锂电池能量状态与功率状态的联合估计

锂电池精确的能量状态(SOE)和持续峰值功率状态(SOP)对于电动汽车的稳定运行特别重要,对此提出一种锂电池SOE与持续峰值SOP的联合估计方法.首先,基于二阶RC等效电路模型采用了扩展卡尔曼粒子滤波算法(EPF)来估计SOE.其次,结合SOE的估计结果,在端电压、SOE和电池自身设计的多约束条件下对持续峰值SOP进行联合估计.最后,在动态应力工况对联合估计算法进行了Matlab仿真测试验证.测试结果表明了所提出的联合估计算法对于SOE和持续峰值SOP联合估计的有效性,并且具有较高的估计精度和较好的鲁棒性.     

考虑线路温度的电网状态估计方法

电网参数准确性对状态估计结果存在较大影响。基于电热关联理论,考虑线路温度对电阻参数的修正,将线路热平衡方程同状态估计模型相结合,提出一种计及线路温度的两步状态估计模型与算法。该算法利用内层循环修正电气量,外层循环修正线路温度和电阻参数,能够获得精确的电气量和线路温度值。进而将线路热平衡方程作为伪量测量,将线路温度引入状态量中,建立计及线路温度的联合状态估计模型,详细推导了SCADA及相量测量单元(phasor measurement unit,PMU)量测量对于线路温度的偏导数,并对伪量测量予以较大权重来求解。最后采用IEEE14、39和118节点算例验证了算法的有效性和效率。结果表明,所述方法能有效降低状态估计误差。     

考虑温度影响的锂电池等效电路建模及研究

针对传统锂电池等效电路模型忽略温度和滞后电压对自身的影响,会导致模型参数不匹配和精确度下降的问题,文中论述了温度和滞后电压对锂电池等效电路模型的影响。设计了基于温度的综合锂电池等效电路模型,分别在不同温度下对Li FePO4电池进行城市道路工况(Urban Dynamometer Driving Schedule UDDS)测试,采用子空间辨识法,通过对模型内部参数进行有效辨识,求解模型参数。在此基础上分析了传统等效电路模型与改进模型在不同温度下的仿真输出及输出误差,结果表明锂电池等效电路模型参数受温度影响较大,在温度广泛变化的情况下,与传统模型相比,文中模型可靠度更高,输出与实际试验数据匹配良好,进而验证了文中模型的有效性,为实际应用提供了有效的模型参考。     

基于改进等效电路模型的高比能量储能锂电池系统功率状态估计

针对高比能量电池大倍率下的电化学特性特殊性,用传统的等效电路模型(equivalent circuit model, ECM)估计功率状态(state of power,SOP)存在精度较低的问题,提出一种拓展的等效电路模型(extended equivalent circuit model, E-ECM)进行SOP估...     

基于SREKF的锂电池健康状态估计

健康状态(state of health,SOH)估计在电池管理系统中起着非常关键的作用。为了进一步提高锂电池SOH估计精度,提出基于平方根扩展卡尔曼滤波算法(square root extended Kalman filter,SREKF)的锂电池SOH估计方法。通过建立二阶RC等效电路模型(equivalent circuit model,ECM),将表示SOH的欧姆电阻(R_0)塑造为状态向量,利用锂电池欧姆内阻与SOH之间的内在关系,可得到锂电池的SOH。通过SREKF实时估计电池的内阻,该方法能保证状态协方差矩阵的对称性和非负性。在恒流工况与混合动力脉冲特性(HPPC)工况的验证结果表明,与EKF算法相比,SREKF算法能够更准确、更可靠地估计欧姆内阻,为电池SOH估计提供了一种有效的方法。     

动车组钛酸锂电池荷电状态估计

蓄电池作为应急供电电源,被广泛应用于动车组辅助供电系统中,电池的荷电状态可以反映充放电过程中电池的剩余电量,是动车组电池管理系统的重要参数.准确估计电池荷电状态,可以有效提高电池的使用效率及使用寿命.但是电池内部的化学反应复杂且难以测量,目前的电池荷电状态大多只能通过间接测量计算的方法得到.该文以中国标准动车组钛酸锂电...     

