一种光伏系统中电池充电SOC检测方法

摘要

本发明公开了一种光伏系统中电池充电SOC检测方法，首先通过充电电压测量模块、充电电流测量模块、放电电流测量模块和环境温度测量模块采集电池充电电压、充电电流、放电电流和环境温度；然后应用多路模拟开关对上述多路模拟信号进行切换，并将信号传送至低通滤波模块；低通滤波模块对接收到的信号进行过滤，去除干扰和采样噪声之后再传送至A/D转换模块；A/D转换模块转变成数字信号后传送至数据处理单元处理，本发明适用于光伏系统中电池充电电压、充电电流不断波动的工作环境；可以估计电池充电SOC初始值；引入电池等效循环次数，简化了衡量电池老化程度的方法，并补偿电池老化和环境温度的影响，使SOC估计更准确。

说明书

技术领域

本发明涉及电池电源管理技术领域，特别是涉及一种利用遗传算法改进最小二乘支持向量机回归模型，并针对电池循环次数和环境温度进行补偿，检测光伏系统中电池充电SOC的方法。

背景技术

随着传统能源的日益枯竭，太阳能已经成为一种十分具有潜力的新能源，而光伏发电是当前利用太阳能的主要方式。独立光伏系统不与电网相连，直接向负载提供电力，一般使用电池作为储能设备，白天将光伏面板输出的电能储存起来。这样的独立光伏系统在偏远地区、沙漠、边疆哨所等电网仍未覆盖的区域有很高的实用价值。

电池荷电状态SOC（State of Charge，以下简称SOC）的精确估计是电池管理系统最基本、最重要的方面。由于光伏系统受到光强、光线入射角度、温度等多种因素的影响，其输出充电电压、充电电流处于不断变化之中。如何利用电池可测参数数据来实现当前电池充电SOC的准确估算一直以来是光伏系统电池管理急需解决的技术难点。目前，常用的电池充电SOC 估计方法主要有：

一、充电电压法：在充电电流保持不变情况下，电池两端充电电压随SOC 变化的规律与开路电压十分相似。充电电压法的优点是能实时估计电池SOC，并在恒流充电时具有较好的效果。但是在光伏系统中，充电电压、电流会随着光强等因素的变化而改变，从而不利于充电电压法的实现。该方法一般用来作为电池充电截止的判断依据。

二、安时计量法：安时计量法是通过计算电池在充电时的累积电量来估计电池的SOC，并根据温度、充电倍率对SOC 估计值进行补偿。它是目前使用最普遍的SOC 估计方法。在光伏系统中使用安时计量法时有三个方面的问题：方法自身不能提供电池初始值SOC；光伏系统中充电电流变化频繁，不准确的电流测量将增大SOC 估计误差，经过长时间累积，该误差会变得越来越大；估算SOC 时必须考虑电池效率系数η。虽然电流测量的精度问题可以通过使用高性能电流传感器解决，但是这样会使系统成本大幅增加。同时，解决电池效率系数η问题必须通过大量实验数据建立温度影响系数和充放电倍率系数的经验公式。

发明内容

本发明要解决的技术问题是克服现有技术误差较大，不适用光伏系统工作环境的不足，提供一种光伏系统中电池充电SOC检测方法。

本发明的目的是通过以下技术方案来实现的：一种光伏系统中电池充电SOC检测方法，在光伏系统电池充电SOC检测模块上实现，光伏系统电池充电SOC检测模块包括充电电压测量模块、充电电流测量模块、放电电流测量模块、环境温度测量模块、多路模拟开关、低通滤波模块、A/D转换模块和数据处理单元等；充电电压测量模块、充电电流测量模块、放电电流测量模块和环境温度测量模块的一端均与待测电池相连、另一端均与多路模拟开关相连，多路模拟开关、低通滤波模块、A/D转换模块和数据处理单元依次相连；

该方法包括以下步骤：

（1）充电电压测量模块、充电电流测量模块、放电电流测量模块和环境温度测量模块分别采集电池充电电压、充电电流、放电电流和环境温度；

（2）多路模拟开关对上述多路模拟信号进行切换，并将信号传送至低通滤波模块；

（3）低通滤波模块对接收到的信号进行过滤，去除干扰和采样噪声之后再传送至A/D转换模块；

（4）A/D转换模块将接收的信号转变成数字信号后传送至数据处理单元；

（5）数据处理单元接收电池充电电压                                                、充电电流、放电电流和环境温度数据后，计算电池累积放电电量和电池等效循环次数；

累积放电电量： ；

等效循环次数： ；

其中，为电池累计放电电量；为上一次采样时计算得到的；电池为放电电流；为采样频率；为等效循环次数，反映电池老化程度；为电池标准容量；

其中，确定电池标准容量的具体步骤如下：在室温25条件下，以0.2C电流对充满电的电池进行恒流放电，并对放电电流积分；放电至截止电压停止，此时所得电流积分值即电池标准容量；

