首页 > 论文范文 > 工程工业论文 > 动力工程论文 > 新能源论文 > 锂电池SOC矿用电机车动力估算研究

锂电池SOC矿用电机车动力估算研究

2023-08-31 118 上传者：管理员

摘要：矿用电机车是煤矿井下的重要运输设备，其驱动能源锂电池由电池管理系统(BMS)进行管理与监测。电池的荷电状态(SOC)是BMS中的关键指标之一，对SOC的精确估计可以延长电池循环寿命，从而提高煤矿的产能和经济效益。以矿用磷酸铁锂电池为研究对象，模拟了与矿用电机车锂电池循环工况中类似的工况实验，首先搭建了二阶RC等效电路模型，再利用变量遗忘因子最小二乘法(VFFRLS)对采集的实验数据进行模型的参数辨识，最后利用多种改进的优化算法完成电池的SOC估算。实验结果表明，多种优化算法中多新息自适应无迹卡尔曼滤波(MIAUKF)算法具有最佳鲁棒性和最高的估计精度。

关键词：
MIAUKF
VFFRLS
矿用电机车
荷电状态
锂电池
加入收藏

矿用电机车是煤矿井下作业中的重要运输设备，其驱动能源锂电池通常由电池管理系统(BMS)进行监测与管理。在BMS管理系统中，电池荷电状态(SOC)是电池性能的关键指标之一。对SOC的精确估计可以延长电池循环寿命，降低电池容量衰减速度并使电机车以安全状态运行，从而提高煤矿的产能和经济效益。

目前国内外对煤矿井下的矿用电机车动力电池SOC精确预测研究较少。针对矿用电机车锂电池的SOC估算，目前主流的估计算法有无迹卡尔曼滤波(UKF)算法、自适应无迹卡尔曼滤波(AUKF)算法等，但是传统的预测算法仍有一些不足和缺点需要改进。如何改进对矿用电机车锂电池SOC估计的算法，从而提高估算精度成为了难题。

本文以磷酸铁锂电池为研究对象，模拟了煤矿井下电机车锂电池的工况实验，根据实验采集的数据，先进行等效电路模型的搭建，再用采集的实验数据进行模型的在线辨识，最后利用多种优化算法完成矿用电机车锂电池的SOC估算。

1、实验设计与数据采集

实验研究对象采用型号为18650的圆柱型磷酸铁锂电池，其性能及特性与矿用电机车动力电池类似，额定电压为3.2 V，容量为2 000 mA·h。

将电池用鳄鱼夹固定后放置于温控箱内，并设置温控箱的温度为25℃；中位机利用局域网将上位机与电池测试仪器相连接；上位机设计充放电工步并控制测试仪器。将电池以恒流恒压方式充满电；静置30 min；设计电池的工况为矿用电机车锂电池循环工况中类似的UDDS工况，采样间隔0.1 s，直至端电压达到截止电压实验完成，上位机采集数据并保存。实验平台如图1所示。

2、等效电路模型搭建

矿用电机车锂电池内部化学反应复杂且呈非线性，不能直接得到状态空间方程或观测方程，因此必须对电池建立合适的等效模型，并利用模型建立观测方程，为电池的参数辨识以及SOC估算提供基础。

锂电池的参数辨识精度会受所搭建的等效模型以及选取的辨识算法的影响，因此搭建合理的电池模型是进行准确参数辨识的前提。本文选取了煤矿电机车磷酸铁锂电池研究中最常用的二阶RC等效电路模型，如图2所示。

通过辨识出k1、k2、k3、k4、k5的值即可推导出R0、R1、R2、C1、C2的数值。

递推最小二乘法(RLS)是煤矿电机车锂电池系统辨识研究中最常用的一种估计算法。但是随着系统运行过程中数据量的增加，会发生数据饱和的问题。文献[2]～文献[4]的研究结果表明变量遗忘因子递推最小二乘算法(VFFRLS)在锂电池参数辨识方面表现出快速的收敛性和较高的估计精度，有效解决了数据饱和问题。

以R0的辨识为例通过MATLAB进行编程实现算法的在线辨识，结果如图3所示。

3、锂电池SOC的估算

以上端电压的拟合结果证实了VFFRLS算法可以满足矿用电机车锂电池所需的精度需求。为了准确地管理监测矿用电机车动力电池的寿命，必须有一个精确的电池SOC估计算法。

