出, 无论是电感L1中电流波形仍是负载电流波形, 都与理论剖析成果彻底一致。在理论剖析和体系仿真的成果之上, 制作了一套由2台燃料电池并联供电的供电体系, 2台燃料电池的功率分配较为抱负, 到达规划要求。

 

4 定论

 

针对燃料电池并联供电体系, 从根本原理剖析并用状况均匀法得出变换器在一个周期内状况方程以及小信号方程, 并从体系的安稳性方面规划了体系操控环节的参数。经过仿真波形验证了原理剖析、操控办法的挑选以及参数选取的正确性。

 

摘要：对燃料电池并联供电体系的数学模型树立进程和操控战略进行了研讨。依据电路的作业原理, 以电路中电感的电流和电容两头的电压为变量, 推导出体系稳态状况空间的矩阵方程, 然后树立主电路的小信号数学模型。在树立单个燃料电池供电的电压操控模型和安稳性剖析之后, 以均匀电流法构建出整个体系的操控模型。经过剖析闭环传递函数的幅频特性, 对体系的安稳性进行了断定。在理论剖析的根底上, 对2台燃料电池并联供电体系及其操控计划进行了闭环仿真, 给出了仿真输出波形。成果证明, 所选用的剖析办法和树立的数学模型以及采纳的操控战略是正确的。

 

太阳能光伏电池建模与动态特性仿真 篇4

1 光伏电池作业特性

 

1.1 光伏电池组的数学模型

 

光伏电池是运用某些资料组成的半导体PN结在遭到太阳光照时产生光伏效应, 直接将太阳辐射能转化成电能的设备。图1为光伏电池的等效电路[2,3]。

 

在树立光伏电池的有用数学表达式时, 需求进行一些近似处理, 简化后的I-V特性方程为:

 

 

式中:I为光伏电池的输出电流;Isc为光伏电池短路电流;V为光伏电池的输出电压;Voc为光伏电池开路电压;B1, B2为待定系数。

 

在最大功率点处近似满意下式:

 

 

在最大功率点有I=Im, V=Vm, 则由式 (1) 和式 (2) 可解得:

 

 

式中:Im为光伏电池最大功率点电流;Vm为光伏电池最大功率点电压。

 

由式 (3) 、 (4) 可知, 在电池参数Isc, Im, Voc, Vm给定的条件下, B1, B2为常数, 代入式 (1) 得到光伏电池的I-V特性。

 

当光照强度、温度改变时, 电池的参数也会产生改变, 当光伏电池当时光照强度为S, 温度为T, 就会得到当时的电池参数Isc-new, Im-new, Voc-new, Vm-new, 然后得出B1-new, B2-new。则当时的电池参数可经过下列式子得到:

 

 

式中:Tref为光伏电池参阅温度;Sref为光伏电池参阅日照强度;a, b, c为光伏电池内部系数。

 

1.2 光伏电池的输出特性

 

太阳能光伏电池受外界很多要素 (光照强度、温度等) 影响, 因而其输出具有显着的非线性。仿真得到的不同光照强度下、不同温度下, 光伏组件的I-V, P-V特性曲线如图2所图示[5]。

 

2 依据门槛电压的最大功率点跟踪 (MPPT) 操控

 

光伏电池在必定的温度和光照条件下其输出特性曲线为单凸峰形曲线, 当光伏电池的端电压V为Vm时, 其输出功率P到达最大功率点功率Pm, 一起电流I为Im;当光伏电池的端电压小于Vm时, 其输出功率随电池端电压上升而添加;当光伏电池的端电压大于Vm时, 其输出功率随端电压上升而减小。可经过操控端电压, 使光伏电池作业在最大功率点[6]。

 

文中选用改进扰动观察法完成MPPT, 在传统的扰动观察法的根底上加一个电压检测判别部分, 在检测到达最大功率点邻近时就减小扰动步长。这样可在最大功率点外取较大的扰动步长, 以进步呼应速度, 又可在最大功率点邻近取较小的扰动步长, 以进步跟踪精度, 削减摇摆构成的能量损失。

 

先让光伏电池按某一电压值输出, 核算扰动前光伏电池的输出功率, 测得输出功率;然后在此电压根底上给一个扰动再核算输出功率, 比较前后测得的2个功率值。若功率值添加了, 则继续给相同方向的扰动;若功率值削减了, 则给反方向的扰动。如图3所示, Pk为当时的采样值, Pk-1为上一次的采样值。在整个扰动进程中不断比较V与Vm, 若|V-Vm|≤th, 即在最大功率点邻近, 则减小扰动步长。th为门槛值, 要恰当选取。

 

3 光伏电池并网的根本模型

 

光伏并网设备分单相和三相光伏并网设备, 单相光伏并网设备输出电压为50 Hz沟通220 V, 多用于小型的用户体系, 其运转功率要素和波形由操控器功能决议;三相光伏并网设备输出电压为线电压50/60Hz沟通380 V或许更高的电压等级, 其间60 Hz为美国和日本规范, 50 Hz为中国和欧洲规范。三相并网设备多用于容量较大的并网体系, 输出波形选用正弦波办法, 功率要素挨近1[7]。

 

光伏电池宣布的是直流电能, 需求逆变器将其变换为沟通电供给给用户。此外, 逆变器还能对光伏电能进行主动稳压, 能够改进光伏发电体系的供电质量, 联网型光伏发电体系也需求经过沟通逆变器来并网。

 

为典型的三相光伏并网发电体系 (GCPS) 如图4所示, 该体系由光伏电池、直流母线、电压源型逆变器 (VSC) 、滤波器及电力体系组成。

 

光伏并网体系选用电压型逆变器时, 其衔接的电感是必不可少的。光伏逆变器自身是电压源型逆变器, 它与电网衔接, 因为电网自身也是电压源, 2个电压源不能直接相衔接, 否则会构成逆变器损坏。逆变器向电网输送有功和无功功率别离为[8]:

 

 

式中:δ为逆变器输出电压超前体系电压的角度 (弧度单位) , 当δ<5°时, 上述公式能够近似为

 

 

在PSCAD/EMTDC中树立了光伏电池并网的仿真模型, 如图5所示。模型包括光伏电池阵列, MPPT操控模块, 空间矢量调制 (SVPWM) 的VSC, 三相LC滤波器, 阻性负荷, 大电网用接地电源来标明[9]。

 

为了完成有功功率和无功功率的解耦操控, 引入同步旋转dq坐标系。光伏电池的P/Q操控包括外环功率操控和内环电流操控, 功率操控供给电流操控环节的参阅值, 电流操控供给SVPWM的参阅电压dq重量信号。逆变器操控的数学模型为:

 

 

由式 (15) 可得:

 

 

4 动态特性仿真剖析

 

在PSCAD中对光伏电池并网模型进行仿真剖析。用C语言对MPPT算法编程, 树立MPPT操控模块, 用指针贮存上1 s的V和I数值, 与下1 s的数值进行比较, 循环核算得到Vref的数值。由图 (6—9) 能够发现, GCPS在光照强度忽然改变时的呼应敏捷且精确。

 

图6是光照强度改变曲线, 在t=4 s时, 光照强度从300 W/m2增大到1000 W/m2, 经过3 s后在t=7 s时间光照强度从1000 W/m2下降为500 W/m2。

 

因为光伏阵列固有的二极管输出特性, 其输出功率能敏捷跟从光照强度的改变, 而逆变器的功率操控使得逆变输出的功率与光伏阵列输出功率比较有短暂的滞后。光伏电池输出的电压能在光照改变时追寻Vref, 因为Vref一直有小幅度动摇, Vpv也一直有细小动摇, 但根本坚持平稳。输出电流跟从电压改变。从图9中能够看出, 300 W/m2光强下的最大功率约为170W, 500 W/m2光强下的最大功率约为260 W, 1000W/m2光强下的最大功率约为560 W。此光伏体系在光照强度忽然改变时, 其输出有功功率能快速跟踪相应光照强度下的最大功率, 无功功率仅在光照改变时有小幅动摇。

 

5 结束语

 

经过剖析光伏电池内部原理及其等效电路, 树立其数学模型, 剖析了光伏电池的输出特性, 运用PSCAD构建光伏电池并网的根本模型进行动态特性仿真剖析。仿真成果标明:光伏电池阵列模型输出根本与实践输出类似。输出电压及电流受光照强度和温度改变的影响, 但在恣意温度和光照强度下都存在一个最大功率输出点。应尽量使光伏电池阵列作业在该点, 这样才能进步光伏电池阵列的运用率。模型参数的设置方便快捷、仿真速度快、收敛性好。该模型的树立为光伏发电体系的仿真及各种操控办法的验证供给了较好的仿真鼓励源。

 

参阅文献

 

[1]ARDESHNA NIKHIL K, CHOWDHURY BADRUL H.Supporting Islanded Microgrid Operations in the Presence of Intermittent Wind Generation[C]//IEEE Power Engineering Society General Meeting, 2010:1-8.