（6）数据处理单元基于遗传算法改进的最小二乘支持向量机回归模型，计算当前电池的电量：

电池电量模型： ；

模型核函数： ；

模型输入： ； 

其中，为电池当前电量； 为模型样本数；为模型输入；为模型样本输入；与为建立模型时求得的内部系数；为模型核函数；为核函数参数；为电池充电电压；为电池充电电流；

（7）数据处理单元对电池容量加以环境温度与电池老化补偿，并计算当前电池的SOC；通过对电池容量加以环境温度与老化补偿，有效地提高了电池充电SOC的估计精度：

荷电状态：；

其中：为电池荷电状态，取值范围0~1，值为0表示电池电量为空，值为1表示电池充满电量；为电池当前电量；为电池标准容量； 为电池容量温度补偿系数，反映环境温度对电池容量的影响；为电池容量老化补偿系数，反映电池循环次数对容量的影响。

本发明的有益效果是：本发明适用于光伏系统中电池充电电压、充电电流不断波动的工作环境；可以估计电池充电SOC初始值；电池充电SOC估计误差不会累积增加；引入电池等效循环次数，简化了衡量电池老化程度的方法，并补偿电池老化和环境温度的影响，使SOC估计更准确；建立同型号的电池充电SOC模型只需计算一次，之后可用于同型号电池SOC在线估计；适用于各种电池。

附图说明

图1是光伏系统电池充电SOC检测模块的结构简图。

具体实施方式

本发明光伏系统中电池充电SOC检测方法在光伏系统电池充电SOC检测模块上实现，如图1所示，光伏系统电池充电SOC检测模块包括充电电压测量模块、充电电流测量模块、放电电流测量模块、环境温度测量模块、多路模拟开关、低通滤波模块、A/D转换模块和数据处理单元。充电电压测量模块、充电电流测量模块、放电电流测量模块和环境温度测量模块的一端均与待测电池相连、另一端均与多路模拟开关相连，多路模拟开关、低通滤波模块、A/D转换模块和数据处理单元依次相连。

充电电压测量模块、充电电流测量模块、放电电流测量模块和环境温度测量模块分别采集电池充电电压、充电电流、放电电流和环境温度，使用多路模拟开关对上述多路模拟信号进行切换，并将信号传送至低通滤波模块。低通滤波模块对接收到的信号进行过滤，去除干扰和采样噪声之后再传送至A/D转换模块，由A/D转换模块转变成数字信号后传送至数据处理单元。

本发明光伏系统中电池充电SOC检测方法，包括以下步骤：

1、充电电压测量模块、充电电流测量模块、放电电流测量模块和环境温度测量模块分别采集电池充电电压、充电电流、放电电流和环境温度。

2、多路模拟开关对上述多路模拟信号进行切换，并将信号传送至低通滤波模块。3、低通滤波模块对接收到的信号进行过滤，去除干扰和采样噪声之后再传送至A/D转换模块。

4、A/D转换模块将接收的信号转变成数字信号后传送至数据处理单元。

5、数据处理单元接收电池充电电压、充电电流、放电电流和环境温度数据后，计算电池累积放电电量和电池等效循环次数。通过引入电池等效循环次数的概念，简化了衡量电池老化程度的方法。

累积放电电量： ；

等效循环次数： ；

上述方程式中： 为电池累计放电电量；为上一次采样时计算得到的；电池为放电电流；为采样频率；为等效循环次数，反映电池老化程度；为电池标准容量。

其中，确定电池标准容量的具体步骤如下：在室温25条件下，以0.2C电流对充满电的电池进行恒流放电，并对放电电流积分；放电至截止电压停止，此时所得电流积分值即电池标准容量。

此处，对同一型号电池只需测量一次，确定后可作为已知常数用于此型号电池的SOC估计。

6、数据处理单元基于遗传算法改进的最小二乘支持向量机回归模型，计算当前电池的电量。通过采用最小二乘支持向量机回归模型，避免了误差累积增大，有效地减少了所需测量样本的数量，减少了计算时间，并且降低了样本过学习的可能性。通过采用遗传算法改进模型，求得最优参数，有效地提高了电量估计的精度。对同一型号电池，模型只需计算一次，确定后可作为已知函数用于此型号电池的SOC估计。

电池电量模型： ；

模型核函数： ；

模型输入： ； 

上述方程式中： 为电池当前电量； 为模型样本数；为模型输入；为模型样本输入；与为建立模型时求得的内部系数；为模型核函数；为核函数参数；为电池充电电压；为电池充电电流。

