共查询到10条相似文献,搜索用时 17 毫秒
1.
电池模型是研究电池性能的重要工具,根据阀控式铅酸蓄电池的特性,建立一种能反应其内部特性的二阶RC电路等效模型。然后根据模型,推导出能够反映出电池性能的开路电压和内阻。设计伪随机序列作为模型激励,对铅酸电池在特定条件下的充放电实验进行模拟,利用基于遗忘因子的最小递推二乘法进行模型参数辨识。通过端电压比较法对辨识结果进行验证,结果表明:采用M序列作为激励的参数辨识方法,能够准确有效地辨识阀控式铅酸电池等效电路模型的参数,并可以对其参数的获取提供理论基础与支持。二阶等效电路模型及基于递推最小二乘算法的模型参数的辨识结果可以精确地进行充放电过程仿真。 相似文献
2.
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... 相似文献
3.
4.
5.
6.
7.
8.
动力电池性能是影响电动汽车综合性能的关键因素,因此准确辨识锂离子电池模型的参数对后续电池系统的荷电状态估计和健康状态预测至关重要。为了提高锂离子电池模型参数辨识算法的精度,以磷酸铁锂电池作为研究对象,建立电池二阶RC等效电路模型,并采用基于变量遗忘因子的最小二乘算法对锂离子电池模型进行在线参数辨识。通过搭建测试平台进行充放电实验,基于2种不同工况的实验数据,分别用文中算法、递推最小二乘算法和传统的带遗忘因子的最小二乘算法进行参数辨识,根据辨识结果估计出的端口电压与实验测试得到的实际值的误差比较来描述文中算法辨识结果的准确度。实验结果表明,基于变量遗忘因子的最小二乘算法在锂电池参数辨识方面表现出快速的收敛性和较高的估计精度。 相似文献
9.
10.
传统的锂离子电池SoC估算以固定参数的电池模型为基础,不能反映电池内部的真实状态,进而影响了估算精度。为此,提出一种模型参数自适应辨识与SoC估算相结合的协同估算方法。首先建立电池二阶RC等效电路模型,通过脉冲充放电实验获取开路电压与SoC关系并进行分段线性化,得到模型状态空间表达式。然后采用限定记忆递推最小二乘法进行模型参数自适应辨识与逐步更新,并设计PI观测器以实现SoC估算,两者协同从而提高估算精度。理论分析证明了PI观测器的鲁棒性。实验和仿真结果表明,该算法具有很高的SoC估算精度,估计误差范围在1.5%以内,平均估算误差只有1.28%。 相似文献