变电站用铅酸电池SOH估计

变电站用铅酸电池SOH估计钟国彬;刘新天;何耀;杨亚飞;苏伟【摘要】变电站用铅酸蓄电池组在核容时的单体电压下降率与浮充时的内阻均值与铅酸电池组的健康状态(SOH)有明显关系.通过分析核容和浮充状态对SOH的影响权重大小，分别建立了浮充时内阻均值及核容时单体电压下降率与SOH的关系模型从而提出了一种基于融合模型的变电站用铅酸电池SOH估计算法.该算法针对变电站用铅酸电池组实际工况设计，针对性强，并采用电池电压下降率表征核容过程对SOH的影响，采用内阻变化表征浮充过程对SOH的影响，适用于变电站用铅酸电池的全生命周期.最后通过加速寿命实验验证所提出的算法,实验结果表明，该算法能够很好地表征变电站用铅酸电池的衰减状态,估计精度高.【期刊名称】《电源技术》【年(卷)，期】2016(040)012【总页数】4页(P2407-2410)【关键词】变电站;铅酸蓄电池;内阻均值;单体电压下降率;SOH估计【作者】钟国彬;刘新天;何耀;杨亚飞;苏伟【作者单位】广东电网公司电力科学研究院广东广州510080;合肥工业大学新能源汽车工程研究院，安徽合肥230009;合肥工业大学新能源汽车工程研究院，安徽合肥230009;合肥工业大学新能源汽车工程研究院，安徽合肥230009;广东电网公司电力科学研究院，广东广州|510080【正文语种】中文【中图分类】TM912阀控铅酸蓄电池(VRLA)作为后备电源已广泛应用于工业生产、交通、通信和不间断电源系统［1］。电力直流系统(如变电站)是使用该类蓄电池较多的场合之一。为了确保变电站直流系统安全可靠运行，必须保证其备用电池始终处于良好的健康状态(SOH)［2］。然而电池的健康状态难以直接测量，需要通过建立电池的容量衰减模型，进行精确的SOH估算来发现电池存在的健康问题［3］。SOH的定义一般为最大容量与标称容量之比，反应了电池保有容量的能力［4］，但最大容量测量费时且难以在线测量，故一般利用电压、电流、内阻等可测参数对SOH进行估计。目前存在的SOH估计算法多为通用算法，常针对铅酸电池的循环寿命，难以应用于变电站用铅酸电池在浮充工况下的SOH估算。A.Delaille等人指出电池在满电状态下放电会出现"coupedefouet”现象［5］，检测该现象中的电压变化率来预测电池的SOH。该方法估算精度较高，但电池的满电状态难以确定，且实验时电池需要搁置一段时间，不利于在线测量。H.J.Bergveld等人［6］提出了一种二次脉冲法估计SOH，这种方法同样不能在线测量，且对电压测量设备要求精度高。MchrnooshShahriari［7］提出，在不同SOH状态下，开路电压变化曲线的斜率有较明显差异，利用这种差异可以识别不同的SOH状态，但是这种差异对于包含大量单体、处于工况下的电池组来说并不明显。为了寻找适合变电站备用电池的SOH估计算法，对若干个变电站的铅酸电池组历史数据进行分析挖掘，研究浮充时电池内阻及均值、核容时电压下降率等参数与电池组SOH的关系，发现浮充时铅酸电池内阻均值以及核容时单体电池电压下降率与电池SOH表现出极大的相关性，因此分别分析这两个参数对SOH的影响权重大小，建立浮充时内阻均值与SOH的关系模型以及核容时单体电压下降率与SOH的关系模型。最后在借鉴其它SOH估计算法的基础上，融合浮充时内阻均值变化与核容时单体电压下降率的变化，得到了变电站用铅酸电池SOH的估计算法。变电站用铅酸电池主要工作在浮充和核容两种工况下。在电站正常运行时，铅酸电池处于浮充状态，此时会对铅酸电池组监控其内阻，电压等数据；电站维护人员定期会对其进行核对性放电，即为核容状态；此时的数据包括电池单体电压变化、充放电时间等数据，电站停电时，铅酸电池的工作状态与此类似，可归于核容状态［8］。本文对若干变电站用铅酸电池组的浮充与核容状态的历史数据进行了分析，对浮充历史数据分析表明，内阻均值（一个电池组内所有单体电池内阻的平均值）随着使用时间按照一定斜率上升，并明显地分为两段，如图1所示。第二段内阻增加速度明显快于第一段。图1中分别为使用初期、转折点、寿命终结时的电池组内阻均值。