建立电池电量基于最小二乘支持向量机回归模型的具体步骤如下：

6.1利用可调节光强的全光谱灯模拟太阳光，照射光伏系统的光伏面板，对电池进行充电一段时间后停止，测量并记录停止前的充电电压，充电电流。记：

；

上述方程式中：为模型样本输入；为样本充电电压；为样本充电电流。

通过变换灯光强度和电池充电时间获得建立模型所需样本。

6.2将充电后的电池置于室温25条件下，以0.2C电流进行恒流放电，测量电池电量。

6.3建立基于最小二乘支持向量机建立电池充电电量与充电电压、电流的回归模型：

；

式中： 为电池电量关于充电电压、电流的函数；为电池充电电压、电流；为到高维空间的映射函数；为模型中的权向量；为模型求得的常数。

选择误差的二次方范数为损失函数，其优化问题为：

式中：为损失函数，越小则模型精度越高；为惩罚系数，用于调节误差，能够使训练误差和模型复杂度之间取—个折衷，以便使所求的函数具有较好的泛化能力，值越大，模型的回归误差越小；为模型中的权向量；为模型求得的常数；为误差；为电池充电电量；为电池充电电压、电流；为到高维空间的映射函数。

引入拉格朗日乘子，上述的优化问题转化为：

将上式分别对求偏导：

      可得：

消除和，得到线性方程组：

其中，，，，。

上述方程式中：为优化目标，越小则模型精度越高；为损失函数；为惩罚系数；为模型中的权向量；为模型求得的常数；为拉格朗日乘子；为误差；为电池充电电量；为电池充电电压、电流；为到高维空间的映射函数。

引入高斯核函数替代，解决高维计算问题：

；

式中：为模型核函数；为电池充电电压、电流；为电池充电电压、电流；为核函数参数。

最终获得回归函数为：

；

式中，即为求得的电池充电电量；为电池充电电压、电流；为模型样本充电电压、电流；与为建立模型时求得的内部系数。

在以上的模型求解过程中，引入了惩罚因子与核函数参数。本方法采用遗传算法对这两个模型参数进行优化。

利用遗传算法改进最小二乘支持向量机回归模型的具体步骤如下：

（a）给定惩罚因子取值范围（如1至1000）和核函数参数取值范围（如0.1至10），用二进制编码为一定长度（如20位）的一条染色体。随机产生一定数量染色体作为初始种群，并设定最大进化代数。

（b）将当前种群解码，用于训练电池电量回归模型，第k个个体的适应度函数：

；

式中，为适应度函数，越大则参数越优；为防止分母为0设置的一个极小量（如）；为模型回归误差，N为样本数。

（c）若种群进化代数已达到设定值，则输出种群中最大的染色体，解码即为模型的最优参数。否则进入步骤（d）。

（d）采用旋轮法产生下一代种群。第k个个体被选中的概率：

式中，为个体被选中的概率；、为适应度函数，N为样本数。

采用单切点交叉进行交叉：两条染色体互相交换部分编码；交叉概率可设为0.8。

采用二元变异进行编译：两条染色体进行同或、异或运算；变异概率可设为0.1。

获得新一代种群后返回步骤（b）。

此处，对同一型号电池，遗传算法与最小二乘支持向量机回归模型只需计算一次，确定后可作为已知函数用于此型号电池的SOC估计。

7、数据处理单元对电池容量加以环境温度与电池老化补偿，并计算当前电池的SOC。通过对电池容量加以环境温度与老化补偿，有效地提高了电池充电SOC的估计精度。

荷电状态：                    ；

式中：为电池荷电状态，取值范围0~1，值为0表示电池电量为空，值为1表示电池充满电量；为电池当前电量；为电池标准容量； 为电池容量温度补偿系数，反映环境温度对电池容量的影响；为电池容量老化补偿系数，反映电池循环次数对容量的影响。

确定电池容量温度补偿系数的具体步骤如下：

（A）将充满电的电池置于不同的环境温度下，以0.2C电流进行恒流放电，测量相应温度下的电池容量。

（B）通过最小二乘拟合，求得与的三次多项式曲线关系：

；

式中：为电池容量；为环境温度；为关于的函数；、、、为多项式系数。

（C）环境温度为时，对应的电池容量温度补偿系数为：

；

式中：为电池容量温度补偿系数；为环境温度；为电池容量关于环境温度的函数；为标准条件下的电池容量。

此处，对同一型号电池只需测量一次，确定后可作为已知函数用于此型号电池的SOC估计。

确定电池容量老化补偿系数的具体步骤如下：

（a）将已使用次循环次数充满电的电池置于室温25条件下，以0.2C电流进行恒流放电，测量相应下的电池容量。

（b）通过最小二乘拟合，求得与的三次多项式曲线关系：

；

式中：为电池容量；为电池循环次数；为关于的函数；、、、为多项式系数。

（c）等效循环次数为时，对应的电池容量老化补偿系数为：

；

式中：为电池容量老化补偿系数；为电池等效循环次数；为电池容量关于等效循环次数的函数；为标准条件下的电池容量。

此处，对同一型号电池只需测量一次，确定后可作为已知函数用于此型号电池的SOC估计。

由上述步骤便可得到光伏系统中电池充电SOC，取值范围0~1。若SOC值为0，则表示电池电量为空；若SOC值为1，则表示电池充满电量。