基于分数阶微积分的锂电非线性系统建模和估计研究

基于分数阶微积分的锂电非线性系统建模和估计研究

论文摘要

太阳能、风能等可再生清洁能源的规模化应用推动了能源转换与存储技术的发展。锂离子电池因其优良的性能成为电力储能、电驱动载具、便携式电子产品等应用的主流电能存储方案。随应用的推广,锂离子电池的安全性及可靠性问题日益凸。在此背景下,深入研究电池系统的建模和在线状态估计技术方法,对有效管理电池系统,保障电池安全、可靠、高效益运行具有重要意义。本文基于锂离子电池基础理论,结合分数阶微积分(FOC)理论、群体智能优化理论、滑模控制(SMC)技术和观测器设计理论,围绕锂离子电池系统的建模辨识和状态估计问题展开研究,主要研究工作如下:针对锂离子电池非线性系统的建模问题,在基础P2D电化学模型中考虑双电层电容及温度对模型参数的影响,构建了锂离子电池模拟系统,模拟电池充放电测试,并分析其电化学阻抗特性。基于此,采用描述复杂系统能力较强的FOC在时域建立了电池分数阶等效电路模型:考虑电池受不同条件因素的影响,提出了变参数分数阶RC等效电路模型(Wi-FORCECM),该模型对典型条件情形利用了对应的子模型建模描述,而子模型采用了不确定项综合刻画参数不确定、建模误差及扰动的影响,使模型与电池实际应用情形的变化有效契合;进一步考虑了电池不同尺度的行为特性,利用分数阶元件刻画系统内部件的非线性特性,提出了双分数阶环等效电路模型(DFOECM)。为了准确获取锂离子电池分数阶模型的参数,考虑分数阶非线性系统辨识的一般性,首先将非线性系统辨识问题转化为优化问题进行求解,形成了系统辨识基于优化技术求解的框架,提出了求解高维复杂优化问题的IGAL-ABC和MNIIABC智能优化算法,仿真结果表明了它们具备较好的探索和开采性能,以及跳出局部极值点搜索全局最优解的能力,鲁棒性较好。进而提出了分别基于IGALABC和MNIIABC的分数阶非线性系统辨识方法,通过辨识分数阶混沌系统验证了其有效性、准确性。最后将所提辨识方法扩展用于电池系统参数估计,获得了分别基于IGAL-ABC和MNIIABC的电池参数估计方法,并仿真检验了算法的性能,实验结果显示所提的方法能有效估计电池模型参数,准确性较好。为了实现锂离子电池系统的鲁棒状态估计,准确获取电池SOC信息,基于模型Wi-FORCECM和DFOECM设计了SOC在线估计方法。基于分数阶非线性系统状态估计的一般性,首先对一类不确定性分数阶非线性系统,利用SMC技术结合Luenberger-type控制项,研究了基于分数阶滑模观测器的状态估计方法,提高了该法对系统扰动、建模误差及参数不确定性的抑制能力,为电池状态估计研究提供了理论铺垫。考虑到锂离子电池参数受工作与环境条件的影响,基于Wi-FORCECM采用SMC技术和线性反馈补偿方法设计电池状态估计子,提出了切换滑模控制—龙伯格分数阶观测器(SW-SMCL-FrCO),实现SOC鲁棒估计,获得较好的估计准确性能。为降低观测器增益设定对先验知识的依赖,基于DFOECM研究了新的增益在线自适应调节的滑模观测器,并结合增益在线切变重初始化调整策略,构造了带增益切变重置的自适应滑模观测器(RSW-AdpSMOFOECM),有效控制观测器参考增益值对状态估计性能的影响。在SOC估计中,RSW-AdpSMO-FOECM避免了因增益设置不当对观测器收敛速度和准确性的影响,提高估计的准确性。利用Lyapunov稳定性理论分析了以上估计方法的收敛性,且通过仿真实验对比验证了它们的有效性、准确性和收敛性能。针对锂离子电池非线性系统的健康状态评估问题,基于分数阶等效电路模型和SMC理论设计了SOC和SOH联合估计算法。在算法的SOC估计部分,对由电池状态初始设定值与实际值的误差和其他因素引起的观测器不能快速准确跟踪真实值的情形,基于DFOECM提出了鲁棒性较好的两阶段切换分数阶滑模观测器(TPS-FrCSMO),在线准确估计SOC,有效处理了估计过程中与滑模增益相关的抖颤误差抑制和收敛速度二者不易兼得最优的问题;在SOH估计部分基于容量和电阻参数的变化行为设计参数与状态估计的自适应观测器,结合该自适应滑模观测器和TPS-FrCSMO有效实现电池的SOC与SOH联合估计。