对核容电压历史数据的分析表明，整组电压下降率、电压标准差以及单体电压下降率与SOH并无明显关系，而电池组中核容2~7h时间段内电压下降率超出［m,n］（m、n为常数，表示电压下降率的上下限值）范围的单体个数（下面称为隐患指数）与电池的健康状态存在着一定的关系，如图2（以单体总数为108的电池组为例），可以作为判断电池健康问题的一个依据。隐患指数的存在可能反映了电池组单体一致性的下降［9］。SOH融合模型的建立由于变电站对电池的监控管理手段包括核容时的电压测量和非核容状态下的内阻、浮充电压测量。为了充分利用实测数据、提高蓄电池SOH的估计精度，结合对电网浮充历史数据和核容历史数据的分析挖掘，将电池的SOH估计分为两部分，最后加权叠加。第一部分主要体现电压与寿命的关系，使用电压和隐患指数表征，即表征核容状态对铅酸电池寿命的影响；第二部分主要体现内阻与电池寿命的关系，使用电池内阻均值来表征，即表征浮充状态对铅酸电池寿命的影响。基于融合算法的SOH表达式为：其中主要基于核容状态下单体电压下降率，表征核容状态对SOH的影响；主要基于浮充时实时监测的电池内阻，表征浮充对SOH的影响；a表示的权重，与的权重加起来为1。核容时更新，不核容时采用上次更新的，在测量内阻时更新，当内阻实时测量时，也实时更新。SOH1的计算方法在对电池组进行核容时更新，设第次核容时的为，则在该次核容之前的保持值为(x-1)，即上次核容时计算得到的。核容时铅酸电池单体电压的变化如图3所示，当电池SOC在20%~80%范围内，电压近似呈线性变化，设变化率为，其超出一定范围的单体个数与电池健康状态有关，基于该特性可以对SOH1进行估计。核容时的公式分为两部分，第一部分反映了最大容量的影响，第二部分反应了隐患指数的影响。第一部分的公式推导如下：电池荷电状态(SOC)可以表示为：式中：为核容时电流，为当前最大容量。由SOH定义和式(2)可推出第一部分的公式：式中：，t为时间；为电池组标称容量；为一个与电池类型有关的系数，对新电池进行核容实验，将电流、电压斜率值、SOH初始值带入公式，可求得。由于放电平台期(即图3的中间段)电压比较平稳，式(3)使用该阶段的数据。其中的计算公式为：式(4)为单体电压对时间下降率的均值计算公式，其中为第节单体核容时中间段的斜率，的求法为：在核容时2~7h之间，每隔30min计算电压平均值，根据这些值拟合求斜率，得到分别是单体斜率最大和最小的三个点，去掉它们是为了减少个别异常点对斜率均值计算的影响°num(cell)为本电池组单体总数。根据历史数据来看，按式(3)得到的SOH与实际值仍有较大的误差，如会出现某电池组第7年SOH比第3、第4年时的SOH还高的情况。这种现象可能与电压测量精度、拟合误差、截断误差等有关，因此有必要加入隐患指数反映的电池健康状态。SOH1核容时公式的第二部分可表示为该部分反映了隐患指数的影响，其中为不属于［m，n］区间内的单节电池的斜率，为超出的单体个数，［m，n］是设置的斜率范围，根据历史数据分析，为［-0.018,-0.012］。为区分两种电池的分界线，即超过的电池组为较差的、有问题的电池，直接取一个较小的值；反之认为是健康尚可的电池。根据历史数据分析，取值与电池组单体个数有关，对108节单体的电池组可取=10。将两部分结合起来，就得到了SOH1的估计公式：式中：a、b分别表示两部分的权重。考虑电压下降率均值和单体隐患指数的可信程度与重要程度，使用历史数据反复验证、优化，使叠加第二部分后的SOH1在好坏电池之间有明显差别，可得到相关参数的经验值为a=0.84,b=0.16,C0=0.4。SOH2的计算方法SOH2的计算基于铅酸电池的浮充内阻，表征浮充电对铅酸电池寿命的影响。浮充时电池的内阻特点是，内阻均值逐年上升，前期上升慢，后期上升快，如图1所示。蓄电池使用时间和SOH近似成正比，故根据图1可得到内阻和SOH的关系曲线，如图4所示。其中分别为使用初期、转折点、寿命终结时(一般为SOH=80%)的电池组内阻均值。M%为转折点对应的SOH值。根据图4可见SOH2的计算公式：式(7)的本质就是利用R与SOH的两段线性关系计算SOH。3.1实验条件为验证SOH估计算法的优越性，依据标准《GBT19638.2-2005固定型阀控密封式铅酸蓄电池》对铅酸电池组进行加速寿命实验。采用108S、300Ah的电池组，将其充满电之后在60OC环境中以108x2.25V对电池组连续浮充一个月，期间每天进行内阻测试并记录，求其均值。