第12卷第3期2023年3月Vol.12No.3Mar.2023储能科学与技术EnergyStorageScienceandTechnology基于扩展卡尔曼滤波的储能电池能量和功率状态联合估计方法刘子豪1，张雪松2，林达2，孙立清1，李正阳1，熊瑞1（1北京理工大学机械与车辆学院，北京100081；2国网浙江省电力有限公司电力科学研究院，浙江杭州310014）摘要：电池储能是碳中和目标的有力抓手，准确估计其能量状态(stateofenergy，SOE)和峰值功率状态(stateofpower，SOP)是电池储能高效可靠运行的关键和基础。由于电池的电化学反应过程十分复杂，作为隐性状态量的SOE和SOP精确值难以获得。为此，本工作提出了一种基于模型SOE和SOP联合估计方法。应用Thevenin等效电路模型，采用递归最小二乘法建立了在线参数辨识算法，获得准确的模型参数。为解决恒定功率需求下的功率预测难题，提出了多步功率预测法，提高了SOP的预测精度，并结合扩展卡尔曼滤波算法，进一步提出了多状态联合估计方法。实验验证了算法的可行性，结果表明，在存在较大初始误差的情况下，所提出的方法电压、SOE最大预测误差均<2%，实现了准确的SOP预测。关键词：电池储能；Thevenin模型；能量状态；功率状态；多步功率预测法doi：10.19799/j.cnki.2095-4239.2022.0637中图分类号：TM912文献标志码：A文章编号：2095-4239（2023）03-913-10JointenergyandpowerstateestimationmethodforenergystoragebatterybasedonextendedKalmanfilterLIUZihao1,ZHANGXuesong2,LINDa2,SUNLiqing1,LIZhengyang1,XIONGRui1(1SchoolofMechanicalEngineering,BeijingInstituteofTechnology,Beijing100081,China;2StaeGridZhejiangElectricPowerCo.,Ltd.ResearchInstitute,Hangzhou310014,Zhejiang,China)Abstract:Batteryenergystorageisapowerfultargetforcarbonneutrality.Accurateestimationofitsstateofenergy(SOE)andstateofpower(SOP)isthekeyandfoundationfortheeffectiveandreliableoperationofbatteryenergystorage.ItischallengingtodeterminetheprecisevaluesofSOEandSOPasrecessivestatequantitiesduetotheintricacyoftheelectrochemicalreactionprocessinbatteries.Therefore,amodel-basedjointestimationmethodofSOEandSOPissuggestedinthispaper.RecursiveleastsquaresareutilizedtocreateanonlineparameteridentificationtechniqueusingtheTheveninequivalentcircuitmodel,andaccuratemodelparametersareachieved.Toaddressthepredi...