 

[2]LASSETER R, AKHIL A, MARNAY C, et al.The CERTS MicroGrid Concept[EB/OL].[2009-04-10].http://www.pserc.org/cgipserc/getbig/researchdo/certsdocum0/certspubli/certsmicro gridwhitepaper.pdf.

 

[3]ZOKA Y, SASAKI H.An Interaction Problem of Distributed Ge n erators Installed in a MicroGrid[C]//Proceedings of the 2004IEEE International Conference on Electric Utility Deregulation, Restructuring and Power Technologies, Hong Kong, China, 2004:795-799.

 

[4]HUSSEIN K H, MUTA I, HOSHINO T, et al.Maximum Photovoltaic Power Tracking:an Algorithm for Rap Idly Changing Atmospheric Conditions[J].IEEE Proceedings:Generation, Transmission and Distribution, 1995, 142 (1) :59-64.

 

[5]孙自勇, 宇航, 严干贵, 等.依据PSCAD的光伏阵列和MPPT操控器的仿真模型[J].电力体系保护与操控, 2009, 37 (19) :61-64.

 

[6]XUE J H, YIN Z D, WU B B, et al..Design of PV Array Model Based On EMTDC/PSCAD[C]//Power and Energy Engineering Conference, APPEEC 2009, 2009:1-5.

 

[7]姚致清, 张茜, 刘喜梅.依据PSCAD/EMTDC的三相光伏并网发电体系仿真研讨[J].电力体系保护与操控, 2010, 38 (17) :76-81.

 

[8]蔡先武.光伏并网体系中的最大功率点追寻操控[J].电子工业专用设备, 2008 (11) :48-52.

 

磷酸铁锂动力电池建模与仿真验证 篇5

跟着石油资源的短缺以及环保的压力, 新动力轿车特别是电动轿车的开展一日千里, 以磷酸铁锂为代表的锂电池因为其外特性体现出来的宽广的渠道区而逐步成为各个电动轿车厂商的干活动力电池, 而电池办理则逐步成为新动力轿车亟待突破的要害技能。

 

从国内外现在的研讨状况来看, 文献[1]树立了选用Extended Kalman滤波器和神经网络算法对SOC进行估量的电池模型, 模型精度高, 也极端杂乱;文献[2] 树立一种非线性的, 能进行内阻在线自适应辨识的等效电池模型;文献[3] 研讨了温度对电池模型精度的影响, 然后进步电池的本钱效益;文献[4] 选用混沌免疫进化规划算法进行SOC的猜测建模, 在变工况下SOC猜测精度到达5% 以内。国内外研讨首要集中在经过“拓展Kalman滤波器”、“神经网络自适应”和“含糊逻辑操控”等算法力图完成高精度的建模, 但在成千上万个电池串并联联合仿真时局必会大大添加运算本钱和延伸仿真时间, 并不能在短期内立即投入工程实践中。本文着眼于电池“精度”与“杂乱度”这对对立, 希望能找到两者之间的平衡点。而现在工程上干流的锂电池模型一共能够分为以下三种, 如图1 所示。

 

1.1 Thevenin模型

 

这种模型将电池看成一个二端口的网络, 运用电路网络来体现电池的伏安特性。因为这种模型遵照Thevenin定律所以称之为Thevenin模型。这种模型运用广泛, 结构简略, 能够较好地体现出电池的根本特色, 但精度较低, 且无法体现锂电池的回弹电压特性。

 

1.2 PNGV模型

 

PNGV模型是《PNGV电池试验手册》和《Freedom CAR电池试验手册》中均选用的规范电池等效电路模型, PNGV模型选用电容来树立开路电压与电流时间积分的联系, C1 标明了电池的容量, 体现了锂电池的计划特性和欧姆特性, 但依然没有触及电池的回弹电压特性。如图1 所示。

 

1.3 Massimo Ceraolo模型

 

Massimo Ceraolo模型能够串联多个RC并联环节, 串联的个数越多则模型精度越高, 但一起模型参数的辨认也越杂乱, 后续仿真运转的核算本钱和时间代价也越大。

 

2 磷酸铁锂电池的建模与仿真

 

2.1 动力电池的功能测验试验

 

电池的平衡电势EMF (Electro - Motive Force) 指的是动力电池处于平衡状况下正负极电动势之间的电势差。本文选用欧赛新动力科技有限公司供给的磷酸铁锂电池, 用试验室树立的电池充放电测验渠道对磷酸铁锂 (Li Fe PO4) 动力电池进行功能测验, 选用的测验办法是间歇性充放电, 充放电功率达99.3%, 静置时间为2 小时。下面是具体的试验办法介绍。

 

2.1.1 充电进程

 

关于电池充溢的界说, 依照咱们浅显的理解便是“在不损坏电池的前提下, 电池充电充到使电池的电量到达某个极限的状况, 此刻再继续充下去也不会再添加电池的电量了”。而化学与化工方面临电池充溢的界说是“在电池充电的进程中, 电池内部一切能参与充电化学反响的化学物质均已充分进行反响”。显而易见, 这两种界说关于工程上来说都难以用量化的目标来界定, 因而学术上多选用电力电子方面的量化目标来对电池充溢进行界说:“在既定的最高安稳电压下, 充电直至电流趋近于零”。本文选用了我国的职业规范QC/T 743-2006, 规则电池充电直至充电电流小于0.02C时即以为电池已被充溢。

 

关于磷酸铁锂动力电池的功能测验, 电池充电进程本文选用的是“两段法”, 首要第一阶段将电池衔接直流电源充电机, 选用电池的额外电流恒流充电, 直至电池的端电压到达最高的截止电压 (即电池生产商规则的电压上限值, 本试验所选用的电池的最高截止电压为3.7v) ;然后第二阶段选用3.7v恒压充电, 直流电源的充电电流会依据电池的内阻改变进行主动适应, 在恒压的状况下充电电流会越来越小, 直至充电电流小于0.02C时视为电池已充溢。

 

试验开端时需将电池的电量放空 (从SOC=0) 后再开端充电, 每充5% 的电量后断电, 静置一段时间让电池回复平衡, 记载相应数据。如图2 所示。

 

2.1.2 放电进程

 

电池衔接电子负载, 选用恒流放电 (本文选用最大额外电流的80%) , 直至电压小于最低的截止电压 (即电池生产商规则的电压下限值, 本试验所选用的电池的最低截止电压为2.85v) 时视为放电完毕。在电池满电量 (SOC=1) 时开端放电, 每放5% 的电量后断电, 静置一段时间让电池回复平衡, 记载相应数据。如图3 所示。

 

依据上述办法进行试验后, 对试验数据进行处理, 就能得到磷酸铁锂电池充放电平衡电势曲线图, 如图2-2 所示。咱们能够看到在相同的SOC下, 充电平衡电势都比放电平衡电势略高一点, 这便是一切锂电池自身所固有的滞回电压特性。

 

功能测验是一个冗长而耗时的进程 (一节单体电池一次完好的充放电试验需求50h以上) , 这儿强调测验试验进程的几个需求特别留意的细节:

 

 

 

(1) 放电倍率

 

在对电池未被构成危害的状况下, 电池电动势EMF只和电池的剩下电量SOC以及电池的温度有关, 而与电池的放电倍率无关。进步放电倍率能节省功能测验的时间, 可是过高的放电倍率也会对电池构成危害。在研讨电池数量较多的电池办理体系中, 本文引荐0.5C的放电倍率, 首要原因是考虑到散热。依据试验经历, 0.5C的放电倍率进行放电试验时, 电池会发热, 构成温度的升高, 而过高的温度将会对电流的操控和电池的老化程度都带来负面的影响, 而0.5C的放电倍率恰好是节省试验时间和操控电池温度之间一个比较抱负的平衡点。

 

(2) 静置时间

 

