An adaptive Kalman filtering based State of Charge combined estimator for electric vehicle battery pack

Ah counting is not a satisfactory method for the estimation of the State of Charge (SOC) of a battery, as the initial SOC and coulombic efficiency are difficult to measure. To address this issue, a new SOC estimation method, denoted as “AEKFAh”, is proposed. This method uses the adaptive Kalman filtering method which can avoid filtering divergence resulting from uncertainty to correct for the initial value used in the Ah counting method. A Ni/MH battery test procedure, consisting of 8.08 continuous Federal Urban Driving Schedule (FUDS) cycles, is carried out to verify the method. The SOC estimation error is 2.4% when compared with the real SOC obtained from a discharge test. This compares favorably with an estimation error of 11.4% when using Ah counting.     

Concurrently coupled atomistic and XFEM models for dislocations and cracks

A method for the modeling of dislocations and cracks by atomistic/continuum models is described. The methodology combines the extended finite element method with the bridging domain method (BDM). The former is used to model crack surfaces and slip planes in the continuum, whereas the BDM is used to link the atomistic models with the continuum. The BDM is an overlapping domain decomposition method in which the atomistic and continuum energies are blended so that their contributions decay to their boundaries on the overlapping subdomain. Compatibility between the continua and atomistic domains is enforced by a continuous Lagrange multiplier field. The methodology allows for simulations with atomistic resolution near crack fronts and dislocation cores while retaining a continuum model in the remaining part of the domain and so a large reduction in the number of atoms is possible. It is applied to the modeling of cracks and dislocations in graphene sheets. Energies and energy distributions compare very well with direct numerical simulations by strictly atomistic models. Copyright © 2008 John Wiley & Sons, Ltd.     

建筑工程施工过程中的成本管理与控制

结合工程实例分析了作为建设方代表在施工过程中对工程成本控制的要点，提出了具体的管理和控制方法，解决了成本管理的一些漏洞和结算的遗留问题，对工程的成本管理和控制具有一定指导作用。     

基于改进遗传算法的继电保护一体化图形 拼接厂站最优布局

继电保护整定计算在电力系统广泛采用分布式整定计算模式,在继电保护整定计算模型拼接中,图形拼接部分存在着接线混乱的问题。深入研究了一体化继电保护图形拼接的特点,结合厂站电压等级,提出了基于改进遗传算法的继电保护一体化图形拼接方法。为了提高图形拼接的效率,采用按电压等级分层寻优的方式确定最优厂站布局。最后通过实际算例验证了该方法的快速性及有效性。     

基于图解蚂蚁系统的配电网动态重构

为了提高配电网运行的经济性,提出一种基于图解蚂蚁系统的配电网动态重构问题的求解方法。求解过程分为离线和在线两个阶段。离线阶段完成拓扑分析,形成同时包含配电网拓扑结构和时段长度两部分的可行解解集,用构造图表示。在线阶段通过模拟蚁群在构造图中的行走过程完成搜索寻优。离线阶段仅需完成一次拓扑分析即可支持在线阶段各时段拓扑结构的求解。在线阶段通过时段延伸方法将搜索空间由可行解解集缩小为较优解解集。仿真算例验证了提出的算法可以有效缩小搜索范围,找到最优解。     

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。     

一种多采样率EKF的锂电池SOC估计

为了准确估算出锂离子电池的荷电状态(SOC),采用多采样率的扩展卡尔曼滤波算法(MREKF),建立了二阶RC的电池的等效电路模型,对磷酸铁锂电池进行充放电实验,并根据实验数据进行参数辨识,获得等效电路模型的参数。根据电路模型建立电池的状态方程,分别使用安时法,单采样率的扩展卡尔曼算法和多采样率的扩展卡尔曼算法对电池的SOC进行估计,并用Matlab仿真,对比了三种算法,实验和仿真结果表明MREKF能更精确地估算出SOC。     

大规模风电集中接入对电力系统暂态功角稳定性的影响（一）：理论基础

该文作为2篇系列文章的第1篇,旨在从理论上分析双馈风机组成的大规模风电场集中接入对电力系统暂态功角稳定性的影响。首先,根据双馈风机的暂态特性,提出了一种适用于电力系统暂态功角稳定分析的双馈风机简化模型,并讨论了利用直流潮流计算方法研究风电接入前后系统暂态功角稳定变化趋势的合理性。其次,在双馈风机简化模型和直流潮流计算方法的基础上,利用扩展等面积定则分析了双馈风机接入两机系统后系统暂态功角稳定性的变化,提出一种判断风电接入对两机系统暂态功角稳定影响的判据。最后,在双机互联系统中进行仿真,结果表明,提出的判据具有较高的准确率。     

基于非参数核密度估计的扩展准蒙特卡洛随机潮流方法

扩展蒙特卡洛方法将随机潮流的误差转化为可控量,并可在样本数增加时保留已知的潮流计算结果。基于扩展拉丁超立方抽样的方法效率比简单随机抽样高,但仍存在两方面的问题:第一,扩展拉丁超立方抽样无法保证序列的差异性,这成为计算效率提高的瓶颈;第二,当输出变量偏离正态分布时,扩展拉丁超立方抽样方法缺乏性能良好的收敛判据。针对以上两个问题,采用基于Sobol序列的扩展准蒙特卡洛方法进行随机潮流计算,并提出基于非参数核密度估计方法的收敛判据。对IEEE 30和IEEE 118节点系统的仿真结果表明,所述方法比扩展拉丁超立方抽样方法更加方便、准确,同时效率更高、收敛更快;而基于非参数核密度估计的收敛判据直观、适应性强,对变量的概率分布没有附加条件,可准确指导扩展随机潮流的收敛。     

电力系统线性状态追踪方法

传统状态追踪方法一般基于扩展卡尔曼滤波方法求解,其缺点是:由于电力系统量测方程的非线性,使得这些方法在求解的过程中必须对量测方程进行近似线性化,从而影响了估计精度,尤其是相邻断面的状态变量发生突变时,估计精度明显降低;传统方法在迭代的每一步中均需重新形成雅可比矩阵,因而计算效率较低。以上缺点影响了传统状态追踪方法的应用。提出一种基于精确线性化量测方程的线性状态追踪方法,所提方法的优点为:在估计中无量测方程的近似线性化误差,因而估计精度较高;在迭代中雅可比矩阵均为常数矩阵,从而提高了计算效率。通过在IEEE系统上的仿真算例验证了所提方法的有效性和高效性。