双锂电池_电容器混合储能系统控制策略设计
电动汽车混合储能系统控制策略优化效果分析
电动汽车混合储能系统控制策略优化效果分析电动汽车混合储能系统控制策略优化效果分析电动汽车混合储能系统是一种将传统电池与超级电容器相结合的能量存储系统。
在电动汽车中，混合储能系统的控制策略优化对于提高能源利用率、延长电池寿命和提升车辆性能至关重要。
以下是关于电动汽车混合储能系统控制策略优化效果的分析。
第一步：了解混合储能系统的基本原理电动汽车混合储能系统通常由电池组和超级电容器组成。
电池组主要负责长时间的能量储存和释放，而超级电容器则用于瞬态功耗的供电。
混合储能系统的控制策略旨在根据车辆工况，合理地分配电池组和超级电容器的能量供应，以最大程度地优化整个系统的性能。
第二步：分析混合储能系统控制策略的优化目标混合储能系统的控制策略优化一般包括以下几个方面的目标：提高能源利用率、延长电池寿命、提升车辆性能和提高系统的可靠性。
能源利用率的提高是指通过合理的能量分配，最大限度地减少能量的浪费。
延长电池寿命则是通过有效控制电池的充放电过程，减少对电池的过度使用，从而延长电池的使用寿命。
车辆性能的提升包括加速性能、爬坡能力和制动能量回收等方面的优化。
系统的可靠性则是保证整个混合储能系统在各种工况下都能正常运行的能力。
第三步：确定混合储能系统的控制策略根据混合储能系统的优化目标，可以确定一种合适的控制策略。
常见的控制策略包括动态规划、模糊控制和最大功率点追踪等。
动态规划是一种基于优化理论的控制方法，通过建立数学模型，计算出最优能量分配策略。
模糊控制是一种基于模糊逻辑的控制方法，通过设定一系列规则，根据当前工况判断应该如何分配能量。
最大功率点追踪是一种基于最大功率输出原理的控制方法，通过跟踪当前工况下能量输出的最大值，实现最优能量分配。
第四步：评估控制策略的优化效果在确定了控制策略后，需要进行实际测试和评估。
实际测试可以通过在不同工况下进行车辆试验，记录和分析混合储能系统的性能指标。
这些性能指标可以包括能源利用率、电池容量衰减率、加速性能、爬坡能力等。
基于锂电池与超级电容的双电源管理系统
Science and Technology &Innovation ┃科技与创新·5·2017年第17期文章编号：2095－6835（2017）17－0005－02基于锂电池与超级电容的双电源管理系统＊王洋，杨冠鲁（华侨大学信息科学与工程学院，福建厦门361021）摘要：提出了一种基于锂电池与超级电容的双电源管理系统，将锂电池与超级电容相结合共同构成双电源系统，利用超级电容储能具有电能容量大、电功率密度较高、充放电循环次数多、适用温度范围大等优势，将超级电容与锂电池相结合，进一步提高了电源充放电的效率，从而提高了电源的利用率。
在此基础上，基于超级电容开发出了一种受单片机智能控制的超级电容与锂电池双电源管理系统，以实现快速充放电，同时驱动负载目标。
测试结果表明，该系统可以实现对双电源的精确、安全控制，可达到一定的节能减排目标。
关键词：超级电容；锂电池；双电源；智能控制中图分类号：U469.7文献标识码：ADOI ：10.15913/ki.kjycx.2017.17.005目前，环境问题与能源问题已成为制约人类社会可持续发展的两大障碍。
为了实现社会的可持续发展，需要大力发展新型可再生新能源以及相关材料。
作为一种新型储能装置的超级电容器，具有电能容量大、功率密度高、充放电循环寿命长、温度运行范围大、不含有毒金属等优点。
因此，超级电容器受到了科学界的广泛关注，并且对其开展了大量的研究，在微电网发电方面、电动汽车领域、信息通讯领域、信息监测、电源等领域有广泛的应用，成为了当今社会能源领域研究的新热点。
本文基于超级电容开发出了一种受单片机智能控制的超级电容与锂电池双电源管理系统，以实现快速充放电，同时驱动负载的目标。
本设计所实现的双电源管理系统正是为了响应国家节能环保的号召，使用超级电容与锂电池共同构成双电源系统，已达到了一定的节能减排目标。
1技术方案1.1系统结构双电源管理系统主要由超级电容组模块、充放电模块、锂电池模块、负载模块、单片机控制模块组成。
锂离子电池超级电容器混合系统的能量管理
第50卷㊀第6期2020年㊀㊀12月电㊀㊀㊀池BATTERY㊀BIMONTHLYVol.50,No.6Dec.,2020作者简介:陈钰涵(1999-),男,湖北人,武汉理工大学国际教育学院本科生,研究方向:锂离子电池管理,新能源汽车;朱文超(1993-),男,湖北人,武汉理工大学汽车工程学院博士生,研究方向:余热回收技术,锂离子电池管理;杨㊀扬(1990-),女,湖北人,武汉理工大学汽车工程学院博士生,研究方向:锂离子电池管理,氢电混合储能;谢长君(1980-),男,湖北人,武汉理工大学自动化学院教授,博士生导师,研究方向:先进储能技术,新能源汽车控制技术,本文联系人㊂基金项目:国家自然科学基金(51977164),湖北省技术创新重大项目(2018AAA059)㊃科研论文㊃DOI:10.19535/j.1001-1579.2020.06.001锂离子电池/超级电容器混合系统的能量管理陈钰涵1,2,朱文超1,3,杨㊀扬1,3,谢长君1,3(1.武汉理工大学自动化学院,湖北武汉㊀430070;㊀ 2.武汉理工大学国际教育学院,湖北武汉㊀430070;㊀3.