基于PNGV模型储能锂电池参数辨识及SOC估算研究

锂电池因具有比能量高、循环寿命长、对环境无污染等优点,在储能系统中已逐渐得到应用.准确估算锂电池的荷电状态(SOC)可防止电池过充、过放,保障电池安全、充分地使用.为了精确估算储能锂电池SOC,基于PNGV(partnership for a new generation of vehicles)电池等效模型,利用递推最小二乘法(RLS)对模型参数进行在线辨识和实时修正,增强了系统的适应性.结合安时法、开路电压法和PNGV模型,提出了一种实时在线修正SOC算法.根据实验数据,建立了仿真模型,以验算模型和SOC估算算法的精度.仿真结果表明,PNGV模型能真实地模拟电池特性,且能有效地提高SOC估算精度,适合长时间在线估算储能锂电池的SOC.     

动力电池二次利用关键参数识别研究综述

利用参数识别技术对退役动力电池进行分选,实现退役电池的二次利用。研究二次利用前动力电池的性能状况,对电池的剩余容量、剩余寿命、电池的荷电状态(state of charge,SOC)、电荷健康度(state of health,SOH)等影响电池性能的参数进行识别,并根据获取的相关数据来评估退役电池组当前状态下的性能,预测电池的剩余寿命,为动力电池二次利用的参数识别提供理论依据。     

基于CEEMDAN和ISOA-ELM的锂电池荷电状态预测北大核心CSCD

锂电池具有能量密度高、输出电压高、无记忆效应等优点,但过充过放电易引发安全事故,精确预测锂电池荷电状态(SOC)让其工作在最佳状态,具有重要现实意义,本文提出了一种基于自适应噪声集成经验模态分解(CEEMDAN)和数据驱动模型组合预测锂离子电池荷电状态的方法,对锂电池原始电流数据进行模态分解,得到多个子序列模态分量,提出一种基于惯性权重与Levy飞行机制的改进海鸥算法(ISOA),对极限学习机预测模型(ELM)参数进行优化,构建ISOA-ELM锂电池预测模型;训练模型得到锂电池SOC预测结果。实验结果表明,该模型在实际工作中能够更贴合实际SOC,更有利于锂电池工作在最佳状态。     

Estimation of power battery SOC based on firefly BP neural network

针对BP神经网络算法对电动汽车电池荷电状态（state of charge,SOC）估算的缺陷,提出一种基于萤火虫（firefly algorithm,FA）神经网络的SOC估算方法。以磷酸铁锂电池为测试对象,在ARBIN公司生产的EVTS电动车动力电池测试系统装置上进行测试,收集锂电池的各项性能参数。采用端电压和放电电流作为输入参数,SOC作为输出参数,建立FA-BP神经网络模型,用于估算锂离子电池充放电过程中的任一状态下的SOC。仿真实验结果表明,与现有的BP神经网络估算方法相比,基于FA-BP神经网络的锂电池SOC估算方法准确度高,具备很好的实用性。     

基于间接健康指标的高斯过程回归对锂电池SOH预测北大核心CSCD

锂电池性能会随使用时间增加而逐步退化,若更换不及时,可能造成爆炸等严重事故。快速准确预测电池健康状态(state of health,SOH),对于锂电池系统管理和维护以及安全使用至关重要。本工作提出一种基于间接健康指标(health indicators,HIs)和高斯过程回归(Gaussian process regression,GPR)相结合预测锂电池SOH的机器学习模型。首先,通过分析锂电池放电过程,提取若干易于获得且适合动态操作的直接外部特征作为间接健康指标,并计算它们和SOH的相关性,最终筛选出平均放电电压、等压降放电时间、最高放电温度和平台期放电电压初始骤降值作为健康指标;其次,以上述健康指标作为输入特征,利用GPR算法建立锂电池退化模型,对NASA锂电池数据集进行预测,平均绝对误差(mean absolute error,MAE)不超过2%,均方根误差(root mean square error,RSME)控制在4%之内;最后,将本工作模型与其他常用机器学习模型进行比较,再将模型带入不同实验条件的电池中进行泛化性能分析,最大预测误差控制在6%之内,实验结果表明,本工作提出的间接健康指标和GPR模型具有相对较高的预测精度和优秀的泛化能力。     

