锂离子电池组SOC估计算法的比较研究

锂离子电池组的荷电状态SOC是描述电池剩余电量的重要参数,常用SOC估算方法有:安时法、开路电压法、神经网络法、卡尔曼滤波法、扩展卡尔曼滤波算法等。本文分析了影响电池荷电状态的SOC的影响因素,对各种SOC估算算法进行了比较研究,并对扩展卡尔曼滤波算法进行了Matlab仿真。仿真结果表明,卡尔曼滤波法对电池荷电状态的估算有较好的修正能力,并且容错能力较强。     

基于电路等效和UKF-EKF的锂电池SOC估算方法研究

锂电池以成组形式被广泛使用,但在生产与使用中单体不一致现象会严重影响电池的使用效率、寿命以及安全性。因此,对动力锂电池荷电状态(SOC)进行实时准确估算,保证电池的及时均衡尤为重要。针对动力电池估算所存在的等效模型模拟电池充放电过程中的真实性低、常用算法精度损失等问题,采用二阶Thevenin等效电路模型,通过递推最小二乘法进行电池模型的参数辨识。对比扩展卡尔曼滤波(EKF)算法与无迹卡尔曼滤波(UKF)算法的优、缺点,提出了一种结合EKF和UKF两种算法优势的联合在线SOC估计策略。将估计的SOC结果和试验测量结果进行比较,并通过试验与仿真验证该方法的精度。试验结果表明,该方法能够有效实现SOC的在线估算,其估计精度在5%内,为电池管理系统的搭建与锂电池组的均衡提供了判断依据。     

一种估算锂电池SOC的新型方法

SOC（荷电状态）的预测和估算是锂电池管理系统中的一个重要部分。根据GAAA算法充分利用了遗传算法和蚁群算法各自的优势,提出一种GAAA算法优化BP神经网络的SOC估算方法。使用MATLAB进行编程,将锂电池的实时工作电流、电压、温度、健康度、安时积分值作为输入,实现对SOC的估算。实验结果表明,该算法在估算精确度和运算速度上都优于传统的BP神经网络和基于遗传算法的BP神经网络。     

基于PNGV模型和高斯-厄米特滤波的SOC估算研究

为解决锂离子电池荷电状态(SOC)估算精度不高和初值鲁棒性差的问题,提出了一种基于新一代汽车伙伴计划(PNGV)等效电路模型和高斯-厄米特滤波(GHF)算法的锂离子电池SOC估算方法。首先,建立PNGV模型来模拟电池的动静态工作特性,列出该等效电路模型的状态空间方程;然后,利用混合动力脉冲能力特性测试试验,对模型中的动态参数进行辨识,并通过电流激励下的电压响应对比验证了模型及参数的有效性;最后,结合GHF算法得出了算法的系数矩阵和递推过程。在Matlab/Simulink平台上,对该SOC估算方法的估算效果进行了仿真分析与验证。结果表明,无论是在恒流、周期恒定电流和周期变电流工况下,还是在城市道路循环(UDDS)变电流工况下,SOC都能实时跟踪真实值的变化。同时,该算法对初值有较好的鲁棒性。在初始SOC为0.8的情况下,SOC估算最大误差不超过3.7%,具有较高的精度。该算法为锂离子电池SOC的估算提供了一种新的思路。     

基于Simulink的锂电池建模仿真

针对锂离子电池SOC(荷电状态)难以估算的问题,通过对电池建立等效的Thevenin电路模型,对不同时刻的SOC的模型参数进行拟合得到动态的模型参数,在Matlab中借助Simulink建立仿真模型,采用模块化结构,建立基于卡尔曼滤波算法的电池SOC估算系统;利用测得的电池电压电流,仿真系统可直接估算出实时的电池SOC,与实际的电池SOC对比,误差保持在2.5%以内,表明该方法可以有效地估计电池的SOC,对于锂离子电池在实际应用的容量估算有着重要意义。     

基于免疫遗传算法的动力电池SOC估计研究

锂离子动力电池SOC（电池荷电状态）难以直接测量且由于高度非线性所导致估计误差较大。为了减少动力电池SOC估计误差,提高估算精度。在分析了锂离子动力电池电压、温度、电流和放电电量对电池SOC影响后,提出一种新颖的免疫遗传算法（Immune Genetic Algorithm,IGA）和BP神经网络相结合的锂离子动力电池SOC值联合估计方法,该方法首次使用在锂离子动力电池SOC值估计中,采用新颖的免疫遗传算法通过对BP神经网络进行参数寻优,优化网络结构模型,增强神经网络自适应学习效率。通过仿真和动力电池实际工况下实验,结果表明使用新颖的联合估计算法提高了网络的运行效率和电池SOC值估计精度,估计均方根误差控制在2%以内,验证了这一联合估计算法的可行性和有效性,解决了动力电池SOC值估计误差较大的问题。     