武汉理工大学汽车工程学院,湖北武汉㊀430070)摘要:为使锂离子电池与超级电容器合理地配合工作,提出基于逻辑门限的能量管理策略与改进的模糊控制的能量管理策略;再将两种管理策略复合,确定最终的能量管理策略㊂用Matlab /Simulink 对以上3种能量管理策略进行仿真分析,设计的能量管理策略可在系统能耗基本不变的基础上,发挥超级电容器的辅助作用,合理分配能量,降低电池损耗,延长电池的使用寿命㊂在城市道路循环(UDDS )和欧洲经济委员会(ECE )工况下,电池损耗相比于单一能源分别降低43.4%和46.3%㊂关键词:锂离子电池;㊀超级电容器;㊀混合动力;㊀能量管理策略;㊀模糊逻辑控制;㊀仿真分析中图分类号:TM912.9,TM533㊀㊀文献标志码:A㊀㊀文章编号:1001-1579(2020)06-0511-05Energy management of Li-ion battery /supercapacitor hybrid systemCHEN Yu-han 1,2,ZHU Wen-chao 1,3,YANG Yang 1,3,XIE Chang-jun 1,3(1.School of Automation ,Wuhan University of Technology ,Wuhan ,Hubei 430070,China ;2.School of International Education ,Wuhan University of Technology ,Wuhan ,Hubei 430070,China ;3.School of Automotive Engineering ,Wuhan University of Technology ,Wuhan ,Hubei 430070,China )Abstract :In order to make the Li-ion battery operate with supercapacitor reasonably,an energy management strategy based on logicthreshold and an energy management strategy improved by fuzzy control were proposed.Two management strategies were combined todetermine the ultimate energy management strategy.The above three energy management strategies were simulation analyzed with Matlab /Simulink,the ultimate energy management strategy could effectively play the auxiliary role of supercapacitor,reasonablydistribute energy,reduce the battery energy consumption and prolong the battery service life on the basis of the immobile basicconstant energy consumption.Under Urban Dynamometer Driving Schedule(UDDS)and Economic Commission of Europe(ECE)conditions,the loss of battery was reduced by 43.4%and 46.3%compared to single energy,respectively.Key words :Li-ion battery;㊀supercapacitor;㊀hybrid power;㊀energy management strategy;㊀fuzzy logic control;㊀simulation analysis㊀㊀超级电容器与锂离子电池协同工作,可缓解锂离子电池作为单一动力源的电流峰值输出并降低损耗㊂为充分发挥两者优势,提供更好的性能,要制定有效的能量管理策略㊂确定性规则能量管理策略根据制定的规则,对复合能源进行能量分配,具有较好的控制效果,但未考虑动力源荷电状态(SOC)对能量分配的影响[1]㊂相比之下,模糊逻辑规则能量管理策略可表达一些难以精确描述的规则㊂基于这一特点,文献[2]综合扩展卡尔曼滤波算法与模糊决策算法,减小了电池SOC 估算的误差;文献[3]用模糊控制器控制输出功率,将锂离子电池在不同SOC 下的充放电电流控制在1C 以内,文献[4]运用模糊控制理论开发的能量分配方法,将超级电容器在城市道路循环(UDDS)工况下的使用时间延长了电㊀㊀㊀㊀池BATTERY㊀BIMONTHLY㊀第50卷26.5%,制动回收能量提高了5.5%㊂智能优化算法可对能量管理策略进一步优化,并将模型预测㊁人工智能等技术[5-6]引入能量管理中㊂显然,基于优化能量管理策略具有很好的控制效果,但运算量大,实用较困难㊂针对能量管理策略的可行性,为在较小运算量下达到一定的控制效果,本文作者结合逻辑门限与改进模糊控制的能量管理策略,制定基于复合控制的能量管理策略㊂1㊀混合动力系统模型搭建与参数匹配1.1㊀混合动力系统模型从结构及策略复杂度㊁电池保护能力等方面考虑,超级电容器并联双向直流电流(DC)/DC 半主动型拓扑结构的性能较均衡,可作为混合动力系统的拓扑结构,如图1所示㊂实验用SH40AHA 