以太陽能、風(fēng)能等為首的清潔可再生能源的大規(guī)模開發(fā)利用可以有效解決化石能源帶來的環(huán)境問題。但它們固有的不確定性與間歇性制約其廣泛應(yīng)用,采用儲(chǔ)能系統(tǒng)可較好地彌補(bǔ)這一不足。對儲(chǔ)能電池而言,荷電狀態(tài)（State of Charge,SOC）是其核心參數(shù)之一,精確地估算SOC是維持電池安全有效運(yùn)轉(zhuǎn)的重要保證,而精確地估算SOC主要取決于估算算法。本文以閥控式鉛酸（Valve Regulated Lead-Acid,VRLA）蓄電池為研究對象,以提高SOC估算精度為目的,圍繞SOC的估算展開研究。分析了VRLA蓄電池的基本結(jié)構(gòu)、工作原理、主要技術(shù)參數(shù)和工作特性后,對現(xiàn)有的SOC估算方法進(jìn)行了深入研究,選擇以擴(kuò)展卡爾曼濾波（Extended Kalman Filter,EKF）算法為基礎(chǔ),提出了一種基于模糊雙卡爾曼濾波（Fuzzy Dual Kalman Filter,FDKF）算法的SOC估算方法。一方面,為了反映模型參數(shù)的動(dòng)態(tài)變化,為工作中的電池SOC估算提供更高精度的模型,引入了一種基于卡爾曼濾波（Kalman Filter,KF）算法的在線參數(shù)辨識法,該方法將電池的一階電阻電容（Resist... 

【文章來源】：湖北工業(yè)大學(xué)湖北省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

輸入變量與輸出變量的隸屬度函數(shù)

湖北工業(yè)大學(xué)碩士學(xué)位論文43圖5.4在線參數(shù)辨識法與離線參數(shù)辨識法所得模型端電壓誤差曲線5.2SOC估算結(jié)果的仿真驗(yàn)證本文在第4章詳細(xì)闡述了基于EKF算法的SOC估算方法、基于DKF算法的SOC估算方法和基于FDKF算法的SOC估算方法。為了比較這三種SOC估算方法的估算精度，設(shè)計(jì)了如下實(shí)驗(yàn)：將實(shí)驗(yàn)用的VRLA蓄電池在實(shí)驗(yàn)室25C恒溫環(huán)境下充滿電，靜置兩小時(shí)后按如圖5.5所示的自定義的工況進(jìn)行放電試驗(yàn)，獲取該工況下的電壓、電流以及SOC參考值。利用MATLAB/Simulink仿真平臺，以電池端電壓和工作電流為輸入，分別對基于EKF算法的SOC估算方法、基于DKF算法的SOC估算方法和基于FDKF算法的SOC估算方法進(jìn)行仿真研究。實(shí)驗(yàn)中電池充滿電后的SOC真實(shí)初值為1，且把EKF算法、DKF算法和FDKF算法的SOC初值也設(shè)為1。圖5.5驗(yàn)證SOC估算結(jié)果的自定義工況電流

湖北工業(yè)大學(xué)碩士學(xué)位論文44仿真得到的SOC估算曲線如圖5.6所示，SOC估算誤差曲線如圖5.7所示。從圖5.6和圖5.7中可以看出，三種算法的SOC估算曲線都能很好地跟隨SOC參考值。其中EKF算法的SOC估算曲線有時(shí)在SOC參考值曲線的上方，有時(shí)在SOC參數(shù)值曲線的下方，而DKF算法和FDKF算法的SOC估算曲線大多時(shí)候位于SOC參考值曲線的下方。仔細(xì)對比DKF算法和FDKF算法的SOC估算曲線，還能發(fā)現(xiàn)FDKF算法的SOC估算曲線更緊密地靠攏SOC參考值曲線。圖5.6SOC估算曲線對比圖5.7SOC估算誤差曲線對比基于EKF算法、DKF算法和FDKF算法的SOC估算誤差對比如表5.1所示。從表中可以看出，F(xiàn)DKF算法的SOC估算最大誤差為0.39%，要遠(yuǎn)小于EKF算法的最大誤差3.92%和DKF算法的最大誤差1.12%，F(xiàn)DKF算法的SOC估算誤差平均值為0.13%，要小于EKF算法的誤差平均值0.65%和DKF算法的誤差平均值0.60%，這說明了DKF算法的SOC估算精度要優(yōu)于EKF算法，而利用了模糊算法更新EKF觀測噪聲協(xié)方差值的FDKF算法的SOC估算精度又要優(yōu)于DKF算法。


本文編號：3219795