在每月第一天将电池组冷却至25C，以0.1C进行放电，记录0~7h期间的单体电压，此过程模拟核容过程。继续放电至截止电压，记录放电时间，可得最大可用容量。然后进行下一次循环。测量数据包括每个测量点的核容时单体电压、浮充内阻以及最大容量，图5、图6分别给出了最大容量和浮充内阻均值的变化。以最大容量与标称最大容量之比作为SOH真实值，作为判断SOH估计方法好坏的依据。比较真实值与估计值，得出估计误差。SOH估计分为两部分，即SOH1和SOH2估计。SOH1的参数选取采用最小二乘法拟合每个单体在核容时放电2~7h期间的电压下降率，即，根据式(4)计算得Ave()如表1所示。把电池组第一次核容数据代入式(3)中(SOH取100%)可得，r=-0.0005303。按历史数据辨识结果取权值a=0.84,b=0.16,=0.4。根据式(2)分别计算三年的SOH1，对计算结果超出100%的点取SOH=100%，结果如图7所示。SOH2的参数选取加速寿命实验中电池组内阻值如表2所示，其中内阻值其实是每个测量点的单体内阻均值。每个月进行一次完整的加速浮充循环，作为一个测量点，在每月月末测量一次电池组所有单体内阻。根据表2所示测量点的内阻值，可得到。按照式(3)计算测量点SOH2，其结果如图8所示。SOH估计算法的验证在计算SOH1时，对每个单体进行了拟合，又进行了求均值，误差有一定累积，而计算SOH2时仅进行了求均值的计算，故SOH1的可信度略低于SOH2的可信度，可使略低于。根据历史数据进行参数辨识，对权值选取优化，取权值=0.4。把SOH1和SOH2按式(1)融合起来计算SOH，图9(a)所示为通过融合SOH算法得到的SOH估计值和SOH真实值，图9(b)给出了对应的各测量点误差，可见最大误差不超过5%，符合SOH估计准确性的要求。本文提出了基于融合模型的变电站用铅酸电池SOH估计算法，通过对变电站用铅酸电池的浮充历史数据与核容历史数据进行分析，探寻更优的SOH估计算法，研究了电池浮充内阻及均值与核容时电压下降率等参数与电池组SOH的关系，分析这些参数对SOH的影响权重大小，建立了浮充时内阻均值与SOH的关系模型及核容时电压下降率与SOH的关系模型。最终融合浮充时内阻均值随时间变化与核容时单体电压下降率的变化，得到了变电站用铅酸电池SOH的估计算法。该算法针对变电站铅酸电池组的实际使用情况设计，针对性强，并涵盖了铅酸电池的全生命周期，最后通过加速寿命实验对该算法进行验证，结果表明该算法具有较高的准确性，可实时估计变电站用铅酸电池的健康状态，可以满足变电站用铅酸电池SOH估计的使用需求。【相关文献】崔琼，舒杰，吴志锋，等.应用牛顿插值法估算铅酸蓄电池SOC[J].电力电子技术，2013，47⑺：46-48.夏承成，王顺利，李占锋，等.一种基于SOH的机载蓄电池地面维护设备的实现[J].通信电源技术，2014，31(2):58-60.刘希闻.电动汽车锂离子电池模型仿真与SOH研究[D].长春：吉林大学，2014.薛辉.动力锂离子电池组SOH估计方法研究[D].长春：吉林大学，2013.DELAILLEA，PERRINM.Studyofthe“coupdefouet'ofleadacidcellsasafunctionoftheirstate-of-chargeandstate-of-health[J].JournalofPowerSources，2006，158:1019-1028.KAISERR.Optimizedbattery-managementsystemtoimprovestoragelifetimeinrenewableenergysystems[J].JournalofPowerSources,2007,168(1):58-65.WONGYS,HURLEYWG,WOLFLEWH.Chargeregimesforvalve-regulatedlead-acidbatteries:performanceoverviewinclusiveoftemperaturecompensation[J].JPowerSources,2008,183(2):783-791.KOMIYAMAR,FUJIIY.Assessmentofmassiveintegrationofphotovoltaicsystem