型磷酸铁锂正极锂离子电池(洛阳产)的图1㊀超级电容器并联双向DC /DC 的半主动型混合动力系统Fig.1㊀Semi-active hybrid power system with parallel bi-direc-tional direct current(DC)/DC of supercapacitor标称容量为40Ah,工作电压为2.0~3.6V,标准充放电电流为0.3C ,最大充放电电流分别为3.0C 充电30s 和4.0C 放电30s,工作温度为-25~55ħ,循环寿命为2000次[取80%的放电深度(DOD)]㊂实验用BMOD-0165-P048-B01超级电容器(美国产)的标称电容为165F,容差为20%,额定电压为48.6V,额定比功率为7900W/kg㊁工作温度为-40~65ħ㊂根据系统拓扑结构,可进行系统模型的整体搭建,混合动力系统仿真模型如图2所示㊂图2㊀基于Matlab /Simulink 的混合动力系统仿真模型㊀Fig.2㊀Simulation model of hybrid power system based on Matlab /Simulink1.2㊀混合动力系统参数选定1.2.1㊀汽车动力学模型为满足车辆动力性指标,需对峰值功率进行分析,计算最大需求功率P re max ㊂分别取3种行驶工况,其中,取整车的参数有:整车质量m =450kg,滚动阻力系数f =0.012,传动系统效率ηT =91%,旋转质量换算系数δ=1.03,空气阻力系数C D =0.36,迎风面积A =1.4m 2,空气密度ρ=1.2258kg /m 3㊂①最高行驶速度v max =25m /s 时的等速行驶工况峰值功率P 1需满足P re max ȡP 1=v max [(m g f +ρC D Av 2max /2)]/ηT =6.76ˑ103W =6.76kW(1)式(1)中:g 为重力加速度㊂②v a =0~16.67m /s 加速工况车辆7s 加速过程中,速度v a 随时间t 的变化关系有:v a =v end (t /t end )0.5(2)式(2)中:最终速度v end =16.67m /s;终了时间t end =7s㊂求导代入汽车功率平衡方程式中,得到加速过程结束时峰值功率P 2需满足:P re max ȡP 2=v end [m g f +ρC D Av end 2/2+δmv end /(2t end )]/ηT=1.264ˑ104W =12.64kW(3)③20%爬坡度等速爬坡工况取稳定行驶车速v i =13.89m /s,得到匀速稳定爬坡功率P 3需满足:P re max ȡP 3=v i (m g f cos αmax +ρC D Av 2i +m gsin αmax )/ηT =1.49ˑ104W =14.9kW(4)式(4)中:αmax 为道路坡度角,取值为arctan0.2㊂综上所述,可得最大需求功率P re max =14.9kW㊂1.2.2㊀锂离子电池参数选定先计算车辆以v 40=11.11m /s 匀速行驶所需功率P ᶄre :P ᶄre =11.11/ηT (m g f +ρC D A ˑ11.112/2)=1.11ˑ104W =11.1kW(5)锂离子电池组的电能量E bat 为:E bat =P ᶄre L /11.11ˑDOD =1.008ˑ107J =2.8kWh(6)式(6)中:L 为续航里程,取8ˑ104m;DOD 取80%㊂锂离子电池单体的容量Q bat 有:Q bat ȡE bat /U bus(7)式(7)中:U bus 为母线电压㊂计算得Q bat =40Ah,因此选择单体容量为40Ah 的电池满足条件㊂串联的锂离子电池数量N bat 与U bus 的关系为:215㊀第6期㊀陈钰涵,等:锂离子电池/超级电容器混合系统的能量管理N bat U normal =U bus(8)式(8)中:U normal 为电池平台电压㊂计算可得N bat =22㊂1.2.3㊀超级电容器参数选定超级电容器的充放电功率的最大值P cap max 应满足:P cap max ȡP re max -P bat max(9)式(9)中:P bat max 为电池的峰值功率㊂设定锂离子电池的工作电流范围为[0,2],则P bat max 需满足:P bat max ɤU bus I 2C(10)式(10)中:I 2C 为锂离子电池以2C 倍率放电的工作电流,为80A㊂计算可得,P bat max 应小于5.6kW㊂超级电容器输出功率P cap 的表达式为:P cap =U cap I cap(11)式(11)中,超级电容器的工作电流I cap 与电压U cap 的关系表达式为:I cap =C cap d U cap /d t(12)式(12)中:C cap 为超级电容器的电容量㊂超级电容器模组的功率由车辆的最大需求功率决定㊂设定车辆可在最大功率下工作t 1=25s,对式(9)-(12)联立并对两边进行积分,可得超级电容器最大需求电容量C cap max :C cap max =2(P re max -P bat max )t 1/U 2cap max(13)式(13)中:U cap max 为超级电容器串联模组的最大电压㊂由于超级电容器与双向DC /DC 串联,电压由双向DC /DC 的低压侧输入电压决定㊂选定双向DC /DC 低压侧电压输入范围25~50V,因此超级电容器模组电压为25~50V,即U cap max =50V㊂通过计算,得到C cap max 为229.9F㊂选择的超级电容器模组容量为165F,两个超级电容器模组并联可满足条件㊂2㊀混合动力系统能量管理策略2.1㊀基于逻辑门限的能量管理策略基于逻辑门限的能量管理策略,根据系统的需求功率和超级电容器的剩余电量来决定能量分配,控制思想见图3㊂图3㊀逻辑门限的能量管理策略Fig.3㊀Energy management strategy of logical threshold图3中:SOC cap 为超级电容器的荷电状态㊂设车辆续航里程60km,若持续在UDDS 工况下行驶,可循环5次,即行驶1.54h㊂若由锂离子电池提供全部能量,则电池电量经过1.54h 后耗尽,从而计算出P bat max ㊂P bat max =αE bat /T(14)式(14)中:E bat 为2.8kWh,预留系数α取1.1㊂计算可得,UDDS 工况下,P bat max =2kW㊂同理可得,在欧洲经济委员会(ECE)工况下,续航60km,循环120次,行驶6.5h,即P bat max =1.12kW㊂为使制定的能量管理策略能同时满足两种工况,P bat max =2kW㊂另外,选取超级电容器荷电状态的下限SOC cap -L =0.2,上限SOC cap -H =0.9㊂2.2㊀基于模糊控制的能量管理策略模糊控制器采用二入一出结构,即将需求功率P re ㊁超级电容器SOC 作为模糊控制器的输入,具体结构如图4所示㊂图4㊀模糊控制器结构Fig.4㊀Structure of fuzzy controller系统需求功率P re 受到实验台架的限制,峰值功率为6000W,即输入领域为[-6000,6000],经过尺度转换后的输入领域为[-1,1],SOC cap 的输入领域为[0,1]㊂为使车辆可在较激烈的工况下行驶,由超级电容器为锂离子电池提供缓冲能量㊂需要考虑到锂离子电池的输出功率大于系统需求功率的情况,在系统需求功率较小时,锂离子电池同时向系统与超级电容器充电㊂设计比例因子k 输出领域范围为[0,3],提供了锂离子电池为超级电容器充电的通道㊂分别使用各个不同的档位,描述P re ㊁SOC cap 和k 的不同大小状态,具体档位如表1所示㊂表1㊀输入输出变量的语言值Table 1㊀Language values of input and output variables变量语言值(档位)档数P re {NB㊁NM㊁NS㊁O1㊁O2㊁PS㊁PM㊁PB}8SOC cap{NH㊁NM㊁NL㊁PL㊁PM㊁PH}6k{NB㊁NM㊁NS㊁O㊁PS㊁PM㊁PB㊁PPB}8表1中,各档位分别表示各变量由小到大的不同状态,并采用三角形隶属度函数作为输入输出变量隶属度函数㊂随后,按照所需功率分配方式,确定输入档位与输出档位的对应关系,制定控制规则,具体如表2所示㊂表2㊀模糊控制器的控制规则Table 2㊀Control rules of fuzzy controllerP re SOC capNH NM NL PL PM PH NB NB NB NM NM NM NS NM NB NB NM NM NS O NS NB NB NM NS O PS O1NB NM NS O PS PM O2PPB PPB PB PM PS O PS PB PM PS PS O NS PM O NS NS NM NM NB PBNS NM NMNB NB NB2.3㊀基于复合控制的能量管理策略逻辑门限和改进型模糊控制策略能较好地进行能量分315电㊀㊀㊀㊀池BATTERY㊀BIMONTHLY㊀第50卷配,但效果取决于系统需求功率的正负㊂结合两者的优缺点,构造基于复合控制的能量管理新策略,发挥两者的优势,取得更好的控制效果,具体结构如图5所示㊂图5㊀复合控制器的结构Fig.5㊀Structure of composite controller㊂㊀㊀模糊控制器控制规则和输入输出变量隶属度函数分别如表3㊁图6所示㊂表3㊀改进后模糊控制器的控制规则Table 3㊀Control rules of improved fuzzy controllerP re SOC capNHNM NL PLPM PH NBPPB PBPM O O NS NM PB PM PS O O NSNS PB PM O O NS NM O PS O ONS NSNM PS O O NS NSNM NM PM NS NS NSNM NB NB PBNSNMNM NMNB NB 图6㊀改进后模糊控制器输入变量的隶属度函数Fig.6㊀Membership function of the improved system demand power,the remaining power of the supercapacitorand the scale factor of the Li-ion battery outputpower图7㊀UDDS 和ECE 工况下电池的输出功率P bat ㊀Fig.7㊀Output power of battery(P bat )under UDDS and ECEconditions图8㊀UDDS 和ECE 工况下的超级电容器输出功率P cap ㊀Fig.8㊀Output power of supercapacitor(P cap )under UDDS and ECE conditions415㊀第6期㊀陈钰涵,等:锂离子电池/超级电容器混合系统的能量管理3㊀能量管理策略仿真结果分析在基于Matlab /Simulink 的混合动力系统仿真模型中嵌入复合控制器,设置锂离子电池和超级电容器的初始SOC 分别为0.8和1㊂为了更好地比较两种不同能量管理策略的优劣,以瞬态的UDDS 工况和稳态的ECE 工况作为行驶工况㊂为方便对比仿真结果,工况的循环时间都设置为1400s㊂仿真结果如图7-9所示㊂图9㊀UDDS 和ECE 工况下的荷电状态(SOC)Fig.9㊀State of charge(SOC)under UDDS and ECE conditions从仿真结果可知:当P re >0时,复合控制策略对锂离子电池的输出控制作用均优于逻辑门限控制策略与模糊控制策略㊂在UDDS 和ECE 工况下,复合控制策略中锂离子电池的正向最大输出功率分别为3276W 和2414W,低于改进模糊控制策略中的3963W 和2596W㊂在逻辑门限中,虽然锂离子电池的输出功率可控制在2020W 以内,但在系统需求功率较低时表现不佳,且不能随系统需求功率灵活变化㊂总体来说,复合控制策略控制效果优于其他两种控制策略㊂当P re <0时,复合控制策略中电池反向充电功率明显低于逻辑门限与改进模糊控制策略,因此复合控制器在减小锂离子电池的放电功率的同时,能降低锂离子电池的充电频率㊂在进行制动能量回收时,优先给超级电容器充电,既能保证超级电容器处于高能状态,又可避免锂离子电池频繁充放电㊂由此说明,复合控制策略能够更好地分配功率输出㊂为了对控制效果进行定量分析,比较不同能量管理策略下电池的损耗与系统能耗的情况,结果见表4㊂表4㊀两种工况下电池损耗及系统能耗Table 4㊀Battery loss and system energy consumption under twooperating conditions能量管理策略电池损耗/%系统能耗/Wh UDDSECEUDDSECE单一能源 2.28ˑ10-2 1.44ˑ10-2348.12233.05逻辑门限 1.56ˑ10-2 1.13ˑ10-2356.45234.07改进模糊控制 1.52ˑ10-20.96ˑ10-2359.44236.16复合控制1.29ˑ10-20.78ˑ10-2354.41235.48从表4可知,在UDDS 工况中,复合控制策略的电池损耗比逻辑门限策略和改进模糊控制策略分别减少了17.1%和15.1%;系统能耗也有所降低㊂在ECE 工况中,复合控制策略的电池损耗比逻辑门限低41.9%,比改进模糊控制低19.2%;系统能耗比逻辑门限略有上升,比改进模糊控制略有下降,说明复合控制能量管理策略能够结合两者优势,在提升控制效果㊂与单一能源相比,虽然系统能耗略有提升,但复合控制的能量管理策略在两种工况下,电池损耗分别降低43.4%㊁46.3%,表明混合动力系统可延长电池寿命㊂4㊀总结本文作者对锂离子电池与超级电容器的混合动力系统展开研究,将逻辑门限的能量管理策略与模糊控制的能量管理策略相结合㊂仿真结果表明,基于复合控制的能量管理策略能够发挥两者各自的优势,取得更好的控制效果㊂在UDDS 和ECE 两种工况下,正向最大功率分别由改进模糊控制策略的3963W 和2596W 降低到3276W 和2414W,都能够实现超级电容器 削峰填谷 的作用,且电池损耗在两种工况下相比于单一能源也分别降低了43.4%㊁46.3%,效果好于逻辑门限和改进模糊控制策略,实现了设计期望的效果㊂此外,该能量管理策略简单易于实现,在车用动力源中具有较强的实用性㊂参考文献:[1]㊀JAAFAR A,AKLI C R,SARENI B,et al .Sizing and energy mana-gement of a hybrid locomotive based on flywheel and accumulators[J].IEEE Trans Vehicular Technol,2009,58(8):3947-3958.[2]㊀曹以龙,陈成成,江友华,等.基于EKF-模糊动态补偿的铅酸电池SOC 估计[J].电池,2019,49(6):511-514.[3]㊀姚堤照,谢长君,曾甜,等.基于多模糊控制的电电混合汽车能量管理策略[J].汽车工程,2019,41(6):615-624.[4]㊀尹炳琪,马彬,杨朝红,等.融合地形信息的车载复合电源控制方法研究[J].电源技术,2020,44(1):116-120.[5]㊀杨业,张幽彤,张彪,等.基于等效因子优化的插电式混合动力客车自适应能量管理策略[J].汽车工程,2020,42(3):292-298.[6]㊀吴进军,颜丙杰,方继根,等.插电式混合动力汽车的次优能量管理策略[J].中国机械工程,2019,30(11):1336-1342.收稿日期:2020-08-28515。
混合储能系统的动态比例功率分配控制策略
ratio between the battery and the supercapacitor，the inner current control loop was used to determine the optimal
that dynamic proportional power allocation not only can reduce fluctuations and change rates of the battery power，
but also can improve system charge-discharge efficiency and stability.
