[发明专利]基于常微分方程的液流电池模型参数辨识和性能预测方法

说明书

公开了一种基于常微分方程的液流电池模型参数辨识和性能预测方法，方法中，分别建立液流电池的等效电路模型以及电堆和储液罐的电化学模型；耦合等效电路和电化学模型，获得相应的常微分方程组；构建损失函数，并确定相关约束条件；求解常微分方程组，计算损失函数，通过梯度下降法得到下一次迭代的电路辨识参数。根据电路辨识参数值预测液流电池性能。通过建立等效电路和电化学耦合模型，构建损失函数，使用梯度下降优化方法和数值解法实现了液流电池等效电路模型的参数辨识。本方法能拟合充放电全过程，收敛速度更快，电池性能预测精度高。

技术领域

本发明属于液流电池技术领域，特别是一种基于常微分方程的液流电池模型参数辨识和性能预测方法。

背景技术

液流电池一种新型的高性能蓄电池，由电堆单元、电解液、电解液存储供给单元以及管理控制单元等部分构成，具有容量高、使用领域广、循环使用寿命长的特点。

当前的液流电池性能预测依赖于电池模型，模型选取决定了后续参数辨识与状态评估的准确性。目前常用的液流电池模型主要有电化学模型、等效电路模型。电化学模型将锂电池简化为正电极、负电极、隔膜和电解液组成的系统。根据电池内部电化学反应、离子扩散和极化效应等电化学理论建立的电池模型。虽然电化学模型精度很高，但是含有大量的偏微分方程以及状态变量的互相耦合使得计算十分复杂。此外，部分状态变量难以进行精确测量；等效电路模型是依据已有的锂电池充放电实验数据并利用电压源、电阻、电容等电子元件建立的模型。等效电路模型不描述锂电池内部微观反应，结构比较简单且计算复杂程度小，比较适合应用在电池SOC的在线估计，但是仿真精度相对较低。常见的等效电路模型参数辨识算法有极大似然估计法、预报误差法和最小二乘法等，但这些算法只适用于等效电路模型，不能用于等效电路和电化学耦合模型的参数辨识。因此需要开发仿真精度高且计算速度快的液流电池模型和相应的参数辨识方法。

在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解，因此可能包含不构成本领域普通技术人员公知的现有技术的信息。

发明内容

针对现有技术中存在的问题，本发明提出一种基于常微分方程的液流电池模型参数辨识和性能预测方法，提高钒液流电池模型的参数辨识效率和精度，从而达到降低模型误差，提高系统效率，优化储能系统运行的目的。

本发明的目的是通过以下技术方案予以实现，一种基于常微分方程的液流电池模型参数辨识和性能预测方法包括：

步骤1：使用一阶RC网络模型对液流电池的电气特性进行建模得到等效电路模型，并用式(1)-式(6)表示：

U_e＝V_s+I_sR₁   (1)

U_d＝U_e+IR₂   (2)

I_d＝I₃+I   (3)

I＝I_s+I_e   (5)