混合动力汽车Ni—MH电池SOC估算算法的研究

电池的荷电状态SOC（state—of—charge）,对于混合动力汽车的电池管理系统来说是一个非常重要的参数。文章介绍了当前常用的一些SOC的估算方法,并分析了这些方法存在的一些局限性。着重研究了基于卡尔曼滤波器估算SOC的算法,并在MATLAB下进行了仿真。     

新能源汽车蓄电瓶SOC估算方法概述

针对新能源汽车蓄电瓶容易亏电的问题,本文对蓄电瓶荷电状态(SOC)进行了分析。首先阐述了SOC的定义,然后介绍了几种常见蓄电瓶SOC估算方法,并分析了这几种方法的利弊,最后给出了总结与展望。     

粒子群优化神经网络在SOC估算中的应用

针对电传动车辆用动力电池组荷电状态(SOC)非线性强、普通神经网络模型预测精度低的问题,提出利用粒子群优化神经网络权值和阈值的预测方法,建立基于该方法的BP神经网络电池SOC训练模型。为克服粒子群算法容易陷入局部最优的缺点,用混沌变量初始化粒子位置,采用可避免粒子高度聚集的算法,提高模型的预测精度。仿真结果表明,使用该方法估算电池的SOC更具快速性、准确性和稳定性。     

动力电池SOC估算复杂方法综述

荷电状态(SOC)是动力电池管理系统的重要参数。准确估算动力电池SOC是促进电动汽车发展的关键技术。因为动力电池的工作环境复杂多变,传统方法难以准确估算其SOC。首先分析了SOC估算的影响因素,然后对不断改进的复杂方法进行了综述,分析并对比各自的优缺点。最后对动力电池SOC估算复杂方法进行总结并提出展望。     

基于参量模型估计的周期信号等效采样方法研究

针对现有的常规的等效时间采样方法必须具备准确的模拟触发电路,必须具备精确的定时电路或时长检测电路,并且波形重建时间长甚至不能完全重建的问题,提出一种基于参量模型估计的周期信号等效时间采样方法.该方法采用三个两两互质频率进行三轮采样,从三轮采样数据估计出被测周期信号的基频和其它参数,从而重构出被测周期信号波形.实验证明,该方法在信噪比较高时重构出被测周期信号波形的正确概率很高,重构误差很小.该方法已被成功运用到数字存储示波器的高速数据采集系统中.     

A Nonlinear Observer Approach of SOC Estimation Based on Hysteresis Model for Lithium-ion Battery

In this paper, a state of charge (SOC) estimation approach for lithium-ion battery based on equivalent circuit model and the input-to-state stability (ISS) theory has been proposed. According to the electrochemical performance of lithiumion battery, the equivalent circuit model with two RC networks is established, which includes hysteresis characteristic in inner electrochemical response process.The nonlinear relation between open circuit voltage (OCV) and SOC is obtained from a rapid test.Exponential fitting method is used to identify the parameters of the model.A novel state observer based on ISS theory is designed for lithium-ion battery SOC estimation.The designed observer is tested on AMESim and Simulink co-simulation.The simulation results show that the proposed method has a high SOC estimation accuracy with an error of about 2 percent.      

量子态估计简介及其在超导电路电动力学系统中的应用

量子态估计是量子计算以及量子调控的基础,一般分为量子态层析,即对未知量子态(或过程的初态)进行估计,以及量子滤波,即对量子态进行实时的估计.本文首先介绍了近年来量子态层析技术新的进展,内容包括极大似然方法,压缩感知方法和线性回归方法,并分析了它们的适用范围及各自的优缺点.进一步,基于量子计算的成熟载体超导电路电动力学系统,介绍了基于连续弱测量对量子态进行实时估计的贝叶斯方法,并分析了贝叶斯估计的适用情形.进一步,通过仿真实现了量子贝叶斯估计,可以很容易发现贝叶斯方法能够精确地实时追踪量子态的演化.     