基于平方根无迹卡尔曼滤波的锂电池状态估计

在充电式混合动力电动汽车(plug-in hybrid electric vehicle,PHEV)和电动汽车(electric vehicle,EV)中,对电池进行精确、可靠的荷电状态估计(state of charge,SOC)非常重要。传统估计方法存在计算量大、估计不精确等缺点,提出一种平方根无迹卡尔曼滤波(square root unscented Kalman filter,SRUKF)算法对SOC进行实时估计及更新。利用无迹变换(unscented transformation,UT)精确估计系统方程的均值和协方差,使估算值达到二阶精度。利用平方根算法保证状态协方差的半正定性,提高数字计算的稳定性。通过实验对比,验证了该算法的有效性。结果表明,该方法可使状态估计值具有较小的误差和快速跟随性,满足了SOC估计的实际需求。     

储能系统中锂电池荷电状态的估计

锂电池荷电状态(SOC)的估计在整个能量管理系统中起重要作用,快速准确的估计出电池的荷电状态是能量管理系统的关键技术。针对锂电池内部复杂的化学反应,以二阶RC等效模型为基础,建立数学关系,应用含遗忘因子的递推最小二乘法求其模型参数。采用安时积累法、开路电压法和扩展卡尔曼滤波法结合的方法来估计锂离子电池的荷电状态。通过仿真得出的SOC值与实际SOC值比较可以得出此方法具有很好的精度,效果良好,可以作为SOC实时估计的一种手段。     

基于随机片段数据的锂电池状态估计方法

针对锂电池状态估计通常只能采集到不完整的放电数据,导致难以准确判断锂电池状态的问题,提出一种基于随机片段数据的锂电池状态估计方法.以固定健康状态(SOH)差为间隔构建老化数据库,利用随机片段数据进行匹配,并采用粒子群优化算法进行求解,从而判断对应的锂电池初始荷电状态(SOC)及SOH等信息;基于二阶戴维南等效电路模型对锂电池进行建模,并对其参数进行辨识;基于状态匹配结果与所建模型,利用扩展卡尔曼滤波对锂电池SOC进行估计,获得锂电池的剩余放电时间等状态信息.利用锂电池单体放电数据进行实验验证,实验与仿真结果表明:与传统方法相比,所提方法具有较高的稳定性和准确率.     

基于可变温度模型的锂电池SOC估计方法

动力电池的荷电状态(state-of-charge,SOC)是电动汽车的重要参数之一,而准确的电池模型是提高SOC估算精度的前提。温度对电池相关参数的影响是目前研究的热点,然而现有的电池模型难以适应连续变化的温度环境,且测试工作量大。基于Nernst电化学方程,提出了一种新型的电池建模方法,运用统计学原理,通过测量较少的数据得到较为精确的电池模型,相关参数能够用包括连续变化的温度等多因素进行拟合。通过在不同温度环境下模拟电动汽车实际工况,对锂电池进行放电实验,通过试验设计的方法建立电池模型,结合扩展卡尔曼滤波算法实现对锂电池SOC的动态估计,仿真和实验结果验证了所提方法的优越性。     

考虑参数不确定性影响的发电机动态状态估计方法

噪声统计特性和模型参数的不确定性,会严重影响动态状态估计的精度。针对该问题,文中提出了一种基于H∞容积卡尔曼滤波(HCKF)的动态状态估计新方法。首先,建立发电机动态状态估计模型;其次,依据H∞滤波理论构造模型不确定性约束准则,并在容积卡尔曼滤波(CKF)中依据该准则计算更新估计误差协方差阵,抑制参数不确定性对状态估计精度的影响;最后,通过对IEEE 10机39节点系统和某实际大区域电网系统的算例测试,将所提方法与CKF方法和改进插值扩展卡尔曼滤波(IEKF)方法的估计性能进行对比。算例仿真结果表明,HCKF方法在估计精度和对模型不确定性的鲁棒性方面较CKF和IEKF方法均有所提高,能够有效抑制模型不确定性对发电机动态状态估计的影响。     