基于Lyapunov稳定性理论分析了SOC与SOH联合估计观测器的收敛性。此外对于电池剩余使用寿命(RUL)的估计,介绍了adpABC-PF方法,改善了算法的状态估计性能,从而结合容量衰减模型提出了基于adpABC-PF的电池RUL估计方法。通过仿真对比实验对所提的电池健康状态监测方法进行了验证分析,实验结果说明了它们具有较好的估计性能。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  •   1.1 课题研究的背景和意义
  •   1.2 课题国内外研究现状及发展
  •     1.2.1 锂离子电池系统建模研究现状及发展
  •       1.2.1.1 电化学模型
  •       1.2.1.2 等效电路模型
  •       1.2.1.3 数据驱动模型
  •     1.2.2 分数阶系统与锂离子电池模型辨识研究现状及发展
  •       1.2.2.1 分数阶系统参数估计
  •       1.2.2.2 锂离子电池系统参数估计
  •     1.2.3 群体智能优化方法研究现状及发展
  •     1.2.4 分数阶系统与锂离子电池状态估计研究现状及发展
  •       1.2.4.1 分数阶系统状态估计
  •       1.2.4.2 锂离子电池系统状态估计
  •   1.3 论文的研究目标和内容
  •     1.3.1 论文研究目标
  •     1.3.2 论文研究内容
  •   1.4 论文的章节安排
  • 第二章 锂离子电池非线性系统分数阶建模
  •   2.1 引言
  •   2.2 锂离子电池电化学模型和阻抗特性
  •     2.2.1 锂离子电池准二维电化学模型
  •       2.2.1.1 基础模型
  •       2.2.1.2 含双电层电容的电化学模型
  •       2.2.1.3 温度依赖的模型参数
  •     2.2.2 Li BAT-P2Dsys电池模拟系统
  •     2.2.3 锂离子电池电化学阻抗谱
  •   2.3 锂离子电池分数阶微积分模型构建
  •     2.3.1 锂离子电池变参数分数阶RC等效电路模型
  •     2.3.2 锂离子电池双分数阶环等效电路模型
  •   2.4 本章小结
  • 第三章 基于IGAL-ABC的分数阶非线性系统及锂离子电池参数估计
  •   3.1 引言
  •   3.2 问题描述
  •   3.3 IGAL-ABC智能优化方法
  •     3.3.1 IGAL-ABC基本原理
  •       3.3.1.1 增强的蜜蜂搜索
  •       3.3.1.2 IGAL-ABC智能优化方法实现步骤
  •     3.3.2 IGAL-ABC智能优化方法实验分析
  •   3.4 基于IGAL-ABC的分数阶非线性系统和锂离子电池参数估计
  •     3.4.1 基于IGAL-ABC的分数阶非线性系统及电池参数估计方法
  •     3.4.2 基于IGAL-ABC的分数阶非线性系统参数估计仿真分析
  •     3.4.3 基于IGAL-ABC的电池分数阶模型参数估计实验分析
  •   3.5 本章小结
  • 第四章 基于MNIIABC的分数阶非线性时延系统与锂离子电池模型辨识
  •   4.1 引言
  •   4.2 问题描述
  •   4.3 MNIIABC智能优化方法
  •     4.3.1 MNIIABC基本原理
  •     4.3.2 MNIIABC收敛性分析
  •     4.3.3 MNIIABC智能优化方法仿真分析
  •   4.4 基于MNIIABC的分数阶非线性系统和锂离子电池模型辨识
  •     4.4.1 基于MNIIABC的分数阶非线性系统和电池模型辨识方法
  •     4.4.2 基于MNIIABC的分数阶非线性系统辨识实验分析