Ministry of Education，Taiyuan University of Technology，Taiyuan 030024，Shanxi，China）
Abstract: A dynamic proportional power allocation control strategy for hybrid battery/supercapacitor energy
remains the same. When the load changes，the power-split ratio changes dynamically，the supercapacitor provided
the maximum dynamic load current，and the battery continued to work with constant power. Simulation tests show
新能源锂电池+超级电容混合储能分配策略
新能源锂电池+超级电容混合储能分配策略文档下载说明Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document 新能源锂电池+超级电容混合储能分配策略can be customized and modified after downloading, please adjust and use it according to actual needs, thank you! In addition, this shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!新能源锂电池与超级电容混合储能系统的分配策略。
新能源锂电池和超级电容作为两种主要的储能技术，在电动汽车、可再生能源系统等领域都有广泛的应用。
本文探讨了将这两种储能技术相结合的混合储能系统，并提出了相应的分配策略。
通过合理的分配，可以充分发挥两种储能技术的优势，提高系统的性能和可靠性。
随着可再生能源的快速发展和电动汽车的普及，储能技术的重要性日益凸显。
基于锂电池的超级电容混合储能控制系统及其方法
基于锂电池的超级电容混合储能控制系统及其方法我折腾了好久基于锂电池的超级电容混合储能控制系统及其方法，总算找到点门道。
最开始的时候，我完全是瞎摸索。
我就知道锂电池和超级电容都能储能，但是要把它们组合成一个控制系统，那可真不容易。
我一开始尝试简单地把它们连接起来，就像把两根绳子打个结系在一起那么简单的思路。
但结果呢，完全不行，它们之间的充放电根本不协调，就好比两个人干活，但是各干各的，完全没有配合。
后来我知道得先搞清楚它们各自的特性。
锂电池能量密度高，但是充放电速度相对慢一些。
超级电容则相反，充放电速度飞快，但是能量密度低。
这就像一个是大力士但是动作慢，一个是灵活的小个子但是力量小。
然后我开始研究控制策略。
我想过先给锂电池充满电，再用超级电容辅助，但这种方法在实践中发现损耗太大。
例如在一些设备里，本来电量可以用很久的，按照这个方法很快就没电了。
再后来我试着根据负载的需求来分配锂电池和超级电容的工作。
如果负载突然需要大电流，就让超级电容先顶上，它不是充放电快嘛。
这就好比突然来了很重的活，先让灵活的小个子来干着急的那部分。
然后锂电池再慢慢补充能量。
在控制电路这一块，我也走过弯路。
我不确定是用简单的继电器控制好呢，还是得用复杂的功率电子器件。
我试过继电器，但是发现它在切换的时候不够精准和快速，有时候会有瞬间的断电或者过载啥的。
后来换成功率电子器件，虽然成本高些，但是控制就精确多了。
我还发现监测这部分很重要。
要时刻知道锂电池和超级电容的电量情况，就像你得知道两个人干活的时候各自的体力状态一样。
我试过好几种传感器来监测电量，有的太灵敏老是误报，有的又反应太慢。
最后选了个比较稳定的传感器，才把这个问题解决了。
不过我现在对整个系统的优化还不是特别确定。
我觉得可能可以从软件算法上再改进一下，让它们的配合更加智能高效。
但这还需要再进一步尝试。
比如说能不能让系统根据之前的使用情况来预测下一次负载的需求，然后提前调整锂电池和超级电容的工作模式。
锂电池与超级电容的双电源管理系统分析
锂电池与超级电容的双电源管理系统分析摘要：双电源系统由锂电池和超级电容器组成。
超级电容器储能具有大容量的功率、高密度的电能、充放电周期长、大范围的适用温度等优点。
超电容与锂电池的结合进一步将电源的充放电效率进行了有效的提高，从而在很大程度上将电源的利用率增强。
基于此，开发了基于超级电容器的单片机控制的超级电容器与锂电池双电源管理系统，快速充放电的的目标得到了实现，同时驱动负载目标也得到了实现。
由测试结果我们可以看出，双电源管理系统不仅能够能精准、安全的控制双电源，而且还可以在一定程度上达到节能减排目标。
本文主要对锂电池与超级电容的双电源管理系统进行分析，对系统的结构、锂电池模块、超级电容组模块、温度传感模块进行详细的叙述。
关键词：锂电池；超级电容；双电源管理系统；分析；设计引言当前，制约人类社会可持续发展的两大障碍就是环境问题和能源问题。
如果想要社会的可持续发展继续顺利进行，那么可再生能源及相关材料的开发就非常有必要。
超级电容器作为一种新型储能装置，具有大容量的功率、高密度么功率、长寿命的充放电循环、大范围么温度、不存在毒金属等优点。
所以，科学界的广泛关注超级电容器的发展，开展了大量的超级电容器的研究。
超级电容器已广泛应用于微电网发电、电动汽车、信息通信、信息监控、供电等领域，成为社会能源领域的一个新的研究热点。
本文以超级电容器为基础，开发了一种单片机控制的超级电容器与锂电池双电源管理系统，从而快速充放电与驱动负载同时进行的目的得到了有效的实现。