功能测验是要得到电池充放电后的平衡电压, 因为回弹电压特性的存在就使得电池充放电完成后需求静置一段较长的时间来使电池从头到达平衡, 此刻电池电动势与开路电压相等。大部分的文献都以为应该静置3 小时以上, 8 小时乃至24 个小时。本文引荐的是静置1小时。实践上静置1 小时未必满意, 可是经过电化学机理的微观研讨咱们能够发现, 电池静置进程中的回弹电压能够等效为多阶的容阻电路, 能够经过1 小时之内电压的数据, 选用数学拟合东西来核算出电池电动势的值, 以此经过核算机的合作来大大节省试验测验时间。

 

2.2 单体电池模型的数学剖析

 

2.2.1 磷酸铁锂电池SOC — EMF联系曲线

 

因为充电平衡曲线和放电平衡曲线是两条曲线, 同一个SOC值所对应的是两个电压, 而实践电动轿车的运转进程中, 电池的充放电是一起进行的, 充放电两条曲线对电池SOC的评估以及后续均衡战略的选取都带来了很大的不便。依据功能测验试验所得到的充放电平衡电势数据, 以及电池滞回电压特性的电化学机理, 本文挑选对充放电平衡电势两条曲线进行加权处理, 然后取得电池SOC—EMF的对应曲线。

 

 

Echarge:试验所得的电池充电平衡电势,

 

Edischarge:试验所得的电池放电电平衡电势, λ:权值系数。

 

依据上面的公式, 带入功能测验得到的试验数据, 就能得到SOC—EMF的对应曲线联系式, 如图4 所示。

 

2.2.2 等效电压源的数学模型

 

动力电池的等效电压源EB能够标明为滞回电压Vh与电池电动势EMF两部分构成:

 

 

依据前面公式 (3) 、 (4) 与功能测验试验中电池SOC—EMF联系曲线显着的三段式结构, 咱们采纳将滞回电压Vh也相同进行三段式处理。

 

在电池的渠道区 (0.1 ≤ SOC ≤ 0.9) 组成电极的晶体安稳, 滞回电压Vh也相对动摇较小, 此刻在核算滞回电压时权值系数 λ 可取为0.5;在非渠道区 (0 ≤ SOC ≤ 0.1、0.9 ≤ SOC ≤ 1) 权值系数 λ 与SOC为近似的线性联系, 当SOC = 0 ~ 0.1 时 λ = 1 ~ 0.5, SOC = 0.9 ~ 1时, λ = 0.5 ~ 1。相应的滞回电压Vh核算办法如表1 所示。依据公式可得EMF= EB-Vh, 则不同SOC下EMF的核算办法由表2 所示。

 

2.2.3 等效阻抗的数学模型

 

图5 是一个完好的电池充放电测验进程, 从A点到C点的这部分能够明晰地看出电压的回弹特性。当电池继续充电到某个阶段, 电池断电的瞬间, 电压会有一个骤变, 再慢慢回弹至安稳, 如图5中“A点→ B点→ C点”所示。

 

在A点→ B点区间, RC网络可视为零状况相应。电路模型如图5 所示, 以A为起点 (tA=0) , 则从A到B区间电压为:

 

 

如图6 所示。

 

依据试验数据以及充放电图像能够估算出Rs、Rm、Ri的值为毫欧等级的巨细, Cs、Cm、Ci的数量级在103~ 105, 因而

 

 

 

所以B点恣意时间的电压为:

 

 

2.3 磷酸铁锂单体电池的建模

 

经过动力电池的功能测验试验之后, 咱们能从动力电池作业进程中所体现出来的伏安特性概括为“电池的回弹电压特性”和“电池的等效阻抗特性”, 电路模型则相应由“等效电压源”和“等效阻抗”两部分组成。等效电压源子模块由一个抱负电压源与受控电流源组串联而成, 等效阻抗子模块所树立的模型选用三阶RC网络来模拟回弹电压特性的所体现出来的电压呼应。

 

图7 的Simulink模型即为依照功能测验试验推导出来的数学模型所树立的磷酸铁锂电池单体电池模型, 模型中的常数模块和欧姆电阻Rohm等为实践电池自身的参数, 经过电池的功能测验可得, 右上方的接口“ +、— ”为电池的正负极, Capp (橙色部分) 为可设置的电池额外容量, Initial SOC (绿色部分) 为可设定的初始电池容量值 (0 ~ 1 依据实践要求恣意设定) 。需求特别阐明的是黄色线路走的是电池的总电流, 经过左下方第一条回路的累积积分结合电池容量能够得出SOC (蓝色部分) 再经过一个由MATLAB数学东西进行三阶拟合的m文件数学函数EMF-SOC运算得出电池主电压, 电流经过右下方的三条回路 (三阶RC网络) 模拟回弹电压, 主电压与三阶回弹电压联合操控受控电压源作为单体电池的OCV (开路电压) 。

 

2.4 全体电池组模型的建模

 

本文研讨的目标是144v、110Ah的磷酸铁锂动力电池组, 一共由3840 颗额外电压3.7v、额外容量1.4Ah的小电池串并联组成。因为线路杂乱, 图中用不同颜色加以区分, 方便辨认:红色线路是电压 (Voltage) 监控丈量线路, 蓝色线路是电池容量 (SOC) 监控丈量线路, 绿色线路是初始电池容量 (Initial SOC) 赋值线路, 黑色线路是电池实践电流所走的线路 (如图8) 。

 

将所树立的全体电池组模型 (144v、110Ah) 与simulink自带的DC motor (直流电机) 模块进行衔接 (如图9) 后仿真运转, 再与衔接144v的抱负电压源进行比照 (如图10) 能够看到, 电机发动阶段安稳后的电压和转速的差错都非常能操控在4.1% 左右, 电流和转矩的差错也能操控在3.7% 左右, 模型精度较高。差错的首要原因仍是因为电池内阻的存在, 抱负电压源是没有内阻的, 而实践的电池组模型经过很多并联衔接内阻现已很小了, 到达毫欧乃至挨近微欧的等级, 比较所衔接的电机的运转内阻简直能够疏忽不计。

 

因为simulink软件是单线程编程的仿真软件, 而本文研讨的144v、110Ah电池组一共包括了3840 颗磷酸铁锂动力电池, 核算量巨大, 全体电池组衔接DC-DC直流电机之后仿真速度会非常缓慢, 关于大电池组的运算在运用上有必定的局限性。

 

2.5 虚拟电池

 

关于仿真速度缓慢的这个问题, 本文提出一种选用虚拟电池代替实践建模的电池, 以此大大来进步整个仿真运转的速度。

 

用实践建模的电池进行仿真运算, 则3840 颗电池每颗电池都是一个运算单元, 其间包括了很多的积分运算环节, 大大拖慢了全体的运转速度。为了削减这些含义不大的重复核算, 本文提出了一种虚拟电池的概念, 如图12 所示。

 

磷酸铁锂动力电池的等效电压, 都是由一个可控电压源进行操控, 而操控这个可控电压源的操控信息流要经过一连串繁复的核算。由上图可看出虚拟电池的构成就只有一个电阻和一个可控电压源, 操控信息流只需核算一次之后直接由外部供给, 无需每个单体电池自行核算, 这样就大大简化了电池的结构以及仿真核算的次数, 然后将全体仿真体系的运转速度进步了将近50%。

 

3 定论

 

以试验室电动轿车样车模型为研讨目标, 经过对车载144v、110Ah的磷酸铁锂动力电池进行功能测验试验, 树立了精度较高的单体电池和全体电池组模型, 经过虚拟电池的引入大大进步了全体仿真的速度, 并经过衔接直流电机进行了仿真验证, 再与抱负电压源进行比照研讨, 并剖析了差错的首要来源。成果标明在电机的发动阶段安稳后电压和转速的差错为4.1%, 电流和转矩的差错为3.7%, 模型精度较高, 到达试验要求, 对后续电池办理体系的开发很有含义。

 

摘要：在电动轿车日新月异的开展进程中, 以磷酸铁锂为代表的锂电池因为其优异的外特性体现而逐步成为干流的电动轿车车载电池。现在国内外研讨大部分的锂电池模型精度都比较低;而高精度的锂电池模型因为其杂乱性, 在成百上千个电池联合仿真时局必会大大添加运算本钱和延伸仿真时间。本文着眼于电池“精度”与“杂乱度”这对对立, 提出一种既能满意模型精度而又能满意仿真时间要求的电池模型, 并进行建模仿真验证, 为电池办理体系的开发奠定一个杰出的根底。

 

要害词：电动轿车,锂电池,建模仿真,电池办理

 

参阅文献

 

[1]MCharkhgard, MFarrokhi.State-ofCharge Estima-tion for Lithium-Ion Batteries Using Neural Networks and EKF[J].IEEE Transaction on Tndustrial Electronic, 2010, 57:4178-4187.

