储能工况下磷酸铁锂电池动态辨识方案研究

2014.11Vol.38

No.11

收稿日期：2013-06-13

基金项目：国家“863”高技术基金项目(2011AA05A108)作者简介：张言茹(1990—)，女，河北省人，硕士生，主要研究方向为动力电池成组应用。

2037

储能工况下磷酸铁锂电池动态辨识方案研究

张言茹，姜久春，张维戈，时玮，姜君

(北京交通大学国家能源主动配电网技术研发中心，北京100044)

摘要：锂离子电池的动态性能受温度、电流及老化等多种因素制约，限制了电池储能系统的大规模推广和应用，同时由于传统的参数辨识方法只能准确辨识电池开路电压，而复杂的储能电池工况却对储能电池组的性能参数辨识提出了更高要求。以储能用大容量磷酸铁锂电池为研究对象，分析了传统电池参数辨识对不同温度、不同电流倍率下电池动态性能的估计误差，综合利用一阶和二阶等效电路模型研究了参数辨识在不同使用区间的精度，结合典型储能工况提出了复合脉冲序列条件下的粒子群参数辨识方法。实验结果表明该方法对于准确评估单体和串联电池组的动态电压及性能表征参数具有较高的精度，为大规模储能系统电池参数的在线辨识和电池评估提供依据。关键词：电池储能系统；磷酸铁锂电池；复合脉冲；粒子群中图分类号：TM 912

文献标识码：A

文章编号：1002-087X(2014)11-2037-05

Dynamic parameter identification method of lithium iron phosphate

cell for BESS

ZHANG Yan-ru,JIANG Jiu-chun,ZHANG Wei-ge,SHI Wei,JIANG Jun

Abstract:The Dynamic performance of lithium ion battery was influenced by various factors,such as temperature,current and ageing,which restricts large-scale application and promotion of battery energy storage system (BESS).And the traditional parameter identification method could only accurately identify the open circuit voltage,

but the

complex working condition was in high demand of evaluation of battery performance.The high-capacity lithium iron phosphate (LiFePO 4)battery used in BESS was taken as the research objective.Dynamic performance estimation error of conventional parameter identification method under different temperatures and current rates was analyzed.The first-order and second-order RC equivalent circuit model precision under different SOC was studied.Particle Swarm Optimization (PSO)parameter identification method based on multiple plus combined with typical storage condition was put forward.The results show that this parameter identification method has high precision for voltages and performance measurement parameters evaluation of single cell and series batteries,and can provid basis for online identification parameters for storage battery management system.

Key words:battery energy storage system;lithium iron phosphate battery;combined pulse;PSO

全球范围的能源紧张已经使越来越多国家开始重视可再生能源的使用。但是，由于分布式电源(如风力发电系统，光伏发电系统)具有波动性、间歇性和随机性，大规模并网运行将严重影响电网的运行稳定性[1]。电池储能系统(BESS)是解决可再生能源大规模接入并网的有效手段之一。锂离子电池具有质量轻、体积小、寿命长、电压高，无污染等优点，同时凭其充放电效率高的特点在电力储能中受到重视[2]。目前，国内外的相关研究主要集中在改善新能源接入后的电能质量模拟仿真、新能源输出功率调节和控制策略，电网可靠性计算或变流装置等方面[3-4]，较少有针对大规模集成的电池储能系统内部状

态以及在线参数估计的相关文献及研究。

动力电池是一个非线性较强的电化学系统，建立电池等效电路模型是分析电池动态特性十分有效的方法[5]，但是由于不同的温度、不同荷电状态以及不同循环老化状态下的电学模型参数差异较大，使得传统参数辨识方法的充电-静置或放电-静置过程无法有效保证大容量储能电池动态性能参数在全寿命工作周期内的估计精度。本文通过对恒流充放电电池状态变化和不同倍率下电池内部参数分析，针对储能电池平抑新能源扰动以及改善电能质量的常用工况，提出了一种有效的连续脉冲充放电辨识方案。在传统电池参数辨识方法的基础上，采用粒子群优化算法实现在线条件下储能用大容量电池的内阻和极化阻抗的动态辨识。同时利用一种储能电池实际工况，通过实验和仿真证明该方法具有较小的辨识误差，并且便于实际工程应用。