随着国家节能环保的号召越来越大，本设计实现的双电源管理系统采用超级电容器和锂电池构成双电源系统，达到了一定的节能减排目标。
一、双电源管理系统的结构超电容组、充放电、锂电池、负载和单片机控制模块共同组成双电源管理系统。
其中，对双电源系统的智能控制通过单片机来实现，超级电容器充电时外部电源的实时监控也可以这么实现。
超级电容模块的功率达到预定值通过系统的监测就可以了解，单片机控制继电器自动切断与充电电源的连接，以超级电容模块为电源给锂电池模块充电。
基于锂电池充放电状态的混合储能系统控制策略设计
图 ２ 混 合 储 能 系 统 控 制 Ｆｉｇ．２ Ｃｏｎｔｒｏｌ ｏｆ ｈｙｂｒｉｄ ｅｎｅｒｇｙ ｓｔｏｒａｇｅ ｓｙｓｔｅｍ
Ｐｒｅｆ＿ｓｃ（ｓ）＝ １ｓ＋ＴｓｆＴｆＰＨＥＳＳ（ｓ）
（１）
Ｐｒｅｆ＿ｂ（ｓ）＝ ＰＨＥＳＳ（ｓ）－Ｐｒｅｆ＿ｓｃ（ｓ）＝ １＋１ｓＴｆＰＨＥＳＳ（ｓ）
（２）
式中：Ｔｆ 为 滤 波 时 间 常 数，根 据 超 级 电 容 需 要 平 抑 的 功 率 波 动 频 带 确 定 ，常 为 秒 级 到 分 钟 级 。 从 式 （１）
在 混 合 储 能 控 制 技 术 中，能 量 型 储 能 与 功 率 型 储能的实时功率分 配 是 首 要 问 题，采 用 高 通 滤 波 器 对混合储能系统 功 率 指 令 ＰＨＥＳＳ进 行 滤 波 得 到 其 高 频波动分量作为超级电容储能的有功指令 Ｐｒｅｆ＿ｓｃ，再 将高通滤波后的功率指令剩余部分作为锂电池储能 的有功指令 Ｐｒｅｆ＿ｂ。规定功率 大 于 ０ 表 示 放 电，小 于 ０表示充 电，则 混 合 储 能 系 统 功 率 分 配 如 式 （１）和 式 （２）所 示 。
因 此，提 出 基 于 锂 电 池 充 放 电 状 态 的 协 调 控 制 策略：当锂电池放电（Ｐｂ＞０）时，使 超 级 电 容 储 能 电 量保 持 在 较 低 水 平，即 图 ３（ａ）所 示 目 标 区 域 ［ＱＳＯＣｍｉｎ＿ｓｃ，ＱＳＯＣｂｄ＿ｓｃ］，对 混 合 储 能 系 统 的 放 电 需 求 响 应 以 锂 电 池 为 主 、超 级 电 容 为 辅 ，对 充 电 需 求 响 应 以 超级 电 容 为 主、锂 电 池 为 辅；同 理，当 锂 电 池 充 电 （Ｐｂ＜０）时，使超 级 电 容 储 能 电 量 保 持 在 较 高 水 平， 即图 ３（ｂ）所 示目标区域［ＱＳＯＣｂｃ＿ｓｃ，ＱＳＯＣｍａｘ＿ｓｃ］，对混 合 储能系统的充电需 求 响 应 以 锂 电 池 为 主、超 级 电 容 为辅，对放 电 需 求 响 应 以 超 级 电 容 为 主、锂 电 池 为 辅。采用该协调控 制 策 略，进 行 ２ 种 储 能 之 间 的 状 态 配 合 ，可 以 进 一 步 发 挥 各 自 的 优 势 。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
双锂电池–电容器混合储能系统控制策略设计
李军徽 ，穆
1
钢 ，崔新振 ，葛延峰 ，高凤杰 ，金 鹏
1
1
2
1
3
（1. 东北电力大学电气工程学院，吉林 132012；2. 国网辽宁省电力有限公司，沈阳 110006； 3. 国网辽宁省电力有限公司沈阳供电公司，沈阳 110811）
摘 要：针对电池储能用于平抑风电功率波动时频繁充放电切换工作状态降低了电池使用寿命的问题，提出了锂 电池寿命衰减程度评价方法，并根据此方法确定了锂电池在寿命周期内吞吐最大电量所对应的最佳运行充放电循 环深度。考虑到能量型储能介质和功率型储能介质的优势互补以及单电池储能运行充放电循环深度对电池带来的 不利影响，采用了基于双锂电池和超级电容器的混合储能系统主电路结构，并根据分段均值方法确定储能系统的 参考功率， 设计了锂电池运行在最佳充放电深度内的运行控制策略。 最后基于国内某风电场的实测风电功率数据， 对提出的储能系统结构和运行控制策略的合理性和有效性进行了验证。 算例结果表明， 在完成同一个目标指令时， 单储能运行时充放电循环深度与标准充放电循环深度的偏离程度较大，对电池储能寿命衰减的影响较大；而双电 池储能 A、B 单元能在所提出的协调控制策略下尽可能运行在标准充放电循环深度，从而提高了电池的使用寿命 和经济效益。 关键词：风电；双锂电池；超级电容器；控制策略；循环深度；电池使用寿命
第 41 卷 第 10 期：3224-3232 2015 年 10 月 31 日 DOI: 10.13336/j.1003-6520.hve.2015.10.006
高电压技术 High Voltage Engineering
Vol.41, No.10: 3224-3232 October 31, 2015
———————
基 金 资 助 项 目 ： 国 家 重 点 基 础 研 究 发 展 计 划 (973 计 划 ) (2013CB228201) ； 国 家 自 然 科 学 基 金 (51207018) ； 国 家 电 网 公 司 科 技 项 目 （SGLNSY00FZJS1500191） ；吉林市科技发展计划 (201464038)。 Project supported by National Basic Research Program of China(973 Program) (2013CB228201), National Natural Science Foundation of China (51207018), Science & Technology Project of SGCC (SGLNSY00FZJS1500191), Science and Technology Development Project of Jilin City (201464038).