 

[2]戴海峰, 学哲, 泽昌.依据等效电路的内阻自适应锂离子电池模型[J].同济大学学报, 2010:98-102.

 

[3]C Sen, N C Kar.Battery pack modeling f o r t h e a n a l y s i s o f b a t t e r y management system of a hybrid EV.Vehicle Power and Propulsion Conference, 2009.

 

[4]程博, 韩琳, 郭振宇.依据混沌免疫金华网络的电池荷电状况猜测[J].体系仿真学报, 2008, 20.

 

电池建模 篇6

节能环保是当时世界对轿车工业的首要期望, 加之动力严重和气候改变使得电动轿车遭到全球重视, 也成为往后轿车开展的干流[1,2]。作为抱负的绿色交通东西, 电动轿车的动力源和能量转化设备和传统的内燃机车有着本质的区别, 因而其动力体系也产生了一系列的改变。动力功能是衡量电动轿车各项功能的最根本也是最重要的目标。纯电动轿车与混合动力轿车不同, 电池和电机作为能量源和动力源, 决议着电动轿车的动力功能和续航路程。在微型电动轿车动力体系部件选型根底上, 运用ADVISOR软件树立整车仿真模型, 选取CYC_ECE循环工况进行动力功能仿真, 与实车试验成果进行比照验证。

 

2 数学模型的树立

 

2.1 车辆动力学模型

 

行进进程中电动轿车和传统轿车受力相同, 电动车行进方程式[3]为:

 

式中:F指轿车的驱动力, N;m指整车质量, kg;g指重力加快度, m/s2;A指轿车顶风面积, m2;f指翻滚阻力系数;α指路途坡度角;δ指轿车旋转质量换算系数;dv指轿车加快度, m/s2;指轿车车速, km/h;CD指空气阻力系数。

 

轿车的功率方程为:

 

式中:Pe指电动机输出的有用功率, kW;ηT指整车驱动体系的功率。

 

2.2 蓄电池的建模

 

电池模型描绘电池的影响要素与其作业特性之间的数学联系, 考虑的要素有电压、电流、功率、SOC、温度、内阻、内压、循环作业次数和自放电。本电池建模的根底来源于Gregory L.Plett, 是下述三个经典模型[4]的组合模型。这三个经典模型是:

 

式中:yk指端电压;R指内阻;Ki指极化阻抗;K1, K2, K3指常数因子。把上述三个公式归纳起来, 得到功能更优越于单个模型的“组合模型”。这个模型具体如下:

 

式中:zk指荷电状况 (即SOC, 指的是电池在必定放电倍率下, 剩下电量与相同条件下额外容量的比值) ;ηi指库仑功率 (ηi=1, 关于放电) ;Cn指额外容量;Δt指采样时间;yk指端电压。从式中能够看出:yk是可丈量的端电压, ik是相应的放电电流;不知道的量是内阻R以及参数K, 因而运用最小二乘法进行参数辨识:

 

经过以不同电流进行恒流放电试验, 经最小二乘法进行参数辨识得:

 

因而, 得到电池的仿真模型如图1所示:

 

比照模型的仿真输出电压与所丈量的实在电压输出, 得到:尽管疏忽了电池的许多细节要素, 可是两种成果仍是很相近的, 因而这种“组合模型”是简略有用的。

 

2.3 电动机数学模型

 

假定微型电动轿车选用的永磁同步电动机各参数处于抱负状况, 则电机的每相绕组能够等效为电阻、电感和反电动势串联, 选用三相星形衔接, 两相导通的等效电路, 如图2所示。

 

三相电压能够用下面的方程式[5]标明:

 

式中:Va, Vb, Vc, V∂指三相端电压和中点电压, V;Ra, Rb, Rc指三相电枢绕组电阻, Ω;La, Lb, Lc指三相电枢绕组电感, H;Ea, Eb, Ec指三相反电动势, V;ia, ib, ic指三相绕组电流, A。

 

电机运转时电磁转矩的表达式是:

 

电机的机械运动方程是:

 

式中:Te, TL指电磁转矩和负载转矩, N*m;J指转子的转动惯量, kg*m2;f指阻尼系数, N*s/m;ω指转子的角速度, rad/s。

 

3 整车的动力功能仿真

 

3.1 仿真模型树立

 

轿车动力体系剖析软件ADVISOR能够进行传统轿车、混合动力轿车、纯电动轿车的动力功能研讨、油耗核算和参数研讨[6]。依据ADVISOR仿真软件树立的整车和电机仿真模型如图3、图4所示。

 

3.2 整车的仿真模型结构

 

在微型电动轿车车辆、锂离子电池和永磁同步电机仿真模型的根底上, 依据ADVISOR树立包括循环工况、车辆、变速器、主减速器、能量源等模块的整车仿真结构, 如图5所示。各模块经过M文件操控其参数的改变, 然后对微型电动轿车的动力功能进行仿真。

 

3.3 整车技能参数

 

3.4 仿真进程和仿真成果

 

点评整车功能所用路途循环工况首要有CYC_ECE, CYC_UDDS等模型, 鉴于微型电动车首要用于城市, 故挑选CYC_ECE城市循环工况。其循环周期为200s, 行进距离1.5km, 最高速度50km/h, 均匀速度19.13 km/h, 最大加快度1.07m/s2, 最大减速度-0.84m/s2, 停车3次, 仿真进程中设定循环10次。

 

依据上述整车技能参数, 选用CYC_ECE工况对整车进行动力功能仿真, 首要目标成果见表2。该车最高车速51.9 km/h, 满意规划要求, 2.5m/s2的仿真最大加快度标明车辆具有杰出的加快功能, 能够满意其工况需求, 体现出杰出的动力功能。仿真车速的改变如图6所示。

 

电池的SOC值改变如图7标明, 下降的速度比较均匀, 电池的作业进程比较安稳。SOC出现动摇下降的状况, 首要是车辆制动进程中能量回收给电池进行充电引起的。

 

输入电动机的实践功率如图标明, 电机驱动车轮作业时, 功率为正值;在轿车回馈制动时, 电机功率为负值, 有用地回收了制动能量, 这对电动轿车节省能量、添加续航路程非常有含义。

 

4 实车试验

 

电动轿车的动力功能试验试验首要依据GB/T18385-2001在MM4000底盘测功机上进行, 试验成果如图8所示。

 

试验标明, 该车的最大速度56.1km/h, 0～40km/h, 加快时间为9.9S, 最大加快度为25m/s2, 当车速在15km/h时爬坡度为11%。与试验的成果比较标明, 文中树立的仿真模型是合理的。

 

5定论

 

依据车辆的动力学和功率平衡方程树立的电动轿车模型是合理的, 传统轿车的动力学剖析办法也适用于纯电动轿车。一起因为电动轿车的动力体系与传统轿车有所不同, 特别需求留意的一点便是依据整车参数和规划要求选取合理的电池和电机。

 

此办法规划出的微型电动轿车、经过核算机仿真剖析和实车试验比照验证, 其动力功能满意规划要求, 整个计划对往后进一步的研发作业具有必定的指导含义。

 

摘要：为研讨电动轿车的电池和整车的动力功能, 树立了电动轿车的蓄电池、电机及整车的力学和数学模型, 依据ADVISOR软件树立了车辆、电池、电机和整车的仿真模型。依据整车规划技能参数进行车辆行进功能仿真, 选取CYCECE循环工况, 得出了速度和SOC值改变的仿真成果。与实车试验成果比照标明, 树立的模型是合理, 动力体系规划可行。

 

要害词：电动轿车,电池,电机,建模仿真

 

参阅文献

 

[1]陈清泉.电动车的现状和趋势[J].机械制造与主动化, 2003 (1) :1-4, 19.

 

[2]Karina Funk, Ari Rab.Electric versus conventional vehicles social andbenefitsinFrance[J].TransportationResearchPartD4, 1999.397-411.

 

[3]许洪国.轿车运用工程根底[M].北京:清华大学出版社, 2004.

 

[4]Deng L, Tan Y H.Modeling hysteresis in piezoelectric actuators usingNARMAX models[J].Sensors and Actuators:A Physical, 2009, 149 (1) :106-12.