基于容积卡尔曼滤波算法估计动力锂电池荷电状态

动力锂电池荷电状态的准确估计是电池管理系统的关键功能之一。该文结合二阶电阻-电容等效电路模型,通过建立状态空间表达式,利用最小二乘法对等效电路模型各参数进行辨识,并通过多项式拟合方法获得了开路电压与剩余电荷的关系曲线,进而基于容积卡尔曼滤波方法对锂电池荷电状态进行建模,建立了基于数字信号处理器的充放电实验平台,实现了锂电池放电时荷电状态的实时估算。实验结果表明,该方法能够实现实时在线估算,且最大误差小于 2%,具有良好的估算精度。     

基于数字孪生的Buck电路故障诊断方法

针对Buck电路故障诊断方法存在计算量大和准确率低等问题,提出了一种基于数字孪生的Buck电路故障诊断方法。首先,通过Matlab/Simulink软件平台建立Buck电路的数字孪生模型,并根据Buck电路元器件标称值设置数字孪生模型初始参数;然后,将采集的Buck电路输出电压信号及运行状态映射到数字孪生模型中,根据数字孪生模型与Buck电路的输出电压建立目标函数,并利用Levenberg-Marquart算法迭代优化目标函数,实现数字孪生模型的更新,最终实现Buck电路元器件参数估计;最后,比较数字孪生模型得到的参数估计值与Buck电路元器件标称值,若二者之差超过标称值20%,表明元器件失效,从而实现Buck电路故障诊断。实验结果表明,该方法对Buck电路元器件参数具有较高的估计精度与诊断可靠性。     

基于CARMA模型的动力电池荷电状态估计

为完善电动汽车电池管理系统的主要功能,实现对电池准确建模及荷电状态(state of charge,SOC)的准确估计,文章基于二阶RC等效电路建立了一种受控自回归滑动平均模型(controlled auto-regressive moving average,CARMA),推导得到电池开路电压(open circuit voltage,OCV)的最优估计,并结合分段建立的电池OCVSOC模型实现电池SOC估计,从而实现了电池模型参数在线实时辨识以及SOC实时估计,解决了因初值设定不合理而影响SOC估计准确度的问题。仿真结果表明:在美国联邦城市运行工况下,SOC估计误差的绝对值不超过2.39%,实现了较为准确的SOC估计。     

Multi-objective parameter estimation of induction motor using particle swarm optimization

In order to simplify the offline parameter estimation of induction motor, a method based on optimization using a particle swarm optimization (PSO) technique is presented. Three different induction motor models such as approximate, exact and deep bar circuit models are considered. The parameter estimation methodology describes a method for estimating the steady-state equivalent circuit parameters from the motor performance characteristics, which is normally available from the manufacturer data or from tests. The optimization problem is formulated as multi-objective function to minimize the error between the estimated and the manufacturer data. The sensitivity analysis is also performed to identify parameters, which have the most impact on motor performance. The feasibility of the proposed method is demonstrated for two different motors and it is compared with the genetic algorithm and the classical parameter estimation method. Simulation results show that the proposed PSO method was indeed capable of estimating the parameters over a wide operating range of the motor.     

Parameter estimation of three-winding transformers using genetic algorithm

The paper presents an in situ parameter estimation method to determine the equivalent circuit parameters of the three-winding transformer (TWT). The suggested method also estimates geometrically a complex parameter that is mutual leakage between secondary and tertiary windings, which would be useful in transient studies. Beside the saturation effect of the transformer is taken into account by estimating a highly nonlinear parameter that is magnetizing circuit reactance. Different search based optimization tools are applied for parameter estimation among which the results obtained using genetic algorithm is found to be encouraging. Load test data at one particular operating point namely supply voltage, load currents, input power, and load impedance is sufficient to estimate the parameters. The results are experimentally validated against the directly measured performance of TWT. The method is applicable for performance determination, power system load flow studies and design of protection circuits of the TWT.     

无线传感网络节点锂电池剩余电量估算方法

针对采用锂电池电量检测芯片DS2786进行剩余电量估算存在误差较大的问题,结合DS2786芯片和卡尔曼滤算法,提出了一种面向无线传感网络节点锂电池的剩余电量估算方法。该方法通过建立能表征锂电池特性的等效电路模型,将芯片DS2786所获得的锂电池两端开路电压和放电电流作为卡尔曼滤波算法的输入参数,进行精确的剩余电量估算。实验结果表明,该方法对于锂电池剩余电量的估计误差可维持在3%以内,且算法复杂度低,能满足嵌入式设备的应用要求。     

一种基于核密度估计的模拟电路故障诊断方法

为解决模拟电路中含有噪声等异常信息给支持向量机的最优分类面建立带来的困难,提出了一种基于核密度估计方法的模拟电路故障诊断新方法。首先提取电路的时域信号统计参数作为故障特征,然后运用核密度估计方法构造模糊隶属度函数,将该隶属度函数应用到模糊支持向量机上进行故障诊断。通过训练模糊支持向量机获得故障诊断模型,实现对电路单故障和多故障的诊断分类,能有效消除特征中噪声和野点的影响。将该方法应用于CSTV滤波电路进行仿真实验,结果表明该方法能突出不同故障的特性并正确有效地诊断出多故障类型,综合诊断正确率达到95%,为模拟电路故障诊断提供了新的技术途径。