基于超級電容與蓄電池復合動力電源的研究

任麗紅，門秀華

(1.宣化科技職業學院，河北張家口075100；2.廊坊職業技術學院，河北廊坊065000)

電能存儲是現代工業的重要技術之一。如果沒有儲能設備，上至國防科技，下至百姓生活，各個環節均會受到嚴重的影響。目前，常用的儲能方式有三種，分別為機械儲能、化學儲能和電磁儲能。機械儲能有彈性儲能、液壓儲能、抽水儲水、壓縮空氣儲能、飛輪儲能等；而化學儲能使用范圍比較廣泛，有鉛酸電池儲能、鎳系鋰系電池儲能、液流或鈉硫電池儲能等；電磁儲能主要是指超導磁儲能系統。

在以上的儲能方式中，機械儲能一般都存在著受自然條件制約大、成本高、運行不夠穩定等缺點，只會用在較為特殊的場合；而化學儲能是目前工農業及百姓生活中應用最多的儲能方式，但其代謝產物大多會對環境造成不利的影響，從發展的角度來看，探索新的使用方式是研究的重點；而作為新型的儲能方式，電磁儲能以其響應速度快、轉換效率高、比容量/比功率大等優點成為儲能發展的主要方向。同時由于工程師們一直希望以合理的價格生產高效的電池，淘汰內燃機，進入以風能、太陽能等清潔燃料為核心的時代，因此，未來儲能工業必將迎來一場關于能源發展的革命。

1 超級電容和蓄電池的機理與特性分析

目前，最常用的蓄電池為鉛酸電池。此類電池的最大優點是能量密度高、價格低。但是蓄電池也存在著低溫特性差和高倍率、大電流放電會造成縮短壽命的弊端。同時鉛酸電池體積大且對環境有危害，影響其在工業生產中大規模使用。

而超級電容是一種利用超導體制成的線圈來儲存磁場能量的新型電力儲能器件。功率的輸送不存在能源形式轉換的問題。因此它既具有高放電功率優勢，又可以像電池一樣具有較大的電荷儲存能力，是一種循環壽命長、功率密度大、充放電速度快、高溫性能好、容量配置靈活的電能存儲形式。

超級電容環境友好且體積較小，因此是一種前景良好的儲能方式。但是超級電容也有自身所不足的地方，其本身的能量密度較低，在保持動力的持續性方面有待提高，無法大規模地應用在工農業生產過程中。

因此，如果將蓄電池與超級電容器結合成復合的電源系統，就可以取各自的長處，而擯棄各自的缺點，從而形成一個具有短時高功率輸出能力，也具備持久動力的能源儲備系統。

2 復合儲能系統結構設計

復合儲能系統中蓄電池與超級電容器的連接方式一般有3 種，分別為直接并聯、通過電感器并聯和通過DC/DC 變換器并聯[1]。在這三種方式中，直接并聯結構簡單、成本較低。但是由于超級電容和蓄電池直接相連，要求它們之間的端電壓在運行過程中必須保持一致，但是由于二者的基本充放電特性差異較大，因此各自的優勢在這種結構下很難達到最佳效果；第二種方式是利用電感器作為超級電容器和蓄電池的中間橋梁，可以一定程度上起到對蓄電池電流濾波、提高功率輸出能力的作用，但是系統還是存在端電壓不可平衡調和的問題；第三種方式是利用DC/DC 變換器的變流作用，對蓄電池和超級電容器端電壓進行隔離，使得蓄電池工作在安全可靠的范圍之內。從而實現蓄電池和超級電容器電壓自動匹配的功能，從而提高系統的功率輸出能力。

本設計采用雙向DC/DC 并聯形式，如圖1 所示。由于雙向功率變換器的作用，在工作過程中，超級電容器組的主要任務是提供瞬間功率，蓄電池向系統提供恒流工作，一方面超級電容的大電流能力保證了系統在強工作狀態下的大電流放電狀態，從而保障了電能的供給，避免了由蓄電池大電流放電所引起的壽命縮短的問題；而另一方面，在功率變換器的作用下，蓄電池以恒流狀態向系統供電，保證了系統的可持續性。

圖1 蓄電池組與超級電容聯接形式

3 復合儲能系統的均壓及SOC值的計算

由于復合儲能系統中超級電容器和蓄電池工作于不同的系統狀態階段，而當系統的狀態切換頻繁時，超級電容器和蓄電池組的動態轉換也較為頻繁。同時系統時儲能環節充放電頻率大時，有效地保證儲能環節的儲能容量是系統正常工作的前提條件。