 

[5]谷峪.电动轿车用永磁同步电机操控体系研讨与规划[D].武汉:武汉理工大学, 2007.

 

电池建模 篇7

因为运送工业需求石油燃料代用品, 燃料电池便作为潜在的车辆动力源得到研讨。因为燃料电池功率高、构造简略, 使得它们有潜力成为运送工业的动力源[1]。正在进行的研讨标明, 燃料电池在车辆上运用, 现已使这个职业得到长处。铁路作为运送工业中一个特别部分, 也现已受益于这项研讨。

 

运送工业高度依赖于石油燃料。跟着这类燃料供给的削减, 迫切需求代替燃料。燃料电池是具有相对较高能量密度的动力, 而且能够重复再生运用。在车辆运用中, 经常考虑运用质子交流膜燃料电池 (PEM-FC) 。因为具有低温操控特性, 它们合适运用在个人车辆中[2]。PEMFC运用氢作为燃料, 在燃料生成以及安全储备方面产生了一些问题。

 

因为车辆对再生能量的需求以及对功率需求的改变大, 燃料电池经常与辅佐存储单元 (ASU) 配套运用。这些ASU一般由蓄电池和超级电容构成。多种动力源的运用带来了功率分配操控的特别问题。针对这些操控问题的研讨刚刚开端, 可是大部分研讨内容是仅仅运用蓄电池作为ASU[3,4], 这类体系不能供给与运用超级电容的ASU一样高的能量。有一些运用超级电容作为ASU代替蓄电池的研讨, 例如文献[5]中的例子闪现, 选用超级电容往后, 燃料电池的电能容量会减小。因而, 这种计划不能贮存很多的再生能量。少量既运用超级电容又运用蓄电池的研讨闪现体系功能会得到改进。有人依据能量存储设备的充电状况 (SOC) , 开发了在不同ASU之间相互转化的操控战略[6]。也有人依据对客车的载荷剖析, 评论而且确认了车辆的最优结构, 开发了一个答应在不同ASU的动态呼应下, 在ASU上坚持必定的SOC的操控办法[7]。

 

铁路是一个特别的运送职业, 它能够受益于燃料电池技能。在这个职业中, 燃料电池的研讨现已继续了一段时间。刚开端时, 研讨侧重于改进传统机车的能量功率, 不注重细节[8]。如今有更多的研讨评论了动力调车机车PEMFC的开展[9,10]。这些研讨重视规划的常用电路结构, 可是没有评论操控的细节。而且在规划中, 怎么贮存PEMFC所需的压缩氢气相同是一个要害点。

 

本文研讨了燃料电池在轨道交通的运用。运用压缩氢气来满意所需的能量贮存需求将会好不简略, 这在文章的前半部分现已确认。因而, 研讨了运用固体氧化物燃料电池 (SOFC) 来代替PEMFC, 它关于燃料的运用愈加灵敏, 例如生物柴油机, 而且比氢气具有更高的能量密度。

 

图1是所研讨体系的组成图。该体系运用超级电容和蓄电池作为ASU, 充分运用了它们独特的功能优势。一切的动力源都经过DC-DC变流器到达直流母线。功率操控体系操控着不同动力源的输出电压、燃料电池的输出电流、蓄电池的充电以及放电电流和DC-DC变流器的输出电压。就像文献[11]、文献[12]中所评论的一样, 这是一个多目标操控目标, 其功率转化的操控非常杂乱。而且在机车所需功率动态动摇很大的状况下, 操控战略会愈加杂乱。

 

本文提出的操控战略依据SOC操控。规划目的是为了将蓄电池的充电特性坚持在最优规模内, 而且这个规划是依据典型的调车机车特性而不是普通的车辆牵引周期。

 

2 功率占空比

 

本文特别重视调车作业中燃料电池在更小机车中的运用。调车机车是用来衔接车厢和远程作业机车的。因为频频制动和加快, 载荷改变快, 这类机车的功率需求动摇很大。为了剖析这种机车的功率需求, 在诺福克南边铁路公司对一台柴油动力调车机车进行了功率占空比数据采样剖析[13]。采样数据时, 只需功率需求有改变, 就记载数据。图2闪现了调车机车功率需求的典型曲线, 其间x轴为时间坐标, y轴为发电机功率。观测到的发电机最大瞬时功率为847.1kW (1 136HP) , 每10h核算发电机的瞬时功率均匀值, 发现均匀功率为35.9kW (48.13 HP) 。图3是发电机功率的柱状图, 其间x轴为发电机功率, y轴为额外功率比值百分比。最高百分比在28%邻近, 功率近似37.3kW (50HP) , 与均匀功率相近。

 

在燃料电池混合动力机车中, 发电机的功率将由燃料电池和辅佐储能设备供给。一切电源都被衔接到直流母线上, 母线电压在600 V~700 V规模内。在诺福克南边铁路公司, 这个体系为机车供给的规范电压为648V。一般状况下, 这样高的电压能够很好地满意牵引电机的需求, 而且能够下降母线上的铜损。

 

3 固体氧化物燃料电池 (SOFC) 的建模

 

为剖析燃料电池在机车动力体系中运转时的功能, 需求先树立一个合适于体系仿真的动态模型。在这儿运用的燃料电池简略模型是依据文献[14]中开发的模型。为契合机车对功率需求的特别性, 对模型做了一些批改。

 

运用Mathworks公司Matlab/Simulink仿真软件, 研讨并树立了SOFC的模型。Matlab答运用户开展密集式的核算使命, Simulink用于建模、规划和仿真时变体系。燃料电池模型依据集总模型, 这个模型削减了杂乱性和核算时间, 但精确性满意电机功率和操控仿真的要求。该模型用来研讨SOFC的稳态和动态呼应。

 

固体氧化物燃料电池 (SOFC) 在很高的温度 (800℃~1 000℃) 下经过电化学反响把化学能转化为电能, 电化反响进程如式 (1) ~ (3) [14]。

 

 

 

 

式 (4) 中给出了燃料电池的输出电压Vfc, 其间E为能斯特反向电压, Vact为活化损耗电压, Vcon为浓度损耗电压, 而Vohmic为电阻损耗电压[14]。

 

 

当电流密度Ifc为零时, 能斯特反向电压E为SOFC的开路电压。能斯特反向电压核算如式 (5) 所示。E0=1.1V为规范电势, R=8.314kJ/kmol·K为通用气体常数, T为开尔文规范下的操作温度, F=96 486C/mol, 为法拉第常数, PH2为氢气分压, PO2为氧气分压, 而PH2O为水的分压。运用燃料电池的样本[15], 运用等效RC电路的流体质量转化方程, 可完成能斯特反向电压。在图4中是运用Matlab/Simulink标明的能斯特反向电压的完成进程。

 

 

式 (6) 是活化损耗电压Vact表达式, 其间I0为交流电流密度。

 

 

浓度损耗是因为反响物和产物经过多孔电极活动进程中的很多转移阻力导致的。当负载电流密度挨近燃料电池临界电流值时, 浓度损耗急剧添加[15]。等式 (7) 是浓度损耗电压表达式。

 

 

电阻损耗电压由等式 (8) 给出[15]。

 

 

运用Simulink进行仿真, 得到了如图5所示的SOFC的电压对电流的极化曲线。小电流时, 因为电化学反响中存在活化能量耗费, 电池电压跟着电流的增大敏捷下降。然后, 跟着电池电流的增大, 因为电阻耗费的原因能够观测到电压呈线性下降。最后, 当电流挨近于临界电流值时, 燃料电池的电压敏捷下降到0, 这是因为浓度损耗为主的原因。整个进程的曲线类似于燃料电池的极化特性。

 

4 辅佐储能设备模型

 

在本节部分, 介绍了包括蓄电池和超级电容的辅佐储能设备 (ASU) 的模型。依据典型值, 表1对超级电容与几种电池进行了比照[16]。

 

4.1 铅酸电池的模型

 

最常见的电化学电池有铅酸电池、锂离子电池和氢氧化镍电池 (NiMH) 。锂离子电池在能量密度、比能量、功率密度以及比功率方面有优势 (见表1) 。但关于机车来说, 减重并不是要考虑的首要要素, 因而这些参数并不那么重要。虽然这些蓄电池在小功率时都有很高的可靠性以及较低的保护性, 可是还不可用在较高的功率密度状况下。相同, 现在锂离子电池的高本钱阻碍了它在高功率密度下的运用[16]。NiMH蓄电池具有相对较高的比能和比功率, 但在超高功率规模中比能显着下降。NiMH电池的可靠性要差于锂离子电池和铅酸电池, 它比铅酸电池愈加昂贵。依据这些剖析, 只有比能显着添加或许生产本钱显着下降的蓄电池才能被选用。