基于多分支拓扑的梯次利用储能系统电池同期退役协同控制策略

针对退役动力电池储能系统中不同电池簇间的同期退役问题,提出了一种基于多分支拓扑的同期退役协同控制策略.该策略针对不同时段的功率需求,根据储能系统中电池健康状态(SOH)的失衡度,首先选择电池健康状态较好的电池簇优先出力或者使所有电池簇共同出力的模式,并根据电池簇荷电状态(SOC)分布情况,采用基于实时可变电流作为正反馈调节值的控制策略,实现储能系统中各电池簇间协同控制与平衡出力.经过多次充/放电过程,各电池簇的健康状态(SOH)将渐进趋于一致,进而实现不同电池簇同期退役的目的.最后,通过MATLAB软件进行仿真分析,验证了该策略可以使储能系统中各退役动力电池簇实现同期退役.     

基于双自适应卡尔曼滤波的锂电池状态估算

精准的锂电池建模是保证电池储能系统可靠性至关重要的手段.荷电状态(state of charge,SOC)的准确估计保证了特定应用程序的安全高效运行.为了提高SOC的估计精度,首先建立等效电路模型,利用遗忘因子的偏差补偿最小二乘法(bias compensation recursive least squares,BCRLS)对电池模型进行参数辨识.然后,利用自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法来估计SOC.由于无迹无迹卡尔曼滤波算法易受非线性因素的干扰,因此提出了利用权重量定义AUKF算法提高SOC的估计精度.由于电池在放电过程中,电池内部特性会发生变化,而电池欧姆内阻会对SOC估计结果产生直接影响.基于此,本工作提出了双自适应无迹卡尔曼滤波来进一步提高SOC的估计精度.通过和不同算法进行比较,实验结果表明,所提算法估计SOC的误差控制在2％以内,验证了算法的有效性.     

基于特征优选与改进极限学习机的锂电池SOC估计北大核心CSCD

为提高数据驱动方法预测荷电状态(state of charge,SOC)的效率与精度,提出一种基于特征优选与改进极限学习机的SOC估计方法。采用公开数据作为训练集,利用随机森林(random forest,RF)算法判定训练集各特征对SOC的影响程度,选择出最优训练样本,并对优选样本的合理性进行验证;利用极限学习机(extreme learning machine,ELM)对SOC进行预测,针对ELM在预测过程中随机产生的权值及阈值的不稳定性导致SOC估计精度不理想的问题,选取麻雀搜索算法(sparrow search algorithm,SSA)进行参数优化以提高估计精度;随后,通过BJDST工况仿真试验对SSA参数优化的有效性进行验证;在恒流放电与DST工况实验下,分别利用改进极限学习机(SSA-ELM)、ELM、支持向量机(support vector machine,SVM)与BP神经网络(back-propagation neural network,BPNN)对SOC进行预测,结果表明,SSA-ELM算法预测效果最优,预测误差基本保持在1.5%以内,可实现较高精度的SOC预测。     

基于自适应CKF的老化锂电池SOC估计CSCD

锂电池的荷电状态(SOC)估算是电动汽车的系统管理与能量控制的重要参数。在SOC估算过程中,电池参数变化和老化问题会对结果造成很大影响。针对这一问题,在递推最小二乘法算法(RLS)辨识锂电池模型的参数的基础上更新电池容量,通过容积卡尔曼滤波(CKF)估算电池SOC,结合RLS和CKF实现在电池参数发生变化时准确估计SOC。以锂离子电池作为对象,应用所提出的算法实现锂电池的SOC在线估计,验证算法的准确性。     