衡量一個儲能系統容量的重要參數是儲能環節的荷電狀態(SOC)[2]，SOC 是儲能環節剩余容量與總量的比值。這個比值隨著系統溫度、充放電循環、放電率及其他許多因素的改變而改變，具有高度的不確定性，是一個標準的非線性系統，因此，SOC 計算也必須采用非線性方法。

目前，常用的SOC 計算方法主要有[3]：放電實驗法、開路電壓法、Ah 積分法、內阻法、線性模型法、卡爾曼濾波法、神經網絡法等。其中，開路電壓法及放電實驗法只適用于電池靜止狀態時使用；內阻法受外界的影響較大，精確度不夠；安時積分法相對簡單易用、算法穩定，但是也存在著兩大缺陷：第一是該方法需要從SOC 的一個初始值為基礎進行計算，而在系統中SOC 的初始值并不容易確定，第二是該方法需要利用開環預測進行SOC 值推斷，而開環預測容易積累較大的誤差，影響最終結果的準確性。

除以上方法之外，SOC 值的預測還有一些智能算法，相比較而言，神經網絡算法是最成熟穩定的一種。

本設計采用BP 神經網絡進行SOC 值的預測。為了驗證算法的準確性，在以下實驗平臺下構建算法網絡：電池組采用蓄電池為主電池、超級電容器為輔助電池的構建方式，蓄電池由20 個單體電池組成，串聯方式，超級電容器與蓄電池組采用雙向DC/DC 轉換器并聯連接，工作電壓范圍：180～275 V，最大持續充電電流15 A，最大持續放電電流30 A；最大充放電電流分別為40、60 A。系統參數通過電壓與電流傳感器采集后上傳至上位機進行分析，采集間隔為30 s。

利用BP 神經網絡對SOC 值進行預測，需要在實驗數據的配合下構建神經網絡模型，該模型如圖2 所示，主要包括輸入層、隱含層、輸出層等三部分組成。在本例中，輸入層的變量主要有三個，矢量表示為[X1,X2,X3]，X1 是實驗的充電倍率C，X2 是超級電容器工作電壓的數值V1，X3 是蓄電池工作電壓的數值V2；輸出層的變量只有一個，就是系統的SOC值；而中間的隱含層是構建系統的核心，目前常用的方法是利用Matlab 程序進行仿真計算后確定相應的隱含層參數及結構。隱含層需要確定的參數主要有兩個：一個是網絡權值與閾值的確定；另一個是傳遞函數及求和次數的確定。網絡權值與閾值表征了系統輸入變量對預測結果的影響程度，是構建學習樣本初值構建的基礎；求和過程根據網絡權值與閾值對輸入變量進行初步的處理，從而形成有效的學習樣本空間；傳遞函數在本例中選取對數雙曲線函數logsig，計算結果形成輸出值SOC。本例選取2.0C下的數據作為實驗數據，設定誤差指數為0.0001，輸入Matlab 程序進行仿真計算，網絡訓練250步，用時5 s，結果如圖3 所示。從圖中可以看出在SOC 為0%～80%的范圍內，預測絕對誤差均在5%以內，預測值與實驗值相當吻合，精度很好。

圖2 神經網絡結構圖

圖3 神經網絡預測值與實驗值對比圖

但是由于神經網絡算法收斂性較差，容易陷入局部極小值的問題中，因此，還要結合其他算法對BP 神經網絡進行改造。改造的方法有多種，文獻[1]采用遺傳算法來對收斂性進行改造，而文獻[2]采用了粒子群的方法對其進行改造，都取得了不錯的效果。

4 總結

本文在研究鉛酸蓄電池及超級電容器基本特性的基礎上，設計了以鉛酸蓄電池為主，超級電容為輔的復合儲能系統。該系統兼顧了蓄電池高比能量和超級電容高比功率的優點，形成了動力持續性好且高倍率電流承受好的儲能裝置。該裝置采用雙向升降壓DC/DC 變換器來保證蓄電池與超級電容器之間的電壓平衡工作狀態，采用神經網絡算法來進行SOC 值的計算，從而保證了系統工作的性能。

[1]徐明輝．基于復合儲能的混合動力電動汽車再生制動能量回饋研究[D]．蘭州：蘭州理工大學，2013：6-7.

[2]路志英，龐勇，劉正光．基于遺傳神經網絡的自適應電池荷電狀態預估模型[J]．電源技術，2004，28(8)：504-507.

[3]劉秋麗，馬曉軍，袁東，等．粒子群優化神經網絡在SOC 估算中的應用[J]．計算機工程，2012，38(12)：143-145.