  •     4.4.3 基于MNIIABC的锂离子电池模型辨识实验分析
  •   4.5 本章小结
  • 第五章 基于分数阶滑模观测器的分数阶非线性系统状态估计
  •   5.1 引言
  •   5.2 系统描述和基本定义及性质
  •   5.3 分数阶非线性系统状态估计的FOSMO设计
  •     5.3.1 确定性分数阶非线性系统FOSMO设计
  •     5.3.2 不确定性分数阶非线性系统FOSMO设计
  •   5.4 仿真分析
  •     5.4.1 确定性分数阶非线性系统的FOSMO实验分析
  •     5.4.2 不确定性分数阶非线性系统的FOSMO实验分析
  •     5.4.3 分数阶观测器仿真对比
  •   5.5 本章小结
  • 第六章 基于切换滑模控制—龙伯格分数阶观测器的锂离子电池SOC估计
  •   6.1 引言
  •   6.2 模型和问题描述
  •   6.3 切换滑模控制—龙伯格分数阶观测器设计
  •   6.4 仿真实验分析
  •   6.5 本章小结
  • 第七章 基于自适应滑模观测器和分数阶模型的锂离子电池SOC估计
  •   7.1 引言
  •   7.2 自适应滑模观测器设计
  •     7.2.1 AdpSMO-FOECM设计
  •     7.2.2 LAdpSMO-FOECM设计
  •     7.2.3 RSW-AdpSMO-FOECM设计
  •   7.3 基于自适应滑模观测器的SOC状态估计
  •   7.4 仿真实验分析
  •   7.5 本章小结
  • 第八章 基于TPS-FrCSMO和自适应滑模观测器的SOC与SOH联合估计
  •   8.1 引言
  •   8.2 模型和问题描述
  •   8.3 基于两阶段切换分数阶滑模观测器的SOC估计
  •     8.3.1 两阶段切换分数阶滑模观测器设计
  •     8.3.2 基于TPS-FrCSMO的电池SOC估计方法
  •   8.4 基于TPS-FrCSMO和自适应SMO的SOC与SOH联合估计方法
  •   8.5 仿真实验分析
  •     8.5.1 TPS-FrCSMO-FOECM仿真分析
  •     8.5.2 锂离子电池SOH估计实验分析
  •   8.6 本章小结
  • 第九章 基于adpABC-PF方法的锂离子电池RUL状态估计
  •   9.1 引言
  •   9.2 模型和问题描述
  •   9.3 基于adpABC-PF的锂离子电池RUL状态估计
  •     9.3.1 贝叶斯估计与粒子滤波
  •     9.3.2 adpABC-PF滤波方法与电池RUL估计
  •   9.4 电池RUL估计实验分析
  •   9.5 本章小结
  • 第十章 总结与展望
  •   10.1 研究工作总结
  •     10.1.1 本文主要创新点
  •     10.1.2 研究工作和成果总结
  •   10.2 研究展望
  • 致谢
  • 参考文献
  • 附录A
  • 附录B
  • 附录C
  • 附录D
  • 附录E
  • 攻读博士学位期间取得的成果
  • 文章来源

    类型: 博士论文

    作者: 钟福利

    导师: 李辉

    关键词: 锂离子电池,分数阶微积分,非线性系统辨识,群体智能优化,状态估计,滑模观测器

    来源: 电子科技大学

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑

    专业: 数学,电力工业

    单位: 电子科技大学

    分类号: TM912;O172

    总页数: 266

    文件大小: 14019K

    下载量: 876

    相关论文文献

    标签:;  ;  ;  ;  ;  ;  

    基于分数阶微积分的锂电非线性系统建模和估计研究
    下载Doc文档

    猜你喜欢