基于老化机理的超级电容器健康状态预测研究

Owing to the requiring of the safety performance and high frequency, forecasting the state of health of supercapacitor is the focus of the future research for supercapacitor to ensure high reliability of the energy storage system. This project targets on establishing a prediction method for health status, which is not sensitive to the initial error, to estimate of the health state of the supercapacitor through its history online.. Firstly, it is to explore the key effect factors from the basic structure, working principle, manufacturing processes and using process of supercapacitor, which influences the aging of supercapacitor, and to design and carry out the aging experiment. It is to analysis the the attenuation law of the supercapacitor through on the experimental data and establish the aging mechanism of supercapacitor. Secondly, it is to establish the the capacity attenuation model, impedance increasing model, and the relationship between capacity and impedance, and to quantitative analysis the influence of temperature, charge/discharge current, cut-off voltage and other key factors to the model parameters of supercapacitor. Finally it is establish a set of algorithms to prediction the state of health supercapacitor using the capacity attenuation model as the state equation, and using relationship between the capacity attenuation and impedance increase as measurement equation. Verifying the algorithm is necessary using the test data of different situation cycles and it is very useful for supercapacitor energy storage system reliability and equalization technology in hybrid storage system..

由于安全性能和高频次的使用需求，预测超级电容器健康状态用以确保储能系统的高可靠性是超级电容器未来研究的重点。本项目拟建立一种对初始误差不敏感的健康状态预测方法，实现通过超级电容器的使用历史在线估计其健康状态。. 本项目拟首先从基本结构、工作原理、制造工艺和使用过程等方面探索影响超级电容器老化的核心影响因素，并设计开展老化实验。基于实验数据分析超级电容器性能参数衰减规律，并建立超级电容器老化机制。在此基础上建立容量衰减模型，阻抗增加模型及容量阻抗关系，并量化分析温度、充放电电流、截止电压等核心因素对模型参数的影响。最后使用容量衰减模型作为系统状态方程，使用容量衰减和阻抗增加之间的关系作为量测方程，推导建立一套预测超级电容器健康状态的算法，并使用不同循环次数下的工况试验数据对算法进行验证，为超级电容器的储能系统可靠性及在混合动力储能系统均衡技术研发奠定基础。

随时了解每块超级电容器的健康状况，可延长模块组使用寿命，保证模块组的整体充电与放电性能。因此，结合安全性和高频次的使用需求，预测超级电容器健康状态用以确保储能系统的可靠性能是超级电容器应用研究的重点。本项目主要研究内容和结果如下：.1、依据温度、时间与健康状态间的阿列纽斯关系，将温度、电流强度和循环次数三个应力因子引入通用预测模型以形成多应力模型。结果表明实验和模拟结果具有较好的一致性，绝大部分相对误差都在3%以内，合理的充放电流和温度设置能延长超级电容器的循环寿命。此外，利用容量衰减数据可较好的拟合出幂函数模型参数并外推出失效健康状态，失效健康状态预测结果与循环次数密切相关，且预测和实际失效健康状态较好的符合威布尔分布。.2、基于超级电容器容量依赖于电极电势且其容量随着电势电压增加而增加的特性，利用恒电流充/放电建立时间和电压之间的二阶多项式关系。采用恒电流充/放电条件下超级电容器衰减前后相同电压区间所对应的时间间隔之比来表征健康状态。诊断结果与实际健康状态一致性较好，绝大部分相对误差在3%以内。.3、提高超级电容器健康状态的策略之一是设计高性能新型电极材料。以淀粉为碳前驱体，(NH4)2Fe(SO4)2为致孔剂，利用水热方法，制备了具有大比表面积和分级微孔-介孔结构的高分散碳球。采用水分散性石墨烯和过滤自组装的方法制备了柔性石墨烯/多孔碳纳米球复合膜。结果表明制备的电极材料具有较高的比电容值、很好的倍率性能、良好的电化学稳定性，表明其可用于高可靠超级电容器。.4、将库仑效率因子和循环搁置时间引入到赝电容型超级电容器容量参数模型，建立了基于粒子滤波的赝电容型超级电容器寿命预测程序及要求。此外，基于改进的锂离子超级电容器二阶模型，建立了完整的锂离子超级电容器状态方程和观测方程参数辨识方法。将人工免疫算法和粒子滤波算法相结合，建立了基于人工免疫粒子滤波的锂离子超级电容器荷电状态估计方法。

内容获取失败，请点击重试