 

 

与其他类型蓄电池比较, 高档铅酸蓄电池具有较低的比功率和比能[17], 但高档铅酸蓄电池确实具有一些优势[18], 其本钱也比其他类型的蓄电池要低。铅酸蓄电池的作业功率较高, 介于锂离子蓄电池和NiMH蓄电池之间。高档铅酸蓄电池具有杰出的保护功能, 而且具有很高的可靠性。凭借这些优势, 高档铅酸蓄电池成为现在规划的首选。

 

图6为所规划的铅酸蓄电池的模型。该模型考虑了蓄电池的动态特性, 如电压康复特性。应该留意到, 该模型中电路元件的值取决于充电状况, 或许取决于与温度相关的充电深度。

 

等式 (9) 确认了蓄电池的开路电压, 其间Em为开路电压或许内部电势 (emf) [19], Em0为电池彻底充电状况下的开路电压, KE为常数, 单位V/℃;θ为电解质温度, 单位℃;SOC为蓄电池的充电状况。在给定温度下, 参照蓄电池的最大容量, SOC决议了蓄电池的剩下电量。充电深度 (DOC) 是在考虑到均匀放电电流根底上, 丈量部分剩下可用电量。因为较大的放电电流会导致蓄电池的电量耗费过快, 因而, 一般状况下DOC要小于或许等于SOC。式 (10) 和式 (11) 别离给出了SOC以及DOC的核算办法, 其间Qe是蓄电池的充电量, 单位A·s;C为蓄电池的容量, 单位A·s;θ为电解质温度, 单位℃。蓄电池的均匀电流Iavg由式 (12) 确认, 其间Im为主回路电流, 单位A;τ1为主回路时间常数, 单位s[20]。

 

 

 

研讨确认, 高档阀调理铅酸蓄电池 (VRLA) 是最合适用于调车机车的蓄电池。对模型的参数进行调整, 模型的输出就会契合铅酸蓄电池特性的动态以及静态呼应。为验证这个蓄电池模型, 仿真了单个铅酸蓄电池的放电特性。以1.25倍的额外放电速率放电, 8.6h后, 蓄电池容量挨近其额外容量, 随后放电电流康复为零。图7给出了终究的组成电压, 契合文献[19]中发现的典型特征。

 

为确认蓄电池容量, 运用了诺福克南边铁路公司供给的数据。这个数据包括了7个接连作业日柴油调车机车的功率数。从中能够发现, 对这个典型运用来说, 它的能量需求为650kW·h。ASU应该至少能供给10%的能量需求, 相当于65kW·h。为确保蓄电池有一个较长的作业寿数, 蓄电池的SOC应该坚持在0.4~0.8之间, 因而, 蓄电池的容量应该为100kW·h[13]。

 

4.2 超级电容的模型

 

因为调车机车的功率需求是动态的, 所以在周期性大功率需求时运用超级电容作为蓄电池的补充, 并坚持蓄电池的SOC在确认规模以下。调整超级电容的比率以此约束蓄电池电压的动摇在60V以下。超级电容模型是电容与电阻器的串联。超级电容的总容量为1 000F, 运用5个200F电容并联, 以削减ESR。电容的电压上限值约束在650V。图8为超级电容的Simulink模型, 其间, “Gain2”代表超级电容的值, “Gain3”代表串联电阻, “Gain4”为并联超级电容数的倒数。

 

5 机车燃料电池混合动力体系的操控

 

功率办理体系调理燃料电池和ASU之间的功率流分配, 以确保体系操作的高效性和杰出的动态呼应。功率办理体系操控燃料电池的输出电流、蓄电池的充电电压和电流以及电源的输出电压[11]。选用电力变换器来平衡燃料电池、蓄电池和超级电容之间的功率流, 以满意负载功率的需求。一起还确保体系运转在电化反响部件的临界状况内, 例如燃料电池的电流极限、蓄电池的过充电或许过放电状况[7、12]。

 

燃料电池功率的巨细依据坚持负载要求的均匀功率。它经过确认一个时变的均匀功率需求值来到达, 该功率需求改变比燃料电池的功率改变更缓慢, 足以确保燃料电池能够呼应负载对功率的动态要求。

 

依据瞬时功率需求和均匀功率需求之差, 来确认蓄电池的输出功率。蓄电池的寿数受SOC规模的影响很大。为坚持蓄电池的长运用寿数, SOC应该坚持在0.4~0.8的规模内。在混合燃料调车机车中, 功率办理体系会把蓄电池的SOC约束在这个规模以内。假定蓄电池开端的SOC值为0.8, 假如SOC是在0.4~0.8之间, 那么超越均匀电流的那部分电流需求就由蓄电池来供给。假如蓄电池的SOC值低于0.4, 那么所需电流和均匀电流之间的差将由超级电容供给, 并对蓄电池进行充电。假如蓄电池的SOC值超越了0.8, 那么蓄电池的充电电流变为零, 一起蓄电池开端放电以供给电能。蓄电池能够供给的电量相同遭到充电峰值和蓄电池输出电流的约束。蓄电池的充电电流约束在20A以下, 输出电流约束在300A以下。确认了燃料电池和蓄电池的功率往后, 剩下的功率就由超级电容供给。在图9中, 闪现了辅佐电流需求在蓄电池和超级电容之间分配的操控算法的流程图。辅佐电流需求由瞬时功率和均匀功率之差除以母线额外电压来得到。

 

依据前述体系的数学模型以及电气模型细节, 运用Matlab/Simulink对功率办理体系进行了仿真。这个体系具有模块化特性, 因而, 依据能量体系很简略把它运用在其他燃料电池上。

 

6 成果和评论

 

运用图2中的调车机车功率占空比试验数据, 对操控体系进行了验证。母线电流等于母线功率除以母线额外电压648V。图10闪现了蓄电池的SOC值, 蓄电池的SOC值约束在0.4~0.8的规模以内。图11闪现了不同动力源的输出电压, 并标明本文规划的操控体系能够坚持燃料电池、蓄电池以及超级电容的输出电压在确认的规模内。图12闪现了不同动力源的输出功率, 燃料电池供给均匀功率, 而蓄电池和超级电容则供给动态的功率需求。因为超级电容充电时间短且功率密度较大, 所以较快改变的动态的功率需求将由超级电容供给。当超级电容供给特别大的功率时, 它的放电电流很高, 而且终端电压相应的有所下降。比照发现, 仿真中三种动力源供给的总功率等于诺福克南边铁路公司机车试验数据的功率要求, 满意了调车机车悉数的功率需求。

 

针对燃料电池混合动力体系, 本文提出的操控战略有以下几个优势:首要, 燃料电池体系、蓄电池体系以及超级电容都是相互独立的动力源。第二, 建议的功率分配操控算法为蓄电池和超级电容的额外功率规划供给了灵敏性。第三, 燃料电池、蓄电池和超级电容这三种动力源都在它们的安全限值以内。选用了每一种动力源的优势来满意机车的全体功率需求。超级电容供给改变最敏捷的动态功率, 包括有瞬时以及忽然改变的需求功率。三种动力源功率之和满意所需求的全体功率。第四, 这个操控算法相对简略, 而且能够很简略地运用微操控器和数字信号处理器 (DSP) 完成。

 

7 定论

 

本文评论了机车燃料电池混合动力体系的规划以及建模。动力体系包括固体氧化物燃料电池 (SOFC) 、包括有蓄电池以及超级电容的辅佐储能单元 (ASU) 、DC-DC变流器以及调理功率流的操控体系。首要剖析了一个典型的柴油动力调车机车功率占空比, 运用SOFC和ASU模型树立了这个体系。为调理燃料电池、蓄电池和超级电容之间的功率流, 规划了操控体系。首要剖析了功率占空比的试验数据, 随后运用这些数据验证了所提出的操控计划。仿真成果闪现, 规划的操控体系有能力坚持燃料电池、蓄电池以及超级电容的输出电压在要求的规模内, 并能坚持蓄电池的SOC在最佳规模内。

 

参阅文献

 

[1]Kumar R, Krumpelt M, Myles KM.Solid oxide fuel cells for transportation:a clean, efficient alternative for propulsion[C].Conference of electrochemical society meeting, Honolulu, HI, May 1933.