李军徽，穆
钢，崔新振，等：双锂电池–电容器混合储能系统控制策略设计
3225
0 引言
风力发电以其无污染、一次能源可永久续用等 诸多优点而成为实现低碳电力可持续发展的重要选 择。但由于风能具有随机性、间歇性和不可准确预 测性，大规模风电并网势必给电力系统的运行、调 度与控制等带来诸多挑战
[1-2]
理方法，计及多种约束条件下利用改进的粒子群优 化算法对微电源出力进行经济环保优化调度，延长 蓄电池使用寿命。文献[17]为了平滑连接于智能配 电网的大规模风电场出力，配置了集中电池储能系 统，提出了可以显著减少储能系统投资成本的优化 配置方法。文献[18]首次构建了一种综合社会经济 成本效益的模型，分析了储能系统的一次性投资和 收益, 通过使用抽水蓄能和压缩空气储能满足调峰 需求来验证所提模型的有效性。 以上研究基于电池储能的功率和容量约束优 化储能系统的运行控制， 但是应用于新能源场景时, 电池储能运行在充放电转换和不完整的充放电循环 状态，会给电池寿命带来不利影响，因此电池运行 过程中充电深度(DOC)和放电深度(DOD)对其运行 寿命的影响不可忽略。 为了刻画电池运行状态和其寿命的关系，本文 提出了锂电池寿命衰减程度评价方法，并根据此方 法确定了锂电池在寿命周期内吞吐最大电量所对应 的最佳运行充放电循环深度。考虑到能量型储能介 质和功率型储能介质的优势互补，本文储能整体结 构为锂电池和超级电容器构成的混合储能系统结 构，采用分段均值方法确定储能系统的参考功率， 然后在系统内部进行合理的分配，电池承担趋势性 慢变分量风电的平抑，超级电容器负责平抑快变分 量的风电；此外，为了让锂电池运行在最佳充放电 深度内，电池单元采用充电任务和放电任务分开的 双锂电池结构；最后，基于国内某风电场的实测运 行数据，对上文提出的储能系统结构和运行控制策 略的合理性和有效性进行了分析验证。
。因此，从电网安全经
济运行的角度出发，如何提高大规模风电可控程度 是风电并网亟待解决的问题。 储能系统由于能够实现电能的时空平移，具有 响应速度快、具备形成大规模的可能性等优点，而 被认为是改善间歇式电源可控性、提高其并网能力 的有效手段
[6] [3-5]
。目前，综合考虑地理位置、安装周
期等因素，电池储能在新能源接入领域具有广泛的 应用前景 。 文献[7]介绍了适用于风电的抽水蓄能、 压缩空气、电池储能、液流电池等储能技术的运行 原理以及主要特性，并讨论了在风电领域储能技术 应用的场景。文献[8]指出在孤立电网中利用储能系 统可以有效保证孤立系统运行的稳定性以及风能利 用的高效性。文献[9]提出了在储能控制系统中引入 功率预测反馈环节，加快了储能系统和风电系统结 合的应用速度。但是电池储能受到循环寿命和成本 的约束。因此，如何在有效提高大规模风电接入能 力的同时延长电池使用寿命、进而降低其使用成本 是电池储能在新能源接入工程中应用的关键。 已有学者对延长电池使用寿命的储能控制策 略进行了研究。 文献[10]将荷电状态(SOC)和低通滤 波器结合起来， 通过引入 SOC 反馈来调整滤波时间 常数，限制电池的过充过放。文献[11]在平滑可再 生能源输出功率波动的混合储能系统中，采用模糊 控制理论进行功率分配， 当超级电容器电量充足时， 由其独立补偿平滑所需功率，从而减少蓄电池充放 电次数；文献［12-13］采用滑动平均和低通滤波控 制，使功率型储能单元和能量型储能单元分别承担 储能系统功率参考指令中的高频部分和低频部分， 以发挥储能介质各自的优势。文献[14]兼顾并网功 率平滑度和延长储能系统使用寿命，提出了一种基 于变平滑时间常数和功率限幅的优化控制方法 , 该 方法考虑了电池最大功率、最大功率爬坡等因素对 储能系统寿命的影响。文献[15]设计了电池–超级电 容器混合储能系统的协调控制策略，以年预期寿命 成本最小为目标确定了储能单元的的配置。 文献[16] 提出了一种采用混合储能系统的微网多目标能量管
1 1 1 1 2 1 3
Abstract：The service life of battery is reduced due to its work state of frequent charging and discharging conversion when the battery energy storage is applied to smooth wind power fluctuations. To this end, an evaluation method of the lithium battery life attenuation degree is presented and the best cycle depth of charge and discharge corresponding to the maximum throughput electricity in the life cycle of battery is established according to the method. The main circuit structure of hybrid storage system of dual lithium battery and super capacitors is adopted, considering that the running cycle depth of charge and discharge of the single battery has a detrimental effect on the lifetime of battery and the storage media of high energy density and high power density have complementary advantages. Meantime, the reference power of energy storage unit is determined by the piecewise average algorithm and the control strategy of dual battery units is designed to make the lithium battery running in the optimal charge and discharge depth. At last, based on the basic parameters of large-scale battery energy storage system in which wind farms have been installed in some region, the rationality and effectiveness of the above structure and operation control strategy of energy storage system are verified. The simulation results show that, the deviation between cycle depth of charge and discharge of the single battery and standard cycle depth of charge and discharge is remarkable at the same goal, and it has a great effect on the decay of battery energy storage life; the A and B units of double battery energy storage can run at the standard cycle depth by using the proposed coordinating control strategy, thus the battery lifetime and economic benefits are improved greatly. Key words：wind power; dual lithium battery; ultra capacitor; control strategy; cycle depth; lifetime of battery