考虑SOC的自适应分组策略在储能参与一次调频中的应用

大规模储能电站中各电池组状态的不一致性,使得传统电池参与一次调频研究时的归一化处理难以涵盖所有电池组状态,容易导致部分电池过度充放电。提出了一种考虑电池荷电状态（state of change, SOC）的自适应分组策略,用于储能参与一次调频的应用研究。根据电池的额定容量和SOC对储能电池进行分组,以实时调整各电池组的出力比例;设计评价指标以量化分析电池使用寿命,根据每组电池SOC对其进行综合控制,以实时调整每组电池出力大小,减小电池循环深度,提升其使用寿命。通过Matlab/Simulink进行仿真验证,结果表明,所提分组策略能在保证一次调频性能的同时,有效提升储能电池的使用寿命。     

应力条件的变化对非饱和黄土吸力状态特性的影响

本文对均压加、卸荷、偏压加、卸荷等应力条件下不同起始密度～湿度状态的非饱和黄土的吸力状态特性规律进行了系统的三轴试验研究，对比了各因素的影响，提出了统一吸力状态方程的表达式。     

中重型柴油机国4、国5技术路线分析

本文介绍了中重型柴油机达到国4、国5排放标准的技术路线,并对各种技术路线进行了分析对比.     

太阳能光伏发电应用的现状及发展

当前太阳能光伏发电正在迅速发展,应用的规模和范围正在不断地扩大。本文讨论了各种类型光伏系统的应用及国内外太阳能光伏应用的发展概况。此外还特别介绍了光伏与建筑一体化和光伏声屏障的特点及其应用状况。     

继电保护状态检修实例分析

继电保护的状态检修对于电力系统是否正常稳定运行起着关键的作用。当前对于继电保护的检修仍存在着一些问题,针对当前继电保护检修的现状及难点结合较为科学的微机保护实例提出了继电保护检修体系及其应用。     

State of the art in process integration

The research in process integration started in the late 1970s and early 1980s with an emphasis on energy conservation. Systematic methods for the design of heat exchanger networks were developed. Although this was only a small part of the total problem of the synthesis of complete manufacturing systems in the process industries, it has nevertheless been an important phase in the development of process integration techniques. The ideas and techniques developed to solve the heat exchanger networks problem provided the basis for the extension of the technology into new areas. Research in process integration now covers a much wider area than energy conservation and the scope has broadened to include raw materials efficiency, emissions reduction and process operations.     

煤燃烧一维热态试验炉的研制

详细地介绍了煤燃烧一维热态试验炉的结构 ,并在该试验台上进行了煤粉燃烧过程及污染物排放的试验研究。试验结果表明 ,该试验炉对煤粉燃烧过程和控制污染物排放量的研究具有实际应用价值     

钠离子电池健康状态预测

钠离子电池健康状态(SOH)预测对于电池优化管理有重要意义,但由于钠离子电池老化机理复杂,影响因素众多,精准SOH预测挑战巨大.为此,本研究从健康状态时序测量数据出发,提出了基于双指数模型的粒子滤波法(DEM-PF)和基于小波分析的高斯过程回归法(WA-GPR),以实现钠离子电池单步SOH和剩余可用寿命(RUL)预测.前者直接采用双指数函数构建时序SOH数据模型,并结合PF算法进行模型参数更新;后者采用小波分析实现时序SOH数据多尺度解耦,采用GPR构建各尺度数据模型并进行融合后实施预测.实验结果表明,相比DEM-PF方法,WA-GPR方法的单步SOH和RUL预测效果更好,单步SOH预测均方根误差为0.8％,RUL预测误差最小为3次循环,从而为钠离子电池管理提供有效支撑.     

分布式能源系统现状及趋势

近年来，分布式能源系统得到了快速发展。分布式能源系统与集中发电、远距离输电和大电网供电的传统电力系统相比，克服了传统系统的一些弱点，成为其不可缺少的有益补充，二者的有机结合，是新世纪电力工业和能源产业的重要发展方向。2003年8月接连发生的美加大停电和英国伦敦     

实现双状态动态规划算法的应用研究

介绍了一种对状态子空间编码排序的描述方法和算法实现的技巧，使双状态动态规划算法更为有效。所示方法可应用于双状态规划的序贯算法和逐次优化算法等算法中，通过西南地区9个水库的联合调度实例验证，获得了令人满意的结果。