 

[2]von Jouanne A, Husain I, Wallace A, Yokochi A.Innovative hydrogen/fuel cell electric vehicle infrastructure based on renewable energy sources[C].Proceedings of the IEEE IAS annual meeting, 2003.

 

[3]Khaligh A, Rahimi AM, Lee Y, Cao J, Emadi A.Digital control of an isolated active hybrid fuel cell/Li-ion battery power supply[J].IEEE Trans Veh Technol, 2007, 56 (6) :3709-21.

 

电池建模 篇8

近年来, 跟着环境保护要求的进步, 以风力发电为代表的多种新式动力正在敏捷开展。例如到2013年末, 中国累计装置风电机组63 120台, 总装机容量已到达91 412.89 MW, 居世界第一位[1]。可是, 2013年全国“弃风”电量到达16 231GW·h, 带来的经济损失超越50亿元。因为风电、太阳能发电等新动力发电具有间歇性与动摇性特色, 怎么消纳这些电能, 对电网运转与调度提出了巨大的应战[2,3], 也成为了约束新动力开展的首要瓶颈。

 

大规模储能技能被以为是平抑新式动力动摇最有用的技能手段之一。大规模储能体系能够动态对电能进行补偿, 在风电高峰时贮存电能, 在低谷时开释电能, 完成负荷平衡[4]。其间, 电池储能体系 (BESS) 因为其呼应速度快、能量密度高、转化功率高、装置条件无约束等长处而广泛运用[5]。电池储能进程是杂乱的电化学反响, 怎么精确描绘电池储能体系的状况成为了建模难点。

 

等效电路模型因其数学描绘简略、物理含义明确而在电池建模中遭到广泛运用。等效电路模型有多种办法, 包括内阻模型[6]、戴维南模型、PNGV (partnership for a new generation of vehicle) 模型、通用非线性模型[7]等。这些模型能够描绘电池充放电的暂态进程, 而且反映电池功能与荷电状况 (SOC) 的联系。结合安时法[8]或卡尔曼滤波[9]估量电池SOC, 对单体的描绘差错能够约束在10%以内, 根本满意单体仿真要求。

 

可是关于储能体系, 尤其是不一致性显着的大规模储能体系而言, 还缺乏成熟的仿真模型。在电池成组之前, 生产厂商一般会筛选参数相近的单体打包成组, 可是电池组老化加深, 不一致性会显着影响电池组运转。此刻, 现已不能将储能体系简化为单体, 有必要考虑内部单体之间的参数差异。文献[10]树立了依据等效电路模型的电池组模型, 其剖析根底是各单体之间的参数差异较小, 并不适用于不一致性显着的电池组建模。文献[11]提出在考虑不一致性状况下描绘电池组SOC的办法, 可是不能给出电池外特性的描绘。文献[12]提出了一种依据迭代法的串/并电池模块建模办法, 可是迭代依据恒流放电进程, 而且不合适描绘杂乱工况下电池的体现。

 

仿真模型的精确性, 直接影响着储能体系的电气规划及操控战略的挑选。本文在循环寿数测验数据根底上树立了考虑老化程度的电池单体模型, 并扩展到不一致性显着的电池组的建模。将该模型运用于风储联合体系的仿真, 比较简化模型和本文所树立的具体模型仿真成果, 阐明晰具体模型对储能体系操控战略能够供给更优化的参阅。

 

1 电池储能体系结构

 

电池储能体系一般由电池体系、功率转化体系 (PCS) 、电池办理体系 (BMS) 、监控体系4个部分组成。而在实践运用中, BS, BMS与PCS一般打包在一起, 组成模块化的BESS, 而监控体系一般首要用于监测、办理与操控一个或多个模块化BESS。这4个部分的联系如附录A图A1所示[13]。

 

电池体系是BESS的最首要构成部分。电池体系能够以为是大规模电池组, 是将数量很多的电池单体以串/并联办法组合构成, 见附录A图A2。电池单体的串联和并联能够进步电池组的端电压、输出电流、瞬时功率等功能, 然后构成大容量电池体系 (LCBS) , 以满意电力体系等级的运转要求。在实践运用中, 较常用的一种衔接办法为:先由多个电池单体经串/并联后构成电池模块, 再将多个电池模块串联成电池串, 最后由多个电池串经并联而成LCBS。

 

一般LCBS傍边, 单体首要串联构成电池串, 再由多个电池串并联构成电池体系。而因为PCS中均衡电路的存在, 各个电池串之间并不是简略并联的联系, 而是经过均衡电路中电力电子设备构成的衔接。经过附录A图A3所示的中直流斩波电路, 各个并联支路的电压差异现已很细小。因而, 关于电池体系中电池串的建模, 是电池体系建模的要点。

 

2 电池单体建模

 

2.1 戴维南等效电路模型

 

归纳考虑电池模型的杂乱程度及仿真精度, 选定戴维南模型来描绘电池单体。该模型如附录A图A4所示。戴维南模型中, Ro标明电池的欧姆内阻, 描绘电极资料、电解液、隔膜电阻及各部分零件的接触电阻, Rp标明极化电阻, 描绘电池中电化学反响的极化效应带来的内阻, Cp标明极化电容, 描绘因为极化效应带来的电极电势改变, UOC描绘电池开路时的电压, 遭到SOC影响最为显着。

 

SOC是BESS傍边最重要的参数之一, 因为不只表征电池功能的参数大多与SOC有关, 而且是BESS供给有功功率能力的丈量。在实践运转中, SOC遭到多种要素的影响, 往往难以估量。本文选用安时法进行SOC值估量。

 

 

式中:IL为电池电流, 以放电为正方向;η为电池充放电功率;C为当时电池容量。

 

2.2 单体参数辨认与老化进程

 

戴维南电路的微分方程为:

 

 

式中:Up和UL别离为极化电阻和电池端电压。

 

对式 (2) 进行离散化并求解, 得到:

 

 

 

式中:te=Δt/τ, 其间, τ为时间常数;UL, i为第i个时间电池端电压;IL, i为第i个时间流过电池的电流;Ip, i为第i个时间流过极化内阻的电流。

 

在式 (3) 傍边, UL, i和IL, i都是丈量得到的已知量, 而假定时间常数τ为已知量, 极化电阻上的电流Ip, i也能够经过式 (4) 求得。这样关于丈量得到的多组UL, i和IL, i, 依据式 (3) , 其间, 待求量Ro和Rp等成为系数, 能够运用多元线性回归的办法核算得到系数的数值。

 

电池单体的功能及模型参数并不只仅遭到SOC的影响, 还遭到电池老化程度的影响。跟着电池的运用, 电池的功能不断下降, 这个进程被称为电池的老化。一般, 用健康状况 (SOH) 来描绘电池的老化程度。常用的是运用电池的容量衰减率来核算SOH值, 如式 (5) 所示。

 

 

式中:CBOL为电池寿数起点时的容量;CEOL为电池寿数终点时的容量。

 

电池老化的最突出体现是电池欧姆内阻的添加和容量的削减。跟着电池的运用, 石墨电极外表形状会产生改变, 锂离子嵌入石墨结构变得困难[14], 正负极流体的腐蚀、电解液的分解等要素都被以为是导致电池内阻增大与容量减小的原因。可是电池自身是一个杂乱的电化学进程, 要研讨电池的老化及参数的影响, 需求经过试验进行测定。

 

2.3 单体试验成果及模型验证

 

对某公司生产的磷酸锂铁电池进行了循环寿数测验及HPPC (hybrid pulse power characteristic) 测验。HPPC测验依照《FreedomCAR电池测验手册》引荐的测验办法进行, 以测定电池参数在不同SOC下的数值。循环寿数测验能够测定电池参数跟着老化加深的具体改变。循环寿数测验进程为:1C恒流放电、静置、0.5C恒流充电、静置。该循环重复1 150次, 观察电池参数随循环次数的改变规则。

 

对电池循环寿数测验成果进行处理, 能够得到电池内阻及容量跟着循环次数的改变规则, 依照式 (5) 核算, 进一步测定内阻与SOH的联系。图1为某个60Ah磷酸锂铁电池进行循环寿数测验的成果。试验成果标明, 内阻的增大首要是因为欧姆内阻的增大引起的, 极化内阻根本没有改变, 而且, 欧姆内阻随SOH的改变近似呈线性。