基于支路功率的配电状态估计方法

提出了系统化的量测变换方法,并以此为理论依据,构造了独特的基于支路功率的配电状态估计算法。理论 分析和算例分析均表明,该方法具有收敛可靠快速、估计精度高、数值条件好、量测适应性好和编程简单等 优点,具有良好的在线应用前景。     

基于AMEsim的锂电池健康状态估计模型实验研究

新能源汽车动力电池健康状态（state of health，SOH）是一个表征电池性能优良的重要评价指标。针对准确估计18650锂电池健康状态这一目标需求，在锂电池单体数学模型的基础上，通过其等效电路模型分析影响锂电池健康状态的因素，采用通用非线性模型（gneral nonlinear model，GNL）电池等效电路和扩展卡尔曼滤波算法，在AMEsim仿真环境下搭建了锂电池SOH估计模型，并对18650锂电池进行充放电循环实验，将采集到的数据集导入AMEsim估计模型的数据模块中进行算法仿真。仿真实验结果表明，SOH估算误差小于8%，建立的锂电池SOH估计模型满足估算精度高，响应速度快的目标需求。     

基于离散滑模观测器的锂电池荷电状态估计

锂电池的荷电状态(state of charge,SOC)估计是电池管理系统的重要组成部分,针对锂电池非线性的特性,提出了采用离散滑模观测器估计锂电池荷电状态的方法,给出了离散滑模观测器的设计方法及其稳定性证明。基于锂电池的戴维南等效电路模型,给出了该方法的设计过程,在不同的充放电电流倍率和环境温度下,进行了锂电池模型的参数辨识,通过与常用的扩展卡尔曼滤波法相比较,分析了离散滑模观测器对锂电池SOC估计的精度、鲁棒性和算法复杂度等方面的性能。实验结果表明,采用该算法可实现锂电池SOC快速精确地估计,误差可控制在约3%,验证了该方法的可行性。     

基于自适应无迹卡尔曼滤波的锂电池荷电状态估计

锂电池的SOC是新能源汽车电池管理系统的重要参数,对新能源汽车的安全运行起着重要作用.针对因系统噪声特性未知导致传统UKF算法对电池SOC估计精度不高的问题,提出了可以保证系统噪声协方差矩阵非负定性和对称性的改进Sage-Husa自适应滤波算法,并将改进的Sage-Husa自适应滤波算法与UKF结合形成一种新的AUKF...     

基于自适应卡尔曼滤波的磷酸铁锂电池荷电状态估计

磷酸铁锂电池荷电状态（SOC）用于表征电池的剩余电量,是电池管理系统的重要参数。对SOC进行准确估计有助于提高电池利用率,保证电池的使用寿命和安全。但是SOC不能直接从外部测量得到,只能通过各种间接的方法求得,因此寻求准确的电池SOC估计算法非常重要。对磷酸铁锂电池进行建模,使用14组电池充放电数据分段进行参数辨识,得到具有广泛适用性的模型参数。基于此模型,运用自适应扩展卡尔曼滤波算法进行SOC估计,克服了常用扩展卡尔曼滤波会受到噪声影响的弊端,并通过仿真分析证明了算法的优越性。     

功率半导体器件温度状态的实时预测技术

提出了一种用预测估计的方法对电力电子设备中的功率器件温度状态进行估计、预测和控制的方法 ,使其始终在安全温度范围工作 ,并通过参数控制的方法避免故障的出现 ,既保证了驱动系统的运行质量 ,又避免了功率器件的损坏 ,明显地提高了系统优化控制的水平     

锂电池分段分数阶建模与荷电状态估计

为提高等效电路模型准确性,考虑等效电容分数阶本质和锂电池充放电不同阶段的不同变化特性,采用分数阶微积分理论建立了基于二阶RC模型的电池分段分数阶等效电路模型.用粒子群算法分段辨识分数阶阶数,通过混合脉冲功率特性(HPPC)实验辨识模型参数,使模型更符合电池实际工作状态.实验结果显示,新模型能够更准确地模拟电池充放电特性...