UKF算法在矿用电机车动力电池的SOC估计中应用较多。但是UKF算法的系统过程噪声和测量噪声协方差是根据经验确定，会导致该算法收敛性变差。为解决此问题，自适应无迹卡尔曼滤波算法(AUKF)对系统噪声进行实时的自适应修正，增强了UKF算法的稳定性。

本文在AUKF算法的基础上加入了多新息辨识理论(MI)，采用多新息自适应无迹卡尔曼滤波(MIAUKF)。MI优化理论就是在AUKF算法的基础上，将系统状态量更新的单新息替换成状态估计的历史多新息矩阵，然后利用自适应系统匹配并更新状态变量与协方差，从而提高原算法在非线性系统中的精度。实现锂电池SOC的实时估计，MI理论优化AUKF算法估计SOC的具体步骤：

(1)初始化系统变量x0和协方差矩阵P0

以上对矿用电机车动力锂电池SOC估计算法的理论以及步骤进行了详细的阐述，接下来是利用MATLAB编程软件进行验证。采用MIAUKF算法、AUKF算法、UKF算法进行SOC的对比估算，同时将各优化算法的估计曲线与利用安时积分法在准确SOC初始值下计算的真实值曲线进行对比和分析，各算法估计结果如图6所示，误差对比如图7所示，误差指标如表1所示。

从图6中2处局部放大图可以看出，MIAUKF算法的估计结果最接近真实值，UKF的预测结果最差，AUKF算法适中；由图7可知，在放电初始阶段，由于算法初始化不稳定等因素导致拟合效果小范围离散，但随着系统的稳定，算法的估计效果也逐渐稳定；同时可以看出UKF算法误差波动最大，MIAUKF算法误差波动最小；表1中的误差指标显示MIAUKF算法的RMSE与MAE均为最小。

综上所述，多种优化算法中MIAUEF优化算法的估算结果最优，误差最小，具有最佳鲁棒性和最高的估计精度。

4、结语

本文以矿用电机车动力磷酸铁锂电池为研究对象，模拟了电机车动力电池在煤矿井下工作温度中的充电放电实验。首先进行电池等效电路模型的搭建，采用了二阶RC等效电路模型。再利用上位机采集的实验数据进行模型的在线参数辨识，采用了VFFRLS算法与RLS算法对比辨识的方法验证了VFFRLS算法具有较好的辨识精度。最后利用多种优化算法完成电池的SOC在线估计，采用了UKF算法、AUKF算法以及MIAUKF算法完成了SOC的对比估计。

研究结果表明，多种优化算法中MIAUEF算法具有最佳鲁棒性和最高的估计精度，可以精确预测煤矿电机车电池的SOC，对提高煤矿的产能和经济效益有着重要意义。

参考文献:

[1]刘锋,王红军王庆亮,等智能矿用蓄电池电机车设计与研究[J]煤矿机械, 201536/8)111-115.

[2]郭向伟,邢程,司阳,等. RL S锂电池全工况自适应等效电路模型[J]电I技术学报,2022,37(16):4029-4037.

[3]朱卫平,陈国旺,卫志农,等基于VFFRLS算法的锂电池参数辨识[J].电力工程技术,2023 42(1):226-233.

[4]邢丽坤,詹明睿郭敏,等基于FFMILS-MIUKF算法的锂电池SOC估计[J].电子测量技术,2022 .45(16):53-60.

[5]范家钰电动汽车的电池管理系统SOC估计算法及均衡策略研究[D].南京:东南大学,2020.

[6]凌六一,何业梁,言兵,等基于自适应扩展卡尔曼滤波的锂电池SOC估计[J].安徽理工大学学报(自然科学版),2020 ,40(4):19-24+37.

[7]马骏林,高方玉,胡凯.磷酸铁锂电池在高静水压下的放电特性[J].电源技术,2019,43(8):1253-1256.

[8]侯瑞磊基于MIAUKF算法的锂电池SOC与SOH联合估计[D].青岛:青岛大学,2021.

[9]李坤基于数据驱动与滤波算法融合的锂离子电池SOC估计方法研究[D].合肥:合肥工业大学2021.

[10]高建树,赵严.机场摆渡车动力电池荷电状态估算算法研究[J]电源技术,2016 ,40(5):997-1001.