 

对多个相同规格的磷酸锂铁电池进行测验, 这些单体都出现出类似的改变规则, 且欧姆内阻增大系数非常相近。因而, 能够对电池欧姆内阻依照式 (6) 进行批改。

 

 

式中:k为SOH与欧姆内阻数据的线性拟合系数;Ro (SSOC, 1) 为在该SOC下, 全新电池 (即SSOH=1状况下) 的欧姆内阻值。

 

参阅文献[15]中电池模型参数与SOC的联系式, 结合试验成果, 终究电池单体模型能够标明为:

 

 

式中:待定系数a0至a5, b0至b6, c0至c2, d0至d5由最小二乘拟合得到[16]。

 

3 电池体系建模

 

图2为电池串的等效电路模型图。关于串联的电池单体, 显然有

 

 

式中:I和U别离为电池串的电流和端电压;In为流过第n个单体的电流;Un为第n个单体的端电压。

 

关于串联的电池组, 当该组内容量最小的单体到达放电极限时, 整个电池组需求退出运转。在电池组内部不一致性较小时, 该效应并不显着, 整个电池组往往被简化为一个戴维南模型处理。

 

跟着电池组投入运转, 电池组内部差异会逐渐增大, 此刻, 疏忽参数差异的简化戴维南模型就不再适用。为研讨在电池组内部不一致性显着的状况下容量最小的单体对整个电池组的约束状况以及电池组老化进程规则, 对由24个60Ah磷酸锂铁电池单体串联构成的电池组进行了循环寿数测验。该测验循环由1C恒流放电、静置、0.5C恒流充电、静置4个进程组成, 循环重复共进行800次。

 

附录A图A5是电池组在进行300次循环测验之后的放电进程的数据。能够看到, 电池组中老化水平出现显着分解, 少量单体的老化程度显着违背均匀水平。在这种状况下, 不只需求进一步测定每个单体的老化状况, 而且需求上一节中提出的考虑电池老化效应的单体模型对每个单体进行建模。

 

实践上, 电池内阻测定比容量测定要简略得多。经过上一节单体循环寿数试验测定的内阻与SOH的联系, 能够经过欧姆内阻来标定电池的SOH, 然后得到电池当时容量的估量值。假定当时电池组运转到某一个状况, 以SSOC, i标明第i个电池的SOC值, Roi标明第i个电池的欧姆内阻。则第i个电池的容量能够估量为:

 

 

式中:f (Roi, SSOC, i) 标明电池的SSOH, i与SSOC, i和Roi的联系二维表, 该表由单体的循环寿数测验的成果树立。

 

在本试验中, 18号单体的欧姆内阻显着较大, 而且是整个电池组中容量最小的单体。当该单体彻底放电, 整个电池串放电终止, 此刻其他单体并未彻底放电, 而电池串全体也未到达放电电压极限。故而关于电池串来说, SOC的核算更为杂乱。

 

假定当时电池组运转到某个状况, 以Ci标明第i个电池的标称容量, N标明电池体系串联电池总量。则在电池放电进程中, 剩下容量最小单体容量标明为充电进程中, 剩下可充电容量最小的容量可标明为整个电池串的SOC值如式 (10) 所示[11]。

 

 

故而整个电池串的数学模型能够标明为:

 

 

式中:Uk (i) 为第i个时间第k个单体的端电压;S (i) SOC, k和S (i) SOH, k别离为第i个时间第k个单体的SOC和SOH值;Ik (i) 为第i个时间流过第k个单体的电流;Ip (i, k) 为第i个时间流过第k个单体极化内阻的电流。

 

将本文提出的仿真模型运用于电池组的仿真, 仿真成果与实践成果的比照如图3所示。实践上, 在电池组刚投入运转时, 不一致性尚不显着, 简化戴维南模型与具体戴维南模型都能够较好地描绘电池组的状况。可是, 跟着不一致性的逐步增大, 简化模型和具体模型的差异开端闪现。到300次循环后, 简化戴维南模型现已与试验数据产生差异, 但具体模型依然具有较好的精确性。

 

4 电池储能模型在平抑风电动摇的运用

 

为了研讨具体模型对电池储能操控战略的影响, 以国内某风场单飓风电机组实践功率为目标, 进行储能体系平抑风电动摇的操控仿真。风电机组额外功率为2MW。电池储能体系为串联24单体, 并联2 500串, 最大瞬时功率1.8MW, 操控战略挑选为与SOC强相关。为了研讨电池组中单体老化程度不同对模型的影响, 串联单体数据来自对24单体串联的电池组进行循环寿数测验300次后的实践丈量数据。

 

风储联合操控流程见附录A图A6。首要, 风电机组输出功率经过低通滤波器滤去高频重量。当时时间储能体系调度目标, 即均匀功率PAVG, 能够经过之前时间的出力进行滑动均匀得到, 也能够经过上层调度设定。设定调度目标后, 对储能体系中的BMS下达吸收/开释功率Pb。为了延伸储能体系寿数, 一般对电池SOC有运转区间要求, 一般设置在0.1～0.9之间[17]。对电池体系中每个单体的SOC进行校验, 若处于安全规模, 则更新每个单体的SOC;若超越安全区间, 则停止储能体系吸收/开释功率。

 

风储联合体系出力曲线如图4所示。设定储能调度目标为输出功率1.37 MW, 仿真时间为48h。能够看到, 储能体系对风电出力动摇进行了有用的按捺。因为储能体系规模约束, 在第6h和第32h处出现了违背设定出力的状况。在该时间, 如附录A图A7所示, 能够看到体系全体的SOC依然处于安全规模内, 可是有某个老化程度较高的单体现已到达SOC阈值, 与之串联的电池单体均需求退出运转, 不再参与电网调理。实践上, 在电池储能体系运转一段时间后, 各电池单体的老化状况有显着差异, 此刻假如将整个电池体系简化为一个戴维南模型, 将无法精确判别SOC的边界状况, 导致某些单体超出SOC安全运转区间, 遭到过充或过放的危害, 影响整个电池储能体系的寿数。

 

简化和杂乱戴维南模型电压仿真成果如图5所示, 可见, 当储能体系挨近SOC运转极限时, 简化戴维南模型电压仿真成果产生较大偏差。以第35h为例, 简化戴维南模型电池串电压仿真偏差到达了0.5V, 而电池串内阻大约为30mΩ, 由此引起的电池串操控偏差将严峻影响BMS对储能体系功率的操控作用。深层原因在于电池开路电压与SOC之间的非线性, 各电池单体之间的电压现已产生较大差异。具体电池模型各电池单体电压如附录A图A8所示, 可知边际单体电压将显着违背电池串均匀水平, 对整个电池串的电压起到显着影响。

 

由此可见, 运用简化戴维南模型进行电池组仿真时, 首要的问题在于无法精确判别“边际单体”的运转状况。在挨近安全运转的SOC阈值时, 容量最小的单领会显着违背电池组的均匀水平, 此刻简化戴维南模型的假定现已不能成立, 整个储能体系的运转状况需求运用具体的戴维南模型进行描绘。

 

另一方面, 具体戴维南模型能够对每个单体进行建模, 以确保一切的单体都处于安全运转SOC规模, 这契合PCS和BMS的要求, 合适PCS操控等级的规划参阅。可是具体戴维南模型需求对储能体系中每个单体进行SOC及SOH的调查, 需求事前进行很多的参数测定作业。考虑到大规模电池组往往选用分组均衡的办法, 这部分作业能够分批次进行, 每次只需更新某一均衡单元的参数即可, 结合电池参数的快速检测与在线估量技能, 该模型能够为现有的储能体系操控供给更精确的参阅。

 

5 结语

 

本文树立了适用于不一致性显着的电池储能体系仿真模型。在循环寿数试验的根底上, 研讨了电池单体老化规则及电池组不一致性开展规则。树立了反映单体老化程度的仿真模型, 并扩展得到电池组具体仿真模型。经过仿真成果与试验数据的比照, 验证了该模型的有用性。而且将该模型用于储能体系平抑风电动摇的仿真, 比较了简化模型和本文所述的具体模型的仿真差异, 以及其对体系操控战略的影响。本文提出的具体模型适用于储能体系的优化规划, 而且为储能操控战略供给参阅。结合电池参数在线估量技能, 进步电池参数的测验功率, 是下一步研讨的方向。