本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘要：为克服放电后期电压拐点对锌溴液流电池（ZBFB）荷电状态（ SOC）辨识精度的影响，研究基于主成分分析（PCA）的锌溴液流电池荷电状态估计方法。以提高锌溴液流电池 SOC 参数辨识精度为目标，特别是解决锌溴液流电池在放电后期特有的电压拐点非线性特性，在兼顾实际算力限制与运行速率要求的条件下，对锌溴液流电池SOC参数辨识算法进行分析。研究结果表明，所提方法兼顾空间维度特征提取以及系统降维建模，可有效改善电压拐点处的电池 SOC的辨识精度，为锌溴液流电池的长时储能应用提供理论与算法分析基础。
关键词：锌溴液流电池；主成分分析；荷电状态估计；电压拐点；长时储能
doi：10.12045/j.issn.1007-3043.2023.12.006
概述
目前锌溴液流电池（Zinc Bromine Flow Battery，ZBFB）以其高可靠性、长寿命在长时储能领域得到初步应用。锌溴液流电池本身存在电压急剧变化的拐点以及电解液的不规则流动，使得锌溴液流电池荷电状态（State of Charge，SOC）参数模型具有很强的非线性，具体表现为存在大量对 SOC辨识产生影响的扰动参数，特别是放电后期电压拐点导致采样失真，使得开路电压与安时积分等常规方法难以被直接应用，而 SOC又是影响 ZBFB优化控制的基础参数。因此研究一种可满足 ZBFB放电后期电压拐点处 SOC辨识与校正的方法势在必行。
研究表明，数据降维与特征数据提取是提高 SOC辨识精度的可行路径之一。而主成分分析（PrincipalComponent analysis，PCA）的主要功能表现在以去除噪声和非特征为表征的数据降维。目前 PCA 已在锂电池容量估算、剩余使用寿命预测、多信号特征融合及风电场等值建模等领域得到成功应用。其特点为从特征数据捕捉层面提升数据处理的抗干扰性，从而可有效抑制放电后期电压拐点导致的采样失真与数据丢失对SOC辨识精度的影响。
本文以提高 ZBFB电压拐点处 SOC辨识精度为研究目的，立足于合作企业所设计的 ZBFB 样机，在ZBFB进行 100% 充放电的条件下，开发一种基于安时积分分析的 PCA 优化计算方法，用于提高 ZBFB 电压拐点处的SOC参数的辨识精度。对ZBFB电压线性变化与非线性变化部分分别采用安时积分与 PCA 进行SOC 评估，从算法改进层面有效克服电池放电过程中出现的电压拐点对 SOC计算的影响，提高 SOC计算的精度与效率，从高精度 SOC辨识角度为推进锌溴液流电池在长时储能领域的应用提供参考基础。
