储能用锂离子电池组SOC估算算法研究.pdfVIP

摘要

摘要

随着全球能源需求不断增加和可再生能源的广泛应用，通过太阳能、风能、水

能等进行发电的新能源技术得到了快速发展，储能系统为可再生能源的整合和电

力系统的稳定供电提供了重要支持。锂离子电池因其高能量密度、低碳、环保等优

点，在储能系统中应用广泛。锂电池荷电状态（Stateofcharge，SOC）的准确估算

对提高电池利用效率、保证储能系统安全、延长使用寿命尤为重要，其准确性直接

影响系统的安全运行、电池充放电管理及状态预测。因此，准确可靠的电池SOC

估算算法对储能系统的发展具有重要意义。

针对目前电池SOC估算算法多考虑单体电池且在环境温度及电池老化因素变

化情况下SOC估算精度低的问题，本文以储能用锂离子电池作为研究对象，进行

SOC估算算法研究。首先，介绍了锂离子电池工作原理并对所选电池进行特性测

试，具体阐述了开路电压、充放电倍率、环境温度、电池老化变化对电池特性的影

响，并分析了电池单体成组后产生不一致性的原因、分类及电压分布规律。

其次，针对在环境温度变化及电池老化工况下，传统等效电路模型难以对电池

参数进行动态调整问题，建立了带外部输入的非线性自回归（NARX）神经网络优

化的电池等效电路模型，并通过大量实际工况数据对模型进行训练，在此基础上提

出了考虑SOC与内阻差异的电池组均值差异模型。

再次，针对电池组SOC估算精度低的问题，利用建立的电池组均值差异模型，

通过自适应无迹卡尔曼滤波（AUKF）算法分别计算均值及差异模型SOC，并通过

模糊控制计算SOC融合权值，实现电池组SOC融合及估算。

最后，基于Speedgoat搭建硬件在环仿真平台，将MATLAB/Simulink软件中

搭建的电池组SOC估算算法下载到Speedgoat实时机，对电池组SOC估算算法进

行验证。实验结果表明，本文所提算法在多种不同温度、不同老化运行工况下与传

统EKF、UKF算法相比，电池组SOC估算误差更低，均保持在3%以内，且估算

误差平均值均比EKF、UKF算法低，验证了本文所提算法的准确性及鲁棒性。

关键词：电池组SOC估算；NARX神经网络；均值差异模型；AUKF算法；模糊

控制

I

Abstract

Abstract

Withtheincreasingglobalenergydemandandthewideapplicationofrenewable

energy,newenergytechnologiessuchassolar,windandwaterpowergenerationhave

beenrapidlydeveloped,andenergystoragesystemshaveprovidedimportantsupportfor

theintegrationofrenewableenergyandstablepowersupplyofthepowersystem.

Lithium-ionbatteriesarewidelyusedinenergystoragesystemsbecauseoftheirhigh

energydensity,lowcarbon,environmentalprotectionandotheradvantages.Theaccurate

estimationoftheStateofcharge(SOC)oflithiumbatteryisparticularlyimportantfor

improvingtheutilizationefficiencyofthebattery,extendingtheservicelifeandensuring

thesafetyoftheenergystoragesyst