[发明专利]一种基于差分进化的超级电容模型参数辨识方法

说明书

本发明提供的一种基于差分进化的超级电容模型参数辨识方法，首先以输出误差准则确定参数辨识的目标函数，然后采用差分进化算法求解最优模型参数值；通过输出误差准则与差分优化算法的结合，可以保证模型参数辨识的结果更加准确，从而为基于模型参数辨识结果的超级电容健康状态估计提供可靠的数据支撑。

技术领域

本发明涉及储能技术应用领域，更具体的，涉及一种基于差分进化的超级电容模型参数辨识方法。

背景技术

传统一次能源在使用过程中会伴随产生大量的温室气体排放，从而造成严重的气候变暖和环境恶化问题。同时一次能源的不可再生性也使得能源危机问题成为人类社会必须面对并积极采取有效措施加以解决的一个重要关切。基于此原因，世界主要工业国家均开始大力发展以太阳能和风能等为代表的清洁能源的开发与利用技术。但是，此类能源受天气条件限制呈现出输出功率的波动性和不连续性的特点，在实际应用时会造成整个微电网系统的不稳定。因此以储能系统作为功率支撑环节已成为清洁能源发电系统在实际应用中的一种有效解决方案。目前，构建储能系统的储能单元主要有铅酸电池、锂离子电池等电化学储能元件。由于蓄电池在充放电过程中会发生化学反应，因此其功率密度相对较低，循环使用寿命也较短。与蓄电池基于化学反应的工作机理不同，超级电容器在充放电过程中不会产生化学反应，因此具有功率密度大和循环寿命长等优点。单独应用超级电容或将超级电容与蓄电池相配合构成储能系统将在可再生清洁能源发电、电压补偿、电动汽车和城市轨道交通等领域具有广阔的应用前景。

在实际应用中，为保证储能系统的安全性和可靠性，需要对储能元件进行监控和管理，从而避免过充电、过放电、储能元件寿命终结等事故情形的发生。其中，对储能元件进行准确的当前性能和剩余使用寿命预测是储能系统应用领域中的一项关键技术。对于超级电容而言，其单体电压比较低，在实际应用中为满足电压和功率的要求，通常需要大量超级电容单体串并联使用。任何一个单体的性能劣化或失效都会严重影响整个系统的性能和使用寿命。因此，准确掌握超级电容在使用过程中的实时健康状态(State ofHealth，SOH)可以为超级电容储能系统的优化使用和安全工作提供保障。

目前，针对超级电容健康状态估计的主要技术手段是通过建立超级电容的模型，然后基于实际运行数据提取模型的参数，即模型参数辨识。通过对模型参数的辨识结果进行进一步的分析来估计超级电容的当前使用寿命。有关参数辨识方法，实际应用中最常采用的是最小二乘类算法，如在2015年08月05日发表的期刊《电气应用》中发表的《超级电容器等效电路模型参数辨识算法比较研究》，赵洋，姜鸣，刘学良中所记载，此类方法具有技术成熟，收敛性好和可在线运行等优点。但是，该方法采用的误差准则为广义误差准则。这种误差准则的优点是可以保证参数辨识的目标函数是待辨识模型参数的线性函数，辨识结构简单，易于实现。但是该误差准则并不具有实际的物理意义，以该误差准则辨识出来的结果有时与模型参数的真实值之间存在较大偏差，因而以不准确的参数辨识结果作为基础进行后续的健康状态估计也不可能得到准确的分析结果。因此，为确保辨识出的模型参数更加准确，可以采用具有物理意义的输出误差准则来确定参数辨识的目标函数。但是以输出误差准则建立的目标函数与待辨识的模型参数之间呈现非线性关系，此时模型参数的求解不存在解析解，因而需要采用优化的方法进行求解。

发明内容

本发明为克服现有的超级电容模型参数辨识中，通过输出误差准则建立的目标函数与待辨识的模型参数之间呈现非线性关系，使模型参数的求解存在无解析解的技术缺陷，提供一种基于差分进化的超级电容模型参数辨识方法。

为解决上述技术问题，本发明的技术方案如下：

一种基于差分进化的超级电容模型参数辨识方法，包括以下步骤：

S1：根据超级电容的工作机理建立超级电容的等效电路模型；

S2：基于超级电容的等效电路模型得到其对应的离散传递函数模型；

S3：基于超级电容的离散传递函数模型并结合输出误差准则确定参数辨识的目标函数；