[发明专利]稳定且收敛的超级电容器寿命在线估计方法

说明书

本发明公开了一种稳定且收敛的超级电容器寿命在线估计方法，包括：建立超级电容器的动力学模型，动力学模型中包括超级电容器的等效电阻和等效电容；根据动力学模型建立超级电容器电流参数辨识规则，并根据电流参数辨识规则建立超级电容器等效电阻和等效电容在线估计的自适应方法，实现等效电阻和等效电容的在线估计，得到估计电阻值和估计容量值；基于李雅普洛夫稳定性理论和收敛原理，对超级电容器等效电阻和等效电容在线估计自适应方法的稳定性和收敛性进行分析；根据估计电阻值或估计容量值对超级电容器的寿命进行在线估计。该自适应方法保证了寿命在线估计的精确度，且相对现有的在线估计方法，运算量明显降低，节约了大量的人力物力。

技术领域

本发明涉及超级电容器技术领域，尤其涉及一种超级电容器寿命在线估计方法。

背景技术

超级电容器因其高功率密度和紧凑尺寸的优点广泛应用于大功率场合，成为高性能应用的理想选择，如应用于铁路运输、电动/混合动力车辆等领域。与普通电池和燃料电池不同，超级电容器更适合在短时间内储存和提供能量，尤其表现在电动/混合动力车辆的加速和再生制动状态下。超级电容器的寿命由其健康状态(State of Health,SOH)进行表征，而SOH主要受温度和循环充放电次数的影响，是以，超级电容器的在线寿命估计是保证其高性能应用和早期故障预测的先决条件。

超级电容器终止寿命的定义因应用而异。在运输应用中，通常将终止寿命的条件设定为电容为额定电容的80％或等效电阻的阻值达到额定值两倍。在实际应用中，超级电容器经历了大功率充放电循环后，温度会发生显著变化，而充放电循环次数和温度变化均会引起超级电容器的老化，对其SOH有着重要的影响。传统的寿命估计方法，如电化学阻抗谱法和交流电信号注入法，以其简单性而广泛应用。但是这两种方法通常需要额外的硬件和昂贵的分析工具加以辅助，且必须离线执行，即需要中断超级电容器的正常运行才能实现目的。其他一些离线估计方法大多基于频域分析的电容和电阻表征技术，这些方法虽然简单易实现，但由于电压降难以精确测量，导致估计精度较差；且电阻通常呈现低值，测量噪声对近似值的精度有重大影响，同样导致寿命估计的精度达不到预期。

在线估计方法主要依赖智能计算方法，如神经网络和模糊逻辑等，以较高的计算复杂度为代价，取得了较好的性能。其中，神经网络方法通过在线逼近超级电容器的非线性动态模型，利用反向传播算法对模型进行描述实现目的，尽管神经网络方法精度较高，但其计算量非常大，且由于神经网络属于启发式算法，导致模型的参数调优比较困难。模糊神经网络方法将神经网络的在线学习和模糊逻辑的离线估计相结合，在一定程度上减小了计算量，但是两种算法的融合使得模型复杂度增加，且同样存在多参数寻优的问题。

发明内容

针对上述现有技术的不足，本发明提供了一种稳定且收敛的超级电容器寿命在线估计方法，有效解决了现有技术中不能高效在线估计超级电容器寿命的技术问题。

为了实现上述目的，本发明通过以下技术方案实现：

一种稳定且收敛的超级电容器寿命在线估计方法，包括：

S10建立超级电容器的动力学模型，所述动力学模型中包括超级电容器的等效电阻和等效电容；所述超级电容器由Stern模型表示，且所述Stern模型由Helmholtz模型和Gouy-Chapman模型组合而成，所述超级电容器的动力学描述为：

V_c＝V_T-R_sI_c

其中，V_c为超级电容器电压，I_c为超级电容器电流，R_